timesfm-3.0-pytorch
קוד פתוחgoogleother2026-08-24
מודל בסיס לחיזוי סדרות עתיות שגוגל אימנה על נתוני מגמות וחיפושים. הוא נותן תחזיות ישירות בלי שתצטרכו לאמן מודל מאפס על הדאטה שלכם.
- 331Mפרמטרים
- 1.2 GBמשקל הקבצים
- 444,052הורדות בחודש
- 698לייקים
מה זה
מדובר במודל של כ־331 מיליון פרמטרים שמבוסס על ארכיטקטורת שנאי בסידור של Stacked Mixing Transformer עם תשומת לב למשתנים שונים ומנגנון נרמול בשם CPM Iterative RevIN. הוא לא מודל שפה שמנסה לנחש טקסט, אלא כזה שעובד ישירות על נקודות זמן בחלונות קבועים, עם פאצ' הקשר באורך 32 וחלון חיזוי של 64. המטרה כאן היא לקחת סדרה מספרית, להבין עונתיות ומגמות, ולחזות את ההמשך כולל חלוקה לעשירונים כדי לקבל טווח אי־ודאות.
גוגל אימנו אותו על שילוב של נתוני צפיות בוויקיפדיה, שאילתות פופולריות מגוגל טרנדס, מאגר GiftEvalPretrain ומידע סינתטי. זה נותן לו נקודת פתיחה רחבה מאוד בהשוואה למודלים קלאסיים כמו ARIMA שצריכים התאמה מחדש לכל סדרה. הוא מתאים למי שרוצה פתרון אפס מאמץ לתחזיות בלי לבנות ארכיטקטורה ייעודית מראש.
מתאים ל
- חיזוי עומסים במערכות פנימיות
מתאים לניתוח מגמות תעבורה ושרתים לצורכי מחקר פנימי, בלי צורך לאמן ארכיטקטורה מורכבת מראש.
- הערכת תנודתיות וטווחי שגיאה
פלט העשירונים מאפשר לבדוק תרחישי קיצון ולא רק תחזית ממוצעת בודדת בסדרות עתיות.
- מחקר אקדמי על סדרות עתיות
הרישיון הלא מסחרי והמשקל הנמוך מאפשרים לבחון מודל שנאי מאומן מראש מול שיטות סטטיסטיות רגילות.
איפה זה נופל
הבעיה המרכזית נמצאת ברישיון ובתאריכי האימון של המידע. הנתונים מבוססים בין היתר על גוגל טרנדס שנחתכו בסוף 2022 ודפי ויקיפדיה עד נובמבר 2023, כך שתופעות עונתיות שקרו מאז לא מוכרות לו. בנוסף, חלוקת הזמן קבועה במקטעים של פאצ'ים באורך 32 ו־64, מה שאומר שאם הנתונים שלכם דורשים רזולוציה גמישה או חריגה מהמבנה הזה, תצטרכו לעשות התאמות בעיבוד המקדים. אין בכרטיס המודל תוצאות מדידה מספריות על ביצועים בפועל מול מודלים אחרים, כך שתצטרכו לבדוק בעצמכם אם הוא עדיף על פתרונות קיימים.
שאלות
נפוצות
האם אפשר להטמיע את המודל הזה באפליקציה בתשלום ללקוחות?
לא. הרישיון של גוגל מגדיר במפורש שימוש לא מסחרי בלבד. אם המוצר מייצר כסף או מיועד ללקוחות משלמים, תצטרכו לחפש חלופה בקוד פתוח אמיתי.
האם צריך כרטיס מסך חזק כדי לבצע חיזוי?
ממש לא. המודל שוקל 1.2 גיגה־בייט ומכיל 331 מיליון פרמטרים בלבד. אפשר להריץ אותו בלי בעיה על מחשב אישי או מעבד סטנדרטי בלי השקעה בחומרה ייעודית.
איך מריצים
המשקל הכולל של הקבצים הוא בערך 1.2 גיגה־בייט, כך שהוא נכנס בקלות לכל כרטיס מסך ביתי או אפילו לזיכרון של מעבד רגיל. אין צורך בחומרה כבדה או בשרתים מרובי כרטיסים כדי להריץ עליו חיזויים שוטפים.
בגודל הזה אין סיבה אמיתית לשלם על API חיצוני אם יש לכם שרת עצמאי קטן. ההרצה ב־PyTorch מקומית חוסכת עלויות רשת, מונעת תלות בזמינות שרתים חיצוניים, ושומרת על המידע המספרי בתוך התשתית שלכם.
pip install -U huggingface_hub hf download google/timesfm-3.0-pytorch
הקבצים
5 קבצים במאגר, 1.2 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.
הרישיון
המודל שוחרר תחת רישיון ייעודי לא מסחרי של גוגל בשם TimesFM Non-Commercial License v1.0. זה אומר שאסור לשלב אותו במוצרים מסחריים, למכור שירותים שמבוססים עליו, או להכניס אותו למערכות שמייצרות הכנסה ישירה. השימוש מותר למחקר, ניסויים פנימיים ובדיקות היתכנות בלבד.