Neu ist die Richtung des Modells. TimesFM-3 prognostiziert mehrere verwandte Messgrößen gemeinsam und verarbeitet drei Arten von Zusatzdaten: weitere Zielgrößen, rückblickende Faktoren und bekannte Zukunftsereignisse wie Rabatt- oder Wetterpläne. Den gesamten Vorhersagezeitraum füllt es in einem Durchgang, statt Schritt für Schritt weiterzurechnen.
Die Modellkarte nennt 330 Millionen Parameter, 20 Transformer-Schichten, eine Modellbreite von 1.280 und 16 Attention-Köpfe. Vortrainiert wurde auf mehr als einer Billion Zeitpunkten, laut Karte aus dem GIFT-Eval-Vortrainingskorpus ohne die mit FEV-Bench überlappenden Datensätze, dazu Wikipedia-Abrufzahlen, Google-Trends-Anfragen und synthetische Daten.
Google beansprucht auf GIFT-Eval, FEV-Bench und Time jeweils den besten Durchschnittsrang, für den Punktwert wie für die Unsicherheitsschätzung. Konkrete Messwerte nennt der Blogbeitrag nicht, nur Ranggrafiken gegen Chronos-2, Toto-2.0 und TimesFM-2.5. Je Zeitpunkt gibt das Modell laut The Decoder neun Werte aus, die die Bandbreite der Vorhersage abbilden.
Das Repository auf Hugging Face wurde am 24. August angelegt und beim Abruf mit 633.239 Downloads geführt; die Karten von TimesFM 2.5 und 2.0 tragen Apache-2.0. Der Quellcode im Google-Research-Repository bleibt Apache-2.0. Die Anbindung an BigQuery kündigt Google für die kommenden Wochen an; für einzelne Zeitreihen steht dort weiterhin TimesFM-2.5 bereit.