TimesFM-3 是 Google Research 8 月 31 日發表的時間序列基礎模型，330M 參數、原生多變量、一次前向算完整段預測，GIFT-Eval、fev-bench、TIME 三個榜單都拿下基礎模型組第一。但權重改成非商用授權，上一版 TimesFM 2.5 才是能上線的那個。這篇拆架構、拆榜單的實際含金量、能不能拿來預測股價，也講你現在該怎麼選。
目錄+
你把去年的銷售數字丟進去，它馬上告訴你下個月每個促銷日會多賣兩成。你把股價丟進去，它大概會畫一條平線給你，比隨便猜還爛。你想把它放進自己的產品裡，授權條款說不行。
這就是 Google 8 月 31 日放出的 TimesFM-3。三場公開考試同組第一，然後 Google 把它從你的產品裡拿走了。上一版還能商用，這一版只准研究。
這篇講四件事：它到底多會猜、「第一名」是哪一種第一、為什麼股價猜不動，還有既然不能商用，你該怎麼選。
TimesFM-3 是什麼
先講它在做什麼。你可以把它想成一個看過幾百萬張心電圖的醫生。今天來了一個他從沒見過的病人，他不用重讀一次教科書，看一眼就知道這條線接下來大概會怎麼走。
以前不是這樣做的。以前是每來一種病人就從頭養一個只會看那一種病的醫生。你有一百萬個商品要預測，就要訓練一百萬個模型。
TimesFM-3 是 Google Research 的時間序列基礎模型，330M 參數，在超過一兆個時間點的真實與合成資料上預訓練過，可以對沒看過的序列直接輸出預測，不用為每個任務重新訓練。這種「不用重新訓練就直接能用」，術語叫零樣本（zero-shot）。作者是 Ayush Jain 和 Rajat Sen。
從 2024 年的第一版到去年 9 月的 2.5，TimesFM 一直只做單變量：給它一條序列的歷史，它預測那條序列的未來。問題是真實世界的預測幾乎沒有一個長這樣。
想像你在一家連鎖店排下個月的促銷檔期。你要預測冰淇淋銷量，但光看過去的銷量數字沒用。甜筒賣多少、店裡人流多少、下週會不會下雨、哪幾天有檔期，這些全都在推那條線。單變量模型看不到這些，它只會把過去的週循環往前推平。
TimesFM-3 原生支援三種輸入：多條要一起預測的目標序列、只知道過去的共變量（例如來客數）、以及未來已知的共變量（例如已經排好的促銷日、國定假日）。Google 官方的示範裡，把促銷排程當成第三種輸入丟進去之後，模型會在每個促銷日預期約 20% 的銷量抬升，而單變量版本完全看不出那幾天有什麼特別。
一次前向算完整段
架構還是 decoder-only transformer，跟 ChatGPT 那一類模型是同一種底子。資料送進去之前先做一件事，連續的資料點每 32 步打包成一包，術語叫 patch。這就像你看文章不是一個字一個字讀，是一次掃過一行，快很多。每條序列還會各自做正規化，好讓一天賣一百支的商品和一天賣一百萬支的商品可以擺在一起比。
換掉的是後面兩層。
第一層是模型「看哪裡」。TimesFM-3 讓兩種看法輪流上場。
一種叫因果時間注意力，橫著看。模型只能回頭看自己這條線的過去，不准偷看未來。這條規矩很重要，因為你要預測的東西本來就還沒發生，能偷看就等於考試看答案，考幾分都沒意義。
另一種叫跨序列注意力，直著看。在同一個時間點上，模型可以抬頭看隔壁所有的線在幹嘛。甜筒賣得好的那天冰淇淋通常也賣得好，這種「隔壁發生的事會影響我」的關係，就是在這一層學進去的。
兩種看法交替疊好幾層，時間上的規律和序列之間的牽連就混在一起了。
第二層是模型怎麼把答案寫出來。
以前的版本像文字接龍。先猜第一段，再拿第一段去猜第二段，一路接下去。這有兩個毛病，一是慢，二是第一段猜歪了，後面會愈歪愈遠。
TimesFM-3 改成填字遊戲。它先把整張未來的表格攤開，每一格貼上「這裡待填」的標籤，術語叫遮罩 token，整套做法叫 Contiguous Patch Masking。要猜的銷量那些格子蓋起來，但已經知道的事情不蓋，例如下週三有促銷這件事就大方讓模型看見。然後一口氣把所有空格同時填完，不用一格一格接。
輸出也不是一個數字。每個時間點它給你 9 個數字，從最保守到最樂觀，也就是第 10 到第 90 百分位。翻成白話就是它不會跟你說「下週三賣 100 支」，它會說「大概 100 支，最少 70，最多 140」。跟氣象預報講降雨機率而不是打包票說會下雨，是同一件事。
參數量的走勢繞了一圈。1.0 是 200M，2.0 衝到 500M，2.5 又縮回 200M 同時把上下文拉長，3.0 回到 330M。多出來的那 130M 就是花在跨序列注意力上。
