Googleが「TimesFM 3.0」公開、多変量時系列予測に対応し1GBのVRAMで動作

TimesFM 3.0は、Google Researchが公開した時系列データ予測向けの基盤モデルだ。小売の売上や物流の荷物量、電力需要などの将来推移を、自社データで追加学習することなく即座にゼロショットで予測できる。

過去バージョンのTimesFM 2.5までは単一の数値推移しか追えない単変量予測に限られていたが、3.0では待望の多変量予測にネイティブ対応した。複数の関連指標や確定している将来のイベント情報を同時に考慮し、1回の順伝播で予測対象期間全体を一気に算出できるのが強みだ。

何ができるのか

多変量対応によって、現場の実態に即した予測が容易になった。

たとえばアイスクリームの売上を予測する場合、これまでは過去の販売数推移だけを頼りにしていた。TimesFM 3.0なら、コーンやシロップといった関連商品の売上動向、客足の履歴に加えて、向こう数日間の天気予報や連休、すでに決まっている値引きキャンペーンのスケジュールまで同時に読み込ませて予測を出せる。

同様の仕組みは、気温変化と過去のカルテ傾向から必要な薬品を前もって手配する病院や、明日の時間帯別負荷を見越して発電計画を立てる電力インフラなどでも活用できる。

性能面でも優れており、GIFT-EvalやFEV-Bench、TIMEといった主要ベンチマークにおいて、点予測および確率予測の両指標でChronos-2やToto 2.0などの競合モデルを抑えて首位を獲得している。

必要スペックと公開状況

TimesFM 3.0は非常に軽量に作られている。パラメータ数は3.3億（330M）で、モデル全体のファイルサイズは約1.32GBに収まる。

学習には1兆を超える膨大なタイムポイントデータが使われており、高密度な知識が詰め込まれている。動作に必要なVRAMはわずか1GB程度なので、ハイエンドなGPUサーバーを用意しなくても、一般的なノートPCや普段使いのPC環境でローカル実行が可能だ。

PyTorch向けの公式重みと設定ファイルはHugging Face（google/timesfm-3.0-pytorch）で公開されており、GitHubにはローカルでの動かし方がまとまっている。ただしライセンスは「TimesFM Non-Commercial License v1.0」となっており、研究や個人利用に限られた非商用提供である点には注意したい。

なぜ重要か

需要予測やデータ分析に関わる開発者なら、すぐに試す価値があるツールだ。ファインチューニングなしのゼロショットで、わずか1GBのVRAMがあれば動く軽快さは、従来の複雑な統計パイプラインを一新するポテンシャルを持っている。

商用利用が制限されているため即座に企業の基幹業務へ組み込むことはできないが、単変量から多変量へのステップアップをこのサイズ感で実現した意義は大きい。何十億もの巨大パラメータを抱えなくても、良質な事前学習データがあれば実務特化モデルとしてトップクラスの性能を出せる好例と言える。