IBM wydał otwarty model AI do prognozowania szeregów czasowych

IBM udostępnił otwarty model AI do prognozowania szeregów czasowych o nazwie Granite Time Series PatchTST-FM-r2. Model liczy około 385 milionów parametrów i został wydany na dwóch komercyjnie przyjaznych licencjach: Apache 2.0 oraz OpenMDW 1.0. Wagi są dostępne publicznie na platformie Hugging Face.

To model fundamentowy do szeregów czasowych. Generuje prognozy w trybie zero-shot, czyli bez wcześniejszego dostrajania na danych klienta. Nadaje się do przewidywania popytu, cen, zużycia energii, ruchu sieciowego oraz telemetrii z czujników. Obsługuje kontekst do 8192 kroków i zwraca prognozy probabilistyczne z 99 kwantylami, więc pokazuje także przedziały niepewności, a nie tylko pojedynczą wartość.

W rankingu GIFT-Eval z 8 września model zajął drugie miejsce wśród replikowalnych modeli zero-shot i pierwsze wśród rozwiązań na licencji komercyjnej. Uzyskał wynik CRPS 0,467 oraz MASE 0,6846 w średnich geometrycznych. Według IBM wyprzedza większe modele, takie jak Chronos-2, Timer-S1 i warianty Toto, mimo mniejszego rozmiaru. IBM podał też źródła danych treningowych, w tym dane syntetyczne i korpus TSMixup, co ułatwia ocenę ryzyka przed wdrożeniem.

Co otwarty model do prognozowania oznacza dla polskiego biznesu

Otwarte wagi w połączeniu z licencją komercyjną pozwalają wdrożyć model we własnej infrastrukturze lub prywatnej chmurze. Dane wejściowe nie muszą trafiać do zewnętrznego API, co upraszcza zgodność z RODO przy danych sprzedażowych i operacyjnych. Niewielki rozmiar, około 385 milionów parametrów, obniża koszt inferencji na własnym sprzęcie i skraca czas odpowiedzi.

Praktyczne zastosowania to prognozy sprzedaży, planowanie zapasów, przewidywanie zużycia mediów oraz obciążenia systemów informatycznych. Trzeba jednak pamiętać, że wdrożenie modelu fundamentowego wymaga kompetencji: przygotowania danych, oceny jakości prognoz na własnych szeregach i integracji z istniejącymi procesami. Tryb zero-shot to dobry punkt startu, a nie gwarancja wyniku w każdej branży.

Źródło: IBM Research na blogu Hugging Face (EN), 9 września 2026.