IBM ने ग्रेनाइट पैचटीएसटी-एफएम-आर2 ज़ीरो-शॉट टाइम सीरीज़ मॉडल जारी किया

IBM ने 9 सितंबर, 2026 को Granite टाइम सीरीज़ PatchTST-FM-r2 जारी किया, जो लगभग 385 मिलियन पैरामीटर वाला ज़ीरो-शॉट टाइम-सीरीज़ पूर्वानुमान मॉडल है और Apache 2.0 तथा Linux Foundation के OpenMDW 1.0 के तहत दोहरे लाइसेंस के साथ उपलब्ध है। मॉडल के वेट्स, आर्किटेक्चर, इनफ़रेंस पाइपलाइन, और बेंचमार्क परिणामों को पुनः उत्पन्न करने के लिए आवश्यक कोड सभी को रिलीज़ के साथ खुले तौर पर प्रकाशित किया गया।

IBM ने इस मॉडल की घोषणा IBM Research के लेखकों द्वारा लिखित Hugging Face ब्लॉग पोस्ट में की, इसे PatchTST-FM-r1 का उत्तराधिकारी और Granite टाइम-सीरीज़ फाउंडेशन मॉडल परिवार का नवीनतम मॉडल प्रस्तुत किया। घोषणा के अनुसार, PatchTST-FM-r2 ने अद्यतन आर्किटेक्चर, बड़ा प्री‑ट्रेनिंग कॉर्पस, प्रायिकात्मक पूर्वानुमान, और लापता मानों की इम्प्यूटेशन समर्थन को जोड़ा है, और यह नई डेटा पर बिना फाइन‑ट्यूनिंग या कार्य‑विशिष्ट फिटिंग के पूर्वानुमान उत्पन्न करता है।

रिपोर्टेड GIFT‑Eval रैंकिंग

GIFT‑Eval एक व्यापक बेंचमार्क है जो विभिन्न डेटासेट और परिदृश्यों में पूर्वानुमान मॉडलों का मूल्यांकन करता है, और दोनों मेट्रिक्स CRPS और MASE में कम मान बेहतर होते हैं, जिन्हें IBM रिपोर्ट करता है। IBM ने बताया कि 8 सितंबर, 2026 तक, PatchTST‑FM‑r2 दोनों मेट्रिक्स के लिए पुनरुत्पादनीय ज़ीरो‑शॉट मॉडलों में दूसरा स्थान रखता है, और यह उन मॉडलों में सबसे अधिक प्रदर्शन करने वाला मॉडल है जो उदार, व्यावसायिक‑मित्र लाइसेंस के तहत जारी किए गए हैं। घोषणा में ज्यामितीय‑औसत CRPS 0.467 बताया गया है, जो TimesFM‑3 के तुरंत बाद है, तथा ज्यामितीय‑औसत MASE 0.6846 है।

GIFT‑Eval में कुछ मॉडल को प्री‑ट्रेन्ड के रूप में वर्गीकृत किया गया है न कि सख्ती से ज़ीरो‑शॉट, जिसका अर्थ है कि वे बेंचमार्क के मूल्यांकन डेटासेट के प्रशिक्षण भागों को अपने प्री‑ट्रेनिंग कॉर्पस में शामिल कर सकते हैं। IBM ने कहा कि जब इन मॉडलों को तुलना में जोड़ा जाता है, तब भी PatchTST‑FM‑r2 पुनरुत्पादनीय मॉडलों में CRPS के लिए तीसरा और MASE के लिए चौथा स्थान रखता है, और प्री‑ट्रेन्ड Chronos‑2, Timer‑S1, तथा Toto वेरिएंट्स से आगे है, जिनमें से कुछ काफी बड़े हैं।

The model card, authored by Jiri Navratil, Wesley M. Gifford, Yunshi Wen, Chandra K. Reddy, and Agung Julius, dates the number-two replicable zero-shot standing to 31 अगस्त 2026, and notes that the model’s results sit in a pending pull request submitted to the GIFT-Eval benchmark; the announcement dates the same standing to 8 सितंबर 2026.

कॉनफ़ॉर्मर आर्किटेक्चर

PatchTST‑FM‑r2 अपने पूर्ववर्ती की पैच‑आधारित प्रस्तुति को बरकरार रखता है, लेकिन मानक ट्रांसफ़ॉर्मर ब्लॉकों को कॉनफ़ॉर्मर ब्लॉकों से बदलता है, जो स्पीच प्रोसेसिंग में उत्पन्न हुआ डिज़ाइन है। प्रत्येक ब्लॉक में दो अर्द्ध‑स्टेप फ़ीड‑फ़ॉरवर्ड लेयर होते हैं जो मल्टी‑हेड सेल्फ‑अटेंशन और एक टेम्पोरल कॉन्वॉल्यूशन लेयर को घेरते हैं, तथा {5,5,3,3} क्रम में 3 और 5 आकार के वैकल्पिक कॉन्वॉल्यूशन कर्नेल होते हैं। IBM ने कहा कि कॉन्वॉल्यूशन घटक अल्प‑दूरी टेम्पोरल संरचना को पकड़ता है, जिससे अटेंशन मैकेनिज़्म पैचों के बीच दीर्घ‑दूरी संबंधों पर ध्यान केंद्रित कर सकता है।

