IBM发布Granite Time Series PatchTST-FM-r2，一款约3.85亿参数、支持8192步上下文和99个分位点概率预测的时间序列基础模型，采用Apache 2.0与OpenMDW 1.0双重许可并开放权重与代码。相比r1，r2引入Conformer模块、重叠分片、合成数据与训练改进，在GIFT-Eval零样本可复现模型中排名靠前，但其最终评测状态和实际生产表现仍需进一步验证。
IBM研究团队发布了Granite Time Series PatchTST-FM-r2，一款面向零样本时间序列预测的基础模型。模型约含3.85亿个参数，支持最长8192个时间点的上下文、灵活的预测长度，以及覆盖99个分位点的概率预测输出。IBM同时开放模型权重、架构、推理流程和复现实验所需代码，并采用Apache 2.0与OpenMDW 1.0双重许可，使用者可以选择其中一种许可使用。
这使PatchTST-FM-r2成为近期时间序列基础模型竞争中一个值得关注的案例：它没有把重点放在更大的参数规模上，而是试图通过架构调整、训练数据扩展和更严格的零样本评测，在企业常见的需求预测、能源负荷、交通、价格和设备遥测等任务上取得较稳定的泛化能力。
从PatchTST-FM-r1到r2，变化不只是扩大模型
PatchTST-FM-r2延续了PatchTST系列的基本思路，即把连续时间序列切分为较短的片段，再将这些片段作为类似“词元”的输入处理。原始PatchTST论文将分片和通道独立作为核心设计，使Transformer能够在更长历史窗口上工作，同时减少多变量序列之间的相互干扰。原始PatchTST论文
r2版本则用Conformer模块替换了原来的普通Transformer模块。每个模块在多头自注意力之后加入卷积层，并在两个“半步”前馈网络之间组织这一结构。IBM的解释是，卷积层更适合捕捉相邻片段之间的短期变化，而自注意力则可以继续关注较长时间范围内的关系。
模型还采用了大小为16、步长为8的重叠分片，并在训练时使用Hamming窗口对损失进行加权，在推理阶段通过overlap-and-add方式组合预测结果。网络模块数量从r1的20个增加到30个，同时加入预输出层归一化，以改善训练稳定性。训练阶段还引入了由CauKer方法生成的合成数据。
根据模型卡，r2的隐藏维度为1024，分片长度为16，预测头覆盖从0.01到0.99的99个分位点，模型上下文长度为8192。概率预测意味着模型不只给出一个单点答案，也可以输出不同置信水平下的预测区间，帮助使用者处理库存、安全产能或能源调度中的不确定性。
GIFT-Eval排名靠前，但结果仍需区分评测状态
IBM模型卡显示，截至2026年8月31日，PatchTST-FM-r2在GIFT-Eval中，按CRPS和MASE指标计算，在“可复现、零样本”模型范围内排名第二。GIFT-Eval是Salesforce AI Research提出的时间序列预测基准，覆盖从秒级到年度的不同频率，包含单变量和多变量任务，并分别记录训练数据泄漏与是否提供复现代码等信息。GIFT-Eval开源仓库
不过，模型卡也特别注明，PatchTST-FM-r2的结果当时仍处于提交至GIFT-Eval的待处理Pull Request中。因此，IBM给出的排名首先是按照特定筛选条件重现的结果，而不是已经完成所有官方审核流程后的最终排名。模型卡还指出，如果把预训练模型与零样本可复现模型一并纳入比较，r2在CRPS和MASE上的排名分别为第三和第四。
这一限定很重要。GIFT-Eval允许使用者查看不同模型类型，并单独排除存在测试数据泄漏的模型。对于零样本基础模型而言，较高排名说明模型在未针对具体数据集进行微调的情况下表现较强，但并不等于它在所有行业数据、预测周期或数据质量条件下都占优。实际部署仍需要检查缺失值、异常点、采样频率、协变量质量以及误报和漏报成本。
训练数据包括公开数据、合成序列和混合增强
IBM披露，PatchTST-FM-r2的训练数据由四部分组成：从GiftEvalPretrain中筛选出的数据集；基于KernelSynth并参考TiRex论文建议生成的合成数据及少量增强数据；采用与Chronos论文相近流程构建、但排除GIFT-Eval评测数据集的TSMixup数据；以及由CauKer方法在IBM内部生成的约50万条序列，每条序列长度为4096。
这种组合反映出时间序列基础模型与语言模型之间的一个差异：可供训练的高质量、跨行业、标注清晰的时间序列并不像文本那样容易集中获取。合成数据可以扩大模式覆盖范围，但它能否代表真实业务中的季节性、结构突变和异常行为，仍需要通过独立数据与长期运行验证。
IBM在此前的时间序列研究中，已经建立了包括PatchTST-FM、FlowState、TinyTimeMixer和TSPulse在内的模型组合，分别覆盖概率预测、点预测、高吞吐推理、异常检测和分类等任务。IBM Research对时间序列模型的介绍显示，IBM希望将这些模型用于制造业监控、IT事件检测和电网等企业场景，而不是把时间序列能力局限在单一的学术排行榜上。
商业许可降低了试用门槛，但部署责任仍在使用者
PatchTST-FM-r2的模型卡显示，权重采用OpenMDW 1.0与Apache 2.0双重许可。相较于仅限研究用途的模型，Apache 2.0为企业测试、二次开发和商业应用提供了更清晰的路径。不过，代码、模型权重、训练数据和第三方数据集的许可范围并不必然完全相同，企业仍需对具体部署场景进行法律和合规审查。
IBM提供的最小使用示例依赖granite-tsfm软件包。开发者可以从Hugging Face加载模型，将一段历史数据交给时间序列预测管道，并选择预测长度和需要的分位点。模型当前的实现和相关示例代码位于IBM Granite TSFM开源仓库。
对于生产系统而言，开放权重只是起点。企业还需要评估模型在自身数据上的误差分布、预测延迟、内存和计算成本，以及当分布发生变化时如何重新校准或回滚。预测区间看似比单点预测更完整，但如果分位点没有经过实际数据校准，也不能自动等同于可靠的风险边界。
时间序列基础模型正在转向更接近业务的场景
PatchTST-FM-r2发布之际，时间序列基础模型的竞争正从“能否进行零样本预测”转向“能否处理真实业务中的多变量关系、不确定性和实时数据”。AIFlux此前报道，IBM与Confluent已将Granite时间序列模型接入实时数据流，在Apache Flink中提供预测和异常检测能力。这类部署把模型放在传感器、支付活动或业务事件经过的地方，使预测结果可以直接触发告警、补货或维护流程，而不是等到批处理完成后才生成报告。
Google近期发布的TimesFM 3.0则将重点放在多变量时间序列和历史、未来协变量的联合建模上。两者的路线并不相同，但共同说明，企业真正关心的并不只是某条曲线的下一组数值，还包括其他变量如何影响结果，以及预测的不确定性是否足以支持决策。
对PatchTST-FM-r2而言，下一步关键问题将是其GIFT-Eval提交能否完成正式合并，以及模型在更多独立、未参与训练的数据集和生产环境中的表现。开放许可扩大了试验范围，但模型是否能够在库存、能源、制造和金融等不同场景中稳定创造价值，仍需要使用者进行现场验证。
来源： Hugging Face模型卡：Granite Time Series PatchTST-FM-r2、IBM Granite TSFM开源仓库、GIFT-Eval开源仓库、相关研究论文。