三個榜單第一，是哪一種第一
榜單是這樣運作的。一群人準備好幾百組真實資料，把後面一段藏起來，讓每個模型去猜，再比誰猜得準。GIFT-Eval、fev-bench 和 TIME 就是三份這樣的考卷，Google 三份都考了，對手是 Chronos-2、Toto 2.0 家族和自家的 TimesFM-2.5。
結論是在預訓練基礎模型這一組，TimesFM-3 三份考卷的平均名次都最前。而且不只「猜的那個數字準」（點預測），連「講的區間有多可信」（機率預測）也最前。套件的 release notes 記的是：fev-bench 100 個真實任務總排名第一、TIME 的 50 個領域資料集 98 個評測任務總排名第一、GIFT-Eval 基礎模型組第一。
就算關掉多變量、只用單變量模式跑，TimesFM-3 也已經追平或超過其他模型。多變量模式是再往上疊的。
但「基礎模型組第一」這幾個字要看清楚。這就像路跑分組，素人組的冠軍跟所有人一起跑的冠軍，是兩回事。
GIFT-Eval 的完整榜單除了「開箱直接用」這一組，還收微調版（拿考題的練習卷再訓練過）、集成系統（好幾個模型投票）和 agentic 方法。Datadog 在 Toto 2.0 的公告裡寫得很明白，他們的微調版 2.5B 和 Family-and-Friends 集成在那張完整表上拿下前兩名。兩邊講的都沒錯，只是切的組別不同。你要比的時候，先確認自己在看哪一組。
學界對零樣本時間序列模型的懷疑也一直沒斷過。有研究把這些模型丟到雲端監控資料上測，發現面對尖刺和複雜週期時，泛化能力遠不如宣稱得那麼漂亮；另一篇則指出在資料稀少和非平穩的情境下，從頭訓練的小型專用模型表現可以跟大型預訓練模型打平。榜單分數高，跟你自己那批髒資料上會不會好用，中間還隔著一段。
拿來預測金融資料會怎樣
你手上有一份股價 CSV，模型剛下載好，第一個念頭一定是先丟進去看看會發生什麼事。
會發生的事情很具體。論文《Re(Visiting) Time Series Foundation Models in Finance》(arXiv:2511.18578) 測 TimesFM 的 500M 版，金融零樣本的 R² 是負 2.80%，報酬 -1.47%；Chronos large 是負 1.37%。
R² 這個數字這樣看就好。0 分代表你的預測跟「每天都猜平均值」一樣爛，正的代表比那個好，負的代表比那個還糟。所以負 2.80% 的意思是，你花力氣跑了一個模型，結果不如每天閉著眼睛講同一個數字。
另一篇《Forecast Collapse in Time-Series Foundation Models》(arXiv:2608.14106) 把原因講穿了。在美股小時級的報酬上，模型預測出來的起伏幅度不到真實起伏的 0.05 倍，畫出來幾乎是一條平的線。
模型知道自己猜不準，於是乾脆不猜。
那篇論文同時指出振幅有一個統計天花板，由目標本身的可預測性決定。這也是為什麼同一批模型在成交量上是有效的，在價格報酬上就失效。分界線比你想的乾淨。
| 金融序列 | 零樣本可用性 | 原因 |
|---|---|---|
| 價格 / 報酬率 | 不行 | 可預測的成分會被套利掉 |
| 成交量 | 可以 | 日內 U 型與星期效應穩定存在 |
| 波動率 | 可以 | 有群聚性與均值回歸 |
| 流動性 / 委託簿深度 | 可以 | 與交易時段強相關 |
| 宏觀與產業經濟序列 | 可以 | 季節性明確、發布時程已知 |
撐住這條線的東西叫市場效率，但你用超市結帳的隊伍想最快。
只要有一排明顯比較短，就會有人插過去排那一排。結果短的那排變長，最後每排都差不多長。價格也是一樣。只要有人發現「每週三都會漲」這種規律，他就會提前買，一路買到那個規律消失為止。市場會主動把可以預測的東西吃掉。
成交量沒有這回事。沒有人有辦法靠「開盤時交易量特別大」這件事去把開盤的量交易掉，所以那個規律一直留在那裡。TimesFM 學的就是規律。有規律它抓得到，沒規律它只能畫平線。
反過來說，TimesFM-3 新增的未來已知共變量，在金融場景反而很好用：財報日、除權息、指數調整、宏觀數據發布時間，全都是「未來已經排定」的欄位。拿它去預測法說會當週的成交量或波動率，比拿它去預測隔天收盤價合理得多。
