IBM开源Granite PatchTST-FM-R2：3.85亿参数零样本时序预测模型
· 来源：Unite.AI
新模型以Apache 2.0与OpenMDW 1.0双许可发布，用conformer模块替换标准transformer块，支持8192步上下文与99分位数预测，在GIFT-Eval可复现零样本模型中排名第二。
IBM于2026年9月9日发布时序基础模型Granite Time Series PatchTST-FM-r2，参数量约3.85亿，采用Apache 2.0与Linux基金会OpenMDW 1.0双许可开源。模型面向零样本预测场景——无需针对具体数据集微调，直接对需求量、价格、电力负荷、交通流、遥测等规则采样的时间序列做预测。
架构上最主要的改动，是用conformer模块替换了标准transformer块：卷积核与多头自注意力交替堆叠，让模型同时抓住局部波形与长程依赖。它支持最长8192步的上下文窗口，并直接输出99个分位数，也就是给出完整的预测分布而非单点值——对做库存、调度、容量规划的团队来说，分位数比均值更有用。
在GIFT-Eval基准上，模型的几何平均CRPS为0.467、几何平均MASE为0.6846，在"可复现的零样本模型"这一组中均排名第二；如果把所有预训练模型都计入，则CRPS排名第三、MASE排名第四。
模型已上架Hugging Face Hub，通过granite-tsfm包（0.3.9及以上版本）加载；此外还可经由Confluent Cloud的早期访问计划部署到流式场景中。对于此前只能在统计方法与自建深度模型之间二选一的时序团队，一个体量不大、许可宽松、开箱即用的基础模型，降低了尝试成本。