Mistral, 시계열 예측 모델 Timestral 공개
원제: Timestral: Mistral's time-series foundation models
왜 중요한가
시계열 예측은 제조·금융·에너지 등 핵심 산업의 의사결정 기반으로, LLM 전문 업체의 진입이 기존 전문 모델 시장 구도를 바꿀 수 있다.
Mistral이 2026년 10월 15일 시계열 파운데이션 모델 패밀리 Timestral을 공개했다. 최대 모델은 209M 파라미터로 GIFT-Eval·TIME·fev-bench 3개 벤치마크 전 항목 1위를 달성했으며, 이전 1위 모델보다 파라미터가 약 3분의 2 수준이다. 5M·28M·123M·209M 4종으로 구성됐다.
Mistral이 기업 데이터 분석에 특화된 시계열 파운데이션 모델 Timestral을 출시했다. 모델은 5M, 28M, 123M, 209M 파라미터의 4가지 크기로 제공되며, 각 크기 범주에서 정확도와 효율의 파레토 최적선에 위치한다고 Mistral은 밝혔다.
가장 큰 209M 파라미터 모델은 GIFT-Eval, TIME, fev-bench 세 벤치마크의 전 지표에서 1위를 기록했다. 단일 체크포인트로 앙상블 없이 달성한 결과다. 이전 최고 모델보다 파라미터가 3분의 1 적다.
Timestral은 확률적(probabilistic) 다변량(multivariate) 예측을 지원하며, 과거 공변량(past covariates)과 미래에 이미 알려진 공변량(known-future covariates) 모두를 활용할 수 있다. 대규모 합성 데이터 사전 학습, 공변량 인식 어텐션, 장문맥(long-context) 학습을 결합한 구조다. CPU에서도 효율적으로 동작하며 제로샷 예측에 강점을 보인다.
시계열 데이터는 센서 텔레메트리, 관측 지표 등 기업 환경에서 가장 흔한 데이터 유형 중 하나다. ARIMA나 선형 회귀 같은 고전 모델은 단일 시계열에 개별 학습하고, PatchTST 같은 딥러닝 모델도 각 데이터셋마다 처음부터 학습해야 한다. Timestral은 다양한 영역의 대규모 코퍼스로 사전 학습해 학습 데이터 없이도 새로운 도메인에서 바로 예측할 수 있다.
산업 설비의 공정 센서 이상 감지, 금융사의 자금 흐름·변동성 예측, 공급망 계획 등 다양한 기업 사용 사례를 겨냥했다. 도메인 특화 파인튜닝은 Mistral Forge를 통해 제공한다.