Mistrals größtes Timestral-Modell sagt mit 209 Millionen Parametern Sensorwerte, Energiebedarf oder Zahlungsströme voraus und kommt dafür ohne Grafikkarte aus. In der Rangliste GIFT-Eval liegt das Modell vor den Prognosemodellen von Google und Amazon. Unternehmen mit mehr als 17,8 Millionen Euro Monatsumsatz dürfen die frei herunterladbaren Modellgewichte allerdings nicht nutzen.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Mistral AI stellte Timestral am 15. Oktober als erste eigene Modellfamilie für Zeitreihen vor, in vier Größen von 5 bis 209 Millionen Parametern.[1] Den Programmcode gibt das Pariser Unternehmen unter der Apache-Lizenz 2.0 frei, die Modellgewichte unter einer Lizenz mit Umsatzgrenze.[2]
Das Wichtigste in Kürze
- Timestral sagt den Verlauf von Zeitreihen ohne Training mit eigenen Daten voraus und liefert 21 Quantile statt eines Einzelwerts.
- Die Lizenz der Modellgewichte schließt Unternehmen aus, deren weltweiter Konzernumsatz im Vormonat 17,8 Millionen Euro überstieg.
- Amazon, Datadog und The Forecasting Company geben vergleichbare Modelle ohne Umsatzgrenze unter Apache 2.0 frei.
Was unterscheidet Timestral von klassischen Prognoseverfahren?
Klassische Verfahren wie ARIMA lernen nur aus der Vergangenheit der einen Reihe, die sie vorhersagen sollen. Timestral wurde dagegen überwiegend mit synthetischen Daten trainiert und überträgt Muster wie Trend und Saisonalität auf Reihen, die in seinen Trainingsdaten nicht vorkamen.[1] Zusammenhängende Messwerte wertet Timestral gemeinsam aus, etwa Vibration, Temperatur und Druck einer Pumpe. Im Voraus bekannte Einflussgrößen wie Produktionspläne, Feiertage oder Wetterprognosen fließen ebenfalls ein.
Statt eines einzelnen Werts liefert das Modell 21 Quantile, also eine Spannweite samt Wahrscheinlichkeiten. Wartungsteams können Alarmschwellen daran ausrichten. Für eine Tagesprognose aus drei Wochen Viertelstundenwerten benötigt das kleinste Modell auf einem gewöhnlichen Server-Prozessor 10 Millisekunden, das größte 140.[1]
Wie groß ist der Vorsprung in der Rangliste?
Mistral meldet Platz eins in den drei Ranglisten GIFT-Eval, TIME und fev-bench.[1] In GIFT-Eval von Salesforce lässt sich die Angabe nachrechnen, weil die Rangliste die Ergebnisse jedes Modells für 97 Testaufgaben offenlegt.[3] Das Fehlermaß MASE setzt den Prognosefehler ins Verhältnis zu einer einfachen Prognose, die den Wert aus der Vorperiode wiederholt, etwa vom selben Wochentag der Vorwoche. Kleinere Werte sind besser. Timestral-209M kommt auf 0,658, t0-gamma von The Forecasting Company auf 0,661, Googles TimesFM 3.0 auf 0,667 und Amazons Chronos-2 auf 0,698. Der Abstand zu t0-gamma beträgt ein halbes Prozent.
Fünf Zeitreihenmodelle: Fehlermaß und Lizenz
Welche Unternehmen schließt die Lizenz aus?
Unternehmen, deren weltweiter konsolidierter Umsatz im Vormonat umgerechnet rund 17,8 Millionen Euro überstieg, dürfen keine Rechte aus der Lizenz ausüben. Dieselbe Grenze gilt für den Arbeitgeber des Nutzers und für jedes abgeleitete Modell, auch von Drittanbietern.[2] Aufs Jahr gerechnet sind das gut 210 Millionen Euro.
Die EU zählt Unternehmen mit weniger als 250 Beschäftigten und bis 50 Millionen Euro Jahresumsatz zu den KMU.[4] Mistrals Schwelle liegt mehr als viermal so hoch. Weil die Lizenz den Konzernumsatz zählt, fällt aber auch die kleine Tochter einer großen Unternehmensgruppe heraus. Da die Klausel auf den Vormonat abstellt, kann ein umsatzstarker Dezember die Nutzung im Januar ausschließen. Jenseits der Schwelle bleibt nur Mistrals eigene Plattform oder eine kommerzielle Lizenz, die Mistral nach eigenem Ermessen vergibt.
Neu ist diese Regel bei Mistral nicht: Mistrals Code-Modell Devstral 2 erschien Ende 2025 unter einem nahezu wortgleichen Lizenztext.[5] Amazons Chronos-2, Datadogs Toto 2.0 und t0-gamma stehen dagegen unter Apache 2.0. Googles Lizenz für TimesFM 3.0 erlaubt nur nichtkommerzielle Zwecke ohne Produktivbetrieb.[6] Auch StepFun aus Shanghai verlangt von Autobauern und Geräteherstellern eine kommerzielle Lizenz für sein Sprachmodell.
Oberhalb von 17,8 Millionen Euro Monatsumsatz wird aus Mistrals frei herunterladbarem Modell ein Verkaufsgespräch.
Markus Seyfferth, Chefredakteur Dr. Web
Was sollten Unternehmen vor einem Test prüfen?
- Konzernumsatz klären: Prüfen Sie vor dem ersten Download, ob der Umsatz Ihrer Unternehmensgruppe in einem Monat die Schwelle überschreiten kann. Bei der Auswahl des passenden KI-Modells gehört die Lizenz so auf die Prüfliste wie der Preis.
- Mit dem eigenen Verfahren vergleichen: Lassen Sie Timestral mit Ihren historischen Daten gegen die bisherige Prognose antreten, bevor das Modell Einkauf oder Wartung steuert. Mistral weist selbst darauf hin, dass Betriebsdaten deutlich von öffentlichen Testdaten abweichen können.[1]
Mittelständler unterhalb der Schwelle können Timestral kostenlos für Aufgaben wie die Überwachung von Fördertechnik testen. Die Messdaten bleiben dabei auf dem eigenen Server.
Quellen
6 Quellen anzeigenQuellen ausblenden
- Mistral AIIntroducing Timestral
- Mistral AILizenz der Modellgewichte Timestral-209M („Modified MIT License“) und Programmcode auf GitHub (Apache-Lizenz 2.0)
- Salesforce AI ResearchGIFT-Eval-Rangliste, Ergebnisdateien der Modelle (Stand 20. Oktober 2026)
- Europäische KommissionKMU-Definition nach Empfehlung 2003/361/EG
- Mistral AI auf Hugging FaceLizenz von Devstral 2 („Modified MIT License“)
- Hugging Face: Modellkarten von Amazon Chronos-2, Datadog Toto 2.0, The Forecasting Company t0-gamma und Google TimesFM 3.0
Mehr Newshunger?
- StepFun gibt sein 600-Milliarden-Modell frei, Autobauer brauchen eine Lizenz
- Mistral Large 4: Das KI-Modell mit einer Billion Parametern startet als Vorschau
- KI im abgeschotteten Rechenzentrum: Microsoft und Mistral zielen auf Europas regulierte Branchen
- Muse Spark Open: Meta stellt ein 816-Milliarden-Modell zum Download bereit
- Mistral trainiert jetzt standardmäßig mit Nutzereingaben, nur Enterprise bleibt ausgenommen
- Robostral Navigate: Mistrals KI lotst Roboter mit einer einzigen Kamera
- Predictive Maintenance bei Haribo: KI überwacht die Fördertechnik im Lager
