Hugging Face が IBM releases SOTA Granite Time Series PatchTST-FM-r2 model with commercial-friendly license を公開 ── 385MパラメータでGIFT-Evalトップ
時系列予測の「ゼロショット」で商用利用可能なモデルが、ついにベンチマーク首位に君臨する時代が来た。IBMのGraniteシリーズ最新弾、PatchTST-FM-r2は約3.85億パラメータのコンパクトな身体に、高度な確率予測と欠損値補完を詰め込んでいる。Apache 2.0というライセンスの軽快さも相まって、企業導入のハードルが一気に下がった印象だ。
▸何が変わったのか
前作PatchTST-FM-r1から、アーキテクチャと事前学習コーパスが刷新された。最大8,192トークンのコンテキスト長に対応し、99パーセンタイル予測ヘッドによる確率予測、そして欠損値の補完機能を標準装備している。パラメータ数は約385Mと抑制されつつ、GIFT-Evalリーダーボードにおいて複製可能なゼロショットモデルの中で最高性能（全体2位）を記録。商用利用に優しいライセンス体系も維持されている。
◈前モデル / 競合との比較
前モデルPatchTST-FM-r1と比較し、確率予測や欠損値補完といった実運用で重要な機能が増強された。GIFT-Evalベンチマークでは、複製可能なゼロショットモデルカテゴリで首位を獲得し、商用ライセンス（Apache 2.0 / OpenMDW 1.0）という点で競合他社との差別化を図っている。
◈技術背景と意義
従来の時系列予測では、データセットごとに個別にモデルを訓練する必要があったが、このモデルは事前学習済みデータに基づき、見たことのないデータでもそのまま予測できる「ファウンデーションモデル」のアプローチを採用している。バックボーンには、多頭自己注意機構と時間軸の畳み込みを組み合わせるConformerブロックを使い、長期的なトレンドと短期的な変動の両方を捉える設計になっている。これにより、電力負荷や価格変動など、パターンが複雑な時系列データも汎用的に扱える。
▸こんな人・用途に
需要予測（エネルギー、小売など）
価格変動やトラフィックのリアルタイム予測
テレメトリデータの異常検知や補完
◆入手方法・リンク
モデルウェイト、アーキテクチャ、推論パイプライン、およびベンチマーク再現コードは全て公開されている。Hugging Faceから直接ダウンロード可能で、Confluent製品との連携によるストリーミングアプリへの組み込みも想定されている。
SOURCE: Hugging Face (2026-09-09)