TimesFM (Time Series Foundation Model) — это заранее обученная основа временных рядов модель, разработанная Google Research для прогнозирования временных рядов.

• Бумага: Базовая модель только с декодером для прогнозирования временных рядов, ICML 2024. 🆕 * Контрольный пункт TimesFM 3.0: google/timesfm-3.0-pytorch. Контрольные точки до 2.5: Коллекция обнимающих лиц TimesFM.
• Посты в блоге Google Reseach:
• TimesFM-3: Нулевая базовая модель для многомерного прогнозирования
• Базовая модель только с декодером для прогнозирования временных рядов
• TimesFM в продуктах Google 1P:
• BigQuery ML: Корпоративные SQL-запросы для масштабируемости и надёжности.
• Google Sheets: Для вашей ежедневной таблицы.
• Вершинный модельный сад: Dockerized endpoint для агентных вызовов.

Эта открытая версия официально не поддерживается продуктом Google.

Последняя версия модели: TimesFM 3.0 ✨

Архивные версии моделей:

• 2.5: соответствующий код под src/timesfm.
• 1.0 и 2.0: соответствующий код, архивированный в подкаталоге v1. Вы можете ‘pip’ install timesfm==1.3.0’ для установки старой версии этого пакета для загрузки их.

---

Обновление — сентябрь 2026

TimesFM 3.

TimesFM

TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.

• Paper: A decoder-only foundation model for time-series forecasting, ICML 2024.
• 🆕 TimesFM 3.0 Checkpoint: google/timesfm-3.0-pytorch. Checkpoints up to 2.5: TimesFM Hugging Face Collection.
• Google Reseach blog posts:
  • TimesFM-3: A zero-shot foundation model for multivariate forecasting
  • A decoder-only foundation model for time-series forecasting
• TimesFM in Google 1P Products:
  • BigQuery ML: Enterprise level SQL queries for scalability and reliability.
  • Google Sheets: For your daily spreadsheet.
  • Vertex Model Garden: Dockerized endpoint for agentic calling.

This open version is not an officially supported Google product.

Latest Model Version: TimesFM 3.0 ✨

Archived Model Versions:

• 2.5: relevant code under src/timesfm.
• 1.0 and 2.0: relevant code archived in the subdirectory v1. You can pip install timesfm==1.3.0 to install an older version of this package to load them.

---

Update — September 2026

TimesFM 3.0 finishes rollout in Google Cloud BigQuery ML, supporting commercial and production uses (see clarified license notice).

Update — August 2026

TimesFM 3.0 is out!

TimesFM 3.0 introduces native multivariate time-series forecasting, flexible covariate support (both past-only and past-and-future covariates), superior zero-shot generalist capabilities, and top performance across all three major time-series foundation model benchmarks.

Key Highlights:

• Native Multivariate & Univariate Forecasting with Covariates: Seamlessly forecast multi-channel multivariate series as well as individual univariate series, with native support for past-only and past-and-future dynamic covariates without per-task tuning.
• Top Benchmark Performance:
  • 🥇 fev-bench: Rank #1 overall across 100 diverse real-world forecasting tasks.