Google Research выпустила TimesFM-3 — модель прогнозирования временных рядов, которая сопоставляет продажи с погодой, трафиком, праздниками и уже запланированными акциями. Для бизнеса смысл простой: прогноз спроса теперь может учитывать не одну цифру из прошлого, а сразу несколько причин будущего всплеска или спада.
Суть события
TimesFM-3 прогнозирует несколько связанных показателей одновременно и принимает во внимание события, известные заранее. Например, магазин может передать модели историю продаж мороженого, вафельных рожков и сиропа, прошлую посещаемость, прогноз погоды, календарь праздников и расписание скидок. Так модель видит не просто недельный ритм, а связи между ассортиментом и условиями, которые меняют спрос.
Модель работает без дополнительного обучения под каждую новую задачу. Она выдаёт не одну жёсткую цифру, а девять значений на каждый будущий шаг, чтобы показать диапазон и неопределённость прогноза. Это полезнее для закупок: руководитель получает не обещание точного результата, а коридор, внутри которого можно планировать запас и оценивать риск дефицита или списаний.
Детали
TimesFM-3 построена на Transformer и содержит 330 млн параметров. По данным Google, её обучали на реальных и синтетических временных рядах общим объёмом свыше триллиона точек. Модель объединяет каждые 32 последовательных значения в один блок и приводит ряды разного масштаба к сопоставимому виду.
Обработка идёт в двух направлениях: вдоль времени модель ищет закономерности внутри одного показателя, используя только прошлые значения, а между рядами изучает связи переменных в один момент. Это позволяет заметить, как скидка на один товар отражается на другом. Все будущие интервалы TimesFM-3 заполняет за один проход; прежний пошаговый подход был медленнее и мог накапливать ошибки.
В примере Google прогноз, получивший расписание скидок, ожидал примерно на 20% больше продаж в дни акции. Версия, знавшая только историю, продолжала обычный недельный рисунок и не видела будущую промокампанию. Это наглядная разница между механическим продолжением графика и прогнозом, который знает бизнес-контекст.
Контекст
По утверждению Google, TimesFM-3 заняла первое место среди предобученных моделей прогнозирования на тестах Gift-Eval, FEV-Bench и Time — как по точности, так и по калибровке неопределённости. Среди соперников были Chronos-2 от Amazon, семейство Toto-2.0 и TimesFM-2.5. Даже в режиме одного ряда новая модель соответствовала лучшим конкурентам или превосходила их, а дополнительные переменные улучшали результат.
Главное отличие от версий вплоть до TimesFM-2.5 — полноценная работа с несколькими рядами. Семейство TimesFM существует с 2024 года и, по данным Google, уже применяется в ритейле, финансах, производстве, здравоохранении и науке. Это ещё один пример того, как Google расширяет набор специализированных моделей; для сравнения, компания также развивает генеративные инструменты вроде музыкальной модели Lyria 3.5 в Gemini.
Что дальше
TimesFM-3 уже доступна на GitHub и Hugging Face, а в ближайшие недели Google планирует добавить её в BigQuery. Сейчас команда может начать с ограниченного теста: выбрать товарную группу, собрать продажи и связанные факторы, затем сравнить прогноз с действующим методом на одинаковом горизонте.
Для малого бизнеса ценность появится не от самого факта внедрения ИИ, а от решения после прогноза. Стоит заранее определить, что изменится при верхней и нижней границе спроса: объём заказа, смены сотрудников, рекламный бюджет или размер страхового запаса. И обязательно оставить контрольную группу — красивый прогноз без проверки легко превращается в дорогую уверенность.
