TimesFM 2.5 Überblick und Eckdaten (Oktober 2026)

TimesFM ist ein vortrainiertes Basismodell für Zeitreihen von Google Research. Analysten nutzen es, um Kennzahlen wie Umsatz, Zugriffe oder Nachfrage vorherzusagen, entweder in der eigenen Python-Umgebung oder über BigQuery.

Version 2.5 hat 200 Millionen Parameter in einer Decoder-only-Architektur, nimmt bis zu 1.024 Zeitschritte als Kontext und prognostiziert bis zu 256 Schritte. Die Modellkarte empfiehlt nach einem Update im Oktober 2025, das aktuelle Paket neu zu installieren. Hugging Face zählte am 28. September 2026 rund 1,6 Millionen Downloads in den letzten 30 Tagen.

• Kennzahlen vorhersagenTimesFM sagt künftige Werte einer Zeitreihe aus ihrer Historie voraus, ohne je Reihe ein Modell zu trainieren. Analysten erhalten mit wenig Aufwand Prognosen für viele Produkte oder Standorte.
• Spannbreiten statt einer Zahl zeigenNeben dem Mittelwert liefert das Modell Quantile vom 10. bis 90. Perzentil. Planer sehen, wie unsicher eine Prognose ist, und können Puffer einplanen.
• Im Data Warehouse prognostizierenGoogle unterstützt TimesFM in BigQuery über AI.FORECAST. Datenteams prognostizieren dort, wo ihre Daten schon liegen, ohne sie in ein anderes System zu verschieben.

• Neben den offenen Gewichten offiziell in BigQuery über AI.FORECAST unterstützt.
• Veröffentlicht unter Apache-2.0 mit 200 Millionen Parametern.

TimesFM ist ein offenes Modell von Google Research unter Apache-2.0 und weltweit ohne Länderbindung nutzbar.

Die Kontextlänge von 1.024 Schritten begrenzt, wie viel Historie das Modell sieht. Prüfen Sie, ob das zu Ihrer Datenfrequenz passt. Vergleichen Sie die Prognosegüte zuerst mit Ihrer bisherigen Methode. Bei Nutzung in BigQuery klären Sie Abfragekosten und den Speicherort Ihres Projekts.

Noch keine Bewertung. Erzählen Sie als Erste:r, wie Ihr Team es nutzt.

Jede Bewertung zeigt ihre Prüfstufe. Wir lesen jede vor der Veröffentlichung. So prüfen wir Bewertungen