2026 年 8 月 28 日，Google Research 发布时序基础模型 TimesFM 3.0（release v3.0.0）。新版本在 fev-bench、TIME Benchmark、GIFT-Eval 三个主流时序评测中均排名第一，并首次原生支持多变量预测与协变量输入。需要留意的是，3.0 版的预训练权重改用非商用许可，商用与生产环境应继续使用 2.5 及以下版本。

TimesFM（Time Series Foundation Model）是 Google Research 开发的预训练时序预测模型，论文《A decoder-only foundation model for time-series forecasting》发表于 ICML 2024。开源仓库 google-research/timesfm 目前有 29.3k star、2.8k fork，仓库代码以 Apache-2.0 协议发布。

TimesFM 3.0 的三项核心变化

  • 原生多变量预测：可以一次性对多通道多元序列建模，也可以处理单个一元序列，不再需要把多元问题拆成多个一元问题逐个预测。
  • 协变量原生支持：同时支持「仅过去」（past-only）与「过去+未来」（past-and-future）两类动态协变量，无需为每个任务单独调参。
  • 三大基准排名第一：在 fev-bench 的 100 个真实世界预测任务中综合排名第一；在 TIME Benchmark 的 50 个领域数据集、98 项评测任务中综合排名第一；在 GIFT-Eval 的全部基础模型中排名第一。

从 2.0 到 2.5 的演进

3.0 之前的版本升级路径同样清晰。TimesFM 2.5 相比 2.0：参数量从 500M 降到 200M；上下文长度从 2048 扩展到 16k；通过可选的 30M 分位数头支持最长 1k 步的连续分位数预测；同时去掉了 frequency 指示器。2.5 发布后陆续补齐了 Flax 推理实现、XReg 协变量支持、LoRA 微调示例（HuggingFace Transformers + PEFT）与核心层单元测试。

开源协议与使用限制

仓库源码保持 Apache-2.0，2.5 及以下版本的预训练权重同样为 Apache-2.0。但 TimesFM 3.0 的预训练权重改用独立的 timesfm-non-commercial-license-v1.0 许可，明确禁止商用与非研究性质的生产使用。仓库同时注明，该开源版本不是 Google 官方支持的产品。

已落地的 Google 产品

TimesFM 已经进入 Google 的一线产品线：BigQuery ML 提供面向企业级 SQL 查询的时序预测能力；Google Sheets 自 2026 年 2 月起支持基于 BigQuery ML 与 TimesFM 的数据预测；Vertex Model Garden 提供 Docker 化端点，供 agent 编程调用。

结论

TimesFM 3.0 是当前三大主流时序基准上排名第一的零样本泛化模型，多变量与协变量支持明显降低了时序预测的落地门槛；商用项目请选用 Apache-2.0 许可的 2.5 及以下权重。安装直接执行 pip install timesfm[torch]，官方仓库地址为 github.com/google-research/timesfm。