AI更新
Google Research 开源新版 TimesFM，参数更小但上下文拉到 16k
Google Research 的时间序列基础模型 TimesFM 更新到 2.5 版：参数量从 5 亿降到 2 亿，上下文长度从 2048 提升到 16k，并支持更长预测范围，体现“小而强”的基础模型演进趋势。
Google Research 开源新版 TimesFM，参数更小但上下文拉到 16k
AI更新
Google Research 在开源仓库中更新了时间序列基础模型 TimesFM 2.5。最值得关注的几点是：模型参数量从 5 亿缩减到 2 亿，但上下文长度从 2048 提升到 16k；同时增加了可选的 3000 万参数 quantile head，用于更长跨度的分位数预测，并重新调整了推理接口与若干预测相关开关。简单说，它不是一味堆大模型，而是把“能看更长历史、做更实用预测”放在优先级前面。
这很重要，因为时间序列预测覆盖金融、零售、供应链、能源、运维监控等一大批真实商业场景。相比通用大模型，垂直基础模型如果能在更低参数量下拿到更强效果，商业落地价值往往更直接。TimesFM 持续更新，说明 Google 正在把这类能力往更可用、更易部署的方向推进。
对行业的实际影响是，企业做需求预测、容量规划、库存优化时，会有更多开源方案可选；同时也会刺激更多“行业专用基础模型”出现。未来比拼的不只是模型大不大，而是谁能在特定任务里更准、更省、更稳定。