還有兩件事要先講清楚。第一，目前沒有任何人發表過 TimesFM-3 的金融評測，它才發布一天，上面引的數字全來自較早世代的模型。第二，預測準跟賺得到錢是兩回事：波動率預測的真實用途是選擇權定價、風險控管和部位大小，不是進出場訊號。想走這條路的話，Kronos (arXiv:2508.02739) 和 FinCast (arXiv:2508.19609) 這類金融專用的基礎模型是更對的起點。以上是模型與資料型態的適配討論，不構成投資建議。
真正換掉的東西是授權
前面都是技術。影響你明天做什麼決定的，是授權那一行。
TimesFM 的 GitHub 倉庫是 Apache-2.0，27.9k 星，這點沒變。變的是權重。TimesFM 2.5 的 Hugging Face model card 掛的是 apache-2.0，商用、修改、再散布都可以。TimesFM 3.0 掛的是 timesfm-non-commercial-license-v1.0，而且是 gated repo，你得先同意條款、留下聯絡資訊才拿得到檔案。
這一版真正的新規格不是 330M，是那張授權書。
實務上這條線切得很乾淨。你可以今天就下載來跑 benchmark、寫論文、做內部評估。你不能把它擺在自家預測 API 後面出貨。要商用，你的選項是繼續用 Apache-2.0 的 TimesFM 2.5、改用同樣 Apache-2.0 而且原生支援共變量的 Amazon Chronos-2、或者等 Google 把 TimesFM-3 接進 BigQuery。官方說 BigQuery 整合「未來幾週」上線，現在能用 AI.FORECAST 呼叫的是 2.5。
方向很清楚。最好的權重留在雲端產品裡，開源那份給你評估用。這跟 Google 用 Apache-2.0 開源 DiffusionGemma 權重 的做法是兩套邏輯，也跟 Kimi K3 開放權重的時間差 那種「先閉後開」不一樣。Google 是按版本切開放。
你現在該做什麼
如果你在做需求預測、產能規劃、觀測性告警這類事，現在最有價值的動作是拿 TimesFM-3 在自己的資料上跑一次評測，然後拿結果去跟 TimesFM 2.5 和 Chronos-2 比。授權允許你這樣做，而這件事只有你自己的資料能回答。
330M 的模型本身很輕，消費級顯卡就跑得動。會卡住的是你同時載入好幾個模型互相比較的時候，例如把 Toto 2.0 的大尺寸版本一起放進來。利益揭露：以下是聯盟連結。24GB 這一階的 麗臺 RTX PRO 4000 Blackwell 規格上足以一次掛住多個中小型預測模型做橫向對照，適合要在本地反覆重跑評測、不想每次都開雲端機器的人。
至於要不要為了多變量搬家，看你的資料形狀。手上只有一條孤零零的序列，多變量那套完全用不到，留在 2.5 就好。手上有促銷排程、天氣預報、活動檔期這種「未來已經知道」的欄位，過去只能拿去做特徵工程再餵給模型，那 TimesFM-3 值得你花時間評測，而且要把商用路徑一起排進計畫。如果你是拿它來做金融序列，先去看看 開源量化框架怎麼組合多個模型，單一預測模型在那個場景很少是答案。
Google 這次給了一個更強的模型，同時把它從你的產品裡拿走了。剩下的問題是，等 BigQuery 版本上線之後，你願意為了那幾個百分點的準確度，把預測這一層綁在誰家的雲上？
常見問題
TimesFM-3 可以商用嗎？
不行。TimesFM 3.0 的權重掛的是 timesfm-non-commercial-license-v1.0，限非商用、非正式環境。程式碼倉庫是 Apache-2.0，但權重跟程式碼是兩件事。要商用就用 TimesFM 2.5，或等 BigQuery 整合上線。
TimesFM-3 跟 TimesFM 2.5 差在哪？
多變量。2.5 以前只能看單一序列自己的歷史，3.0 可以同時吃多條目標序列、過去共變量、以及未來已知的共變量。另外 3.0 一次前向輸出整段預測，不再一段一段生。
什麼是多變量時間序列預測？
預測一條序列的時候同時參考其他相關序列和外部因素。預測冰淇淋銷量時一起看甜筒銷量、來客數、天氣預報和促銷檔期，而不是只看過去的銷量。
TimesFM-3 真的比 Chronos-2 和 Toto 2.0 強嗎？
在預訓練基礎模型這一組，Google 的評測裡三個榜單平均排名都最前。但 GIFT-Eval 完整榜單還收微調版和集成系統，Datadog 的 Toto 2.0 微調版與集成版在那張表上排更前面。先確認你在看哪一組。
TimesFM-3 可以拿來預測股價嗎？
預測價格不行，預測價格以外的金融序列可以。零樣本測金融價格的 R² 是負的，比猜平均值還差；但同一類模型在成交量、波動率上是有效的。差別在於價格裡可預測的成分會被套利掉，成交量沒有這個機制。