原生多变量预测上线BigQuery
Google Cloud正式宣布在BigQuery中推出TimesFM 3.0预览版，为BigQuery SQL引入原生的多变量时间序列预测能力。TimesFM 3.0是由Google Research开发的时间序列基础模型，参数量达到3.3亿，并在包含超过1万亿个时间点的数据集上完成了预训练。
与此前仅支持单变量预测的TimesFM 2.0和2.5版本不同，TimesFM 3.0新增了针对多变量场景的零样本支持，能够在无需针对特定任务微调的情况下，联合预测多个协同演化的时间序列。
升级函数与自然语言交互
在BigQuery环境中，TimesFM 3.0可直接作为AI.FORECAST预测函数以及AI.DETECT_ANOMALIES异常检测函数的升级替代方案。该模型支持多目标列以及协变量特征，包括仅在历史中可观察到的过去协变量，以及在历史与预测周期内均已知的未来协变量。
此外，通过BigQuery Conversational Analytics，用户可以使用自然语言提示词自动生成并执行底层的AI.FORECAST查询，进一步降低了高级预测分析的操作门槛。
基准测试表现与商业许可调整
Google官方表示，TimesFM 3.0在GIFT-Eval、FEV-Bench和TIME等公共排行榜上均名列第一，在协变量及多变量预测任务中展现出领先的零样本准确率。其中FEV-Bench包含100项真实世界预测任务（46项包含协变量），而Salesforce提供的GIFT-Eval基准则重点评估概率预测质量和跨领域稳健性。
伴随此次升级，TimesFM 3.0的开源协议出现显著调整。此前TimesFM 2.5采用宽松的Apache 2.0开源协议，而TimesFM 3.0在Hugging Face和GitHub上发布的开源权重则采用了非商业许可证，明确禁止直接用于商业或生产环境。相关分析指出，企业若要在生产环境中部署TimesFM 3.0，Google Cloud BigQuery ML已成为官方指定的商业化落地途径。