GitHub-радар
Предсказывай числовые ряды без GPU с помощью Timestral
Timestral — семейство моделей от Mistral AI для прогнозирования числовых рядов: продаж, нагрузки, спроса. Старшая версия, Timestral-209M, заняла первое место среди предобученных моделей на трёх крупных тестах прогнозирования.
Timestral — семейство моделей от Mistral AI, компании, которая делает модели ИИ. Модели предсказывают числовые ряды — данные, которые меняются во времени. Например, продажи или температуру.
Когда пригодится
Пригодится, если нужно спрогнозировать спрос, выручку, нагрузку на сервер или отток клиентов. GPU не нужен — модель работает на обычном ноутбуке. Не подходит для текста, кода или агентных задач: она умеет только числа.
Плюсы
- Старшая модель (209M) заняла первое место среди предобученных моделей на трёх бенчмарках.
- Работает на обычном ноутбуке без видеокарты.
- Весит немного: от 21 до 837 МБ.
- Выдаёт не одно число, а диапазон вероятных значений.
Минусы
- Это собственный замер Mistral — независимой проверки пока нет.
- Работает только с числами: ни текста, ни кода, ни агентных задач.
Как поставить — по шагам
- 1Открой в папке своего проекта ИИ-агента — Claude Code или Codex.
- 2Отправь агенту текст из блока ниже — он поставит Timestral и запустит демо-прогноз.
- 3Подожди: при первом запуске агент скачает веса модели с Hugging Face — от 21 до 837 МБ.
- 4Проверь результат: агент должен показать прогноз-диапазон значений на тестовых данных.
- 5Если нужна точность выше, попроси агента запустить версию Timestral-209M — самую крупную и точную.
Текст для агента
Текст для шага с агентом — скопируй и отправь (Claude Code, Codex, любой):
Поставь Timestral с https://github.com/mistralai/timestral: выполни `pip install git+https://github.com/mistralai/timestral.git`, прогони демо-пример прогноза из README на любых тестовых данных и покажи мне результат.
Запустится на обычном ноутбуке — видеокарта не нужна, модели весят от 21 до 837 МБ.
Открыть на GitHub▌ Ещё находки