TimesFM 2.5の新機能

Google Researchは、TimesFM（時系列基盤モデル）をバージョン2.5に更新しました。これは時系列予測専用に設計されたデコーダのみの基盤モデルで、論文はICML 2024で発表されました。

主な技術的変更点

TimesFM 2.0と比較して、2.5モデルには以下の重要な更新が含まれています：

• パラメータ数を5億から2億に削減
• コンテキスト長を2048から16kに拡大
• オプションの3000万分位点ヘッドによる最大1k予測期間までの連続的分位点予測のサポートを追加
• 周波数インジケーターを削除
• 新しい予測フラグを追加
• XRegによる共変量サポートを復活（2025年10月29日更新時点）

インストールとセットアップ

リポジトリは活発に更新されており、高速推論のためのFlaxバージョン、追加ドキュメント、ノートブックの計画があります。現在のインストールには以下が必要です：

git clone https://github.com/google-research/timesfm.git
cd timesfm
# uvで仮想環境を作成
uv venv
source .venv/bin/activate
# torchでインストール
uv pip install -e .[torch]
# またはflaxで
uv pip install -e .[flax]
# またはXRegサポートで
uv pip install -e .[xreg]

基本的な使用例

以下はソースからの基本的な予測ワークフローです：

import torch
import numpy as np
import timesfm

torch.set_float32_matmul_precision("high")
model = timesfm.TimesFM_2p5_200M_torch.from_pretrained("google/timesfm-2.5-200m-pytorch")
model.compile(timesfm.ForecastConfig(
    max_context=1024,
    max_horizon=256,
    normalize_inputs=True,
    use_continuous_quantile_head=True,
    force_flip_invariance=True,
    infer_is_positive=True,
    fix_quantile_crossing=True,
))
point_forecast, quantile_forecast = model.forecast(
    horizon=12,
    inputs=[
        np.linspace(0, 1, 100),
        np.sin(np.linspace(0, 20, 67)),
    ],  # 2つのダミー入力
)
出力形状：
point_forecast.shape → (2, 12)
quantile_forecast.shape → (2, 12, 10): 平均、その後10分位から90分位まで。

モデルの入手先

モデルは複数のチャネルで利用可能です：

• GitHubリポジトリ: google-research/timesfm
• すべてのチェックポイントのためのHugging Faceコレクション
• 公式Google製品としてのBigQuery内TimesFM（注：このオープンバージョンは公式サポート対象外）
• 古いバージョン（1.0および2.0）はv1サブディレクトリにアーカイブ済み

時系列データを扱う開発者にとって、これは以前のバージョンと比較してパラメータ効率とコンテキスト処理において重要な更新となります。連続的分位点予測の追加は、より詳細な不確実性推定を提供し、本番予測システムにとって貴重なものです。