Google Research выпустила TimesFM-3 с 330 млн параметров для прогнозирования взаимосвязанных показателей. Веса доступны публично, но их лицензия разрешает только некоммерческое и непроизводственное использование. Google Research выпустила TimesFM-3, модель с 330 млн параметров для прогнозирования временных рядов. Система рассчитана на работу сразу с несколькими связанными показателями и может учитывать внешние переменные, известные на момент прогноза. Такой подход подходит для задач, где один показатель зависит от других. Например, спрос на электроэнергию может быть связан с погодой, временем суток и производственной нагрузкой. Модель использует маскирование патчей и двумерную схему внимания. Она поочерёдно анализирует изменения во времени и связи между несколькими рядами. TimesFM-3 строит весь горизонт прогноза за один проход, поэтому ошибки не накапливаются так, как при последовательном прогнозировании каждого следующего шага. Google заявляет, что модель обучалась примерно на триллионе точек данных. Веса TimesFM-3 опубликованы вместе с кодом и доступны через репозитории Google и Hugging Face. При этом разработчикам нужно учитывать лицензионное ограничение. Код распространяется отдельно, а предварительно обученные веса разрешено использовать только в некоммерческих и непроизводственных проектах. Поэтому модель подходит для исследований, тестов и сравнений, но пока не является свободным компонентом для коммерческого сервиса прогнозирования.