मॉडल 50 % ओवरलैपिंग पैचों का उपयोग करता है — पैच लंबाई 16, स्ट्राइड 8 — और प्रशिक्षण के दौरान हेमिंग‑विंडो वेटिंग तथा इनफ़रेंस पर ओवरलैप‑एंड‑ऐड पूर्वानुमान लागू करता है, साथ ही प्रशिक्षण स्थिरता के लिए प्री‑हेड लेयर नॉर्म भी उपयोग किया जाता है। इसमें 1024 का हिडन डाइमेंशन और 30 ब्लॉक हैं, जो r1 में 20 से बढ़े हैं, 8 192 चरणों तक के कॉन्टेक्स्ट लम्बाई का समर्थन करता है, और लचीली पूर्वानुमान लम्बाई पर 99 क्वांटाइल की भविष्यवाणी करता है, जिससे बिंदु पूर्वानुमान और अनिश्चितता अंतराल दोनों उत्पन्न होते हैं। कार्यान्वयन open‑source granite‑tsfm रिपॉज़िटरी में उपलब्ध है और PatchTST‑FM‑r1 चेकपॉइंट्स के साथ पीछे की संगतता बनाए रखता है।

प्रशिक्षण डेटा और लाइसेंसिंग

दस्तावेज़ित प्री‑ट्रेनिंग कॉर्पस में चार स्रोत हैं: GiftEvalPretrain से चयनित डेटासेट; KernelSynth पर आधारित कस्टम सिंथेटिक डेटा जिसमें संशोधित पिरियोडिक कर्नेल और सीमित ऑग्मेंटेशन है; Chronos पेपर में वर्णित दृष्टिकोण का उपयोग करके निर्मित TSMixup कॉर्पस, लेकिन केवल GIFT‑Eval मूल्यांकन सेट के बाहर के डेटासेट तक सीमित; तथा लगभग 500 000 सिंथेटिक CauKer अनुक्रम, प्रत्येक की लंबाई 4 096 है। मॉडल कार्ड में उल्लेख है कि CauKer डेटासेट IBM की FlowState टीम द्वारा निर्मित किया गया था, और यह 2026 के arXiv पेपर “Revisiting the Generic Transformer: Deconstructing a Strong Baseline for Time Series Foundation Models” को आधारभूत दृष्टिकोण के रूप में उद्धृत करता है।

उपयोगकर्ता Apache 2.0 लाइसेंस या OpenMDW 1.0 में से किसी एक को चुन सकते हैं, जो AI मॉडल और संबंधित सामग्री के लिए Linux Foundation द्वारा डिज़ाइन किया गया लाइसेंसिंग फ्रेमवर्क है। IBM ने कहा कि दोनों लाइसेंस मॉडल के उपयोग, संशोधन और वितरण के लिए व्यापक, उदार अधिकार प्रदान करते हैं, और यह अपनाने में बाधाओं को कम करने का लक्ष्य रखता है। मॉडल कार्ड में एक खुलासा है कि IBM डेवलपर्स ने कोड को एक ओपन‑सोर्स प्रोजेक्ट के रूप में तैयार किया है, न कि IBM उत्पाद के रूप में, और IBM को सुधार, अपडेट या समर्थन प्रदान करने की कोई बाध्यता नहीं है।

उपलब्धता और ग्रेनाइट परिवार का संदर्भ

वेट्स Hugging Face Hub से डाउनलोड किए जा सकते हैं और granite‑tsfm पैकेज, संस्करण 0.3.9 या बाद के, के माध्यम से पाइपलाइन API द्वारा लोड होते हैं। IBM के उदाहरण कोड में ETTh1 श्रृंखला के अंतिम 512 नमूनों से, अनुरोधित क्वांटाइल सहित, एक पूर्वानुमान उत्पन्न किया जाता है, और IBM मॉडल को मांग, कीमतें, ऊर्जा लोड, ट्रैफ़िक, टेलीमेट्री और अन्य नियमित रूप से सैंपल किए गए टाइम‑सीरीज़ के लिए स्थित करता है।

स्ट्रीमिंग डिप्लॉयमेंट के लिए, IBM और Confluent ने कई Granite टाइम‑सीरीज़ मॉडल (PatchTST‑FM‑r1, FlowState‑r1.1, TTM‑r3, और TSPulse) Confluent Cloud के अर्ली एक्सेस प्रोग्राम के माध्यम से उपलब्ध कराए हैं, जो Apache Flink के माध्यम से लाइव स्ट्रीम पर फाउंडेशन‑मॉडल इनफ़रेंस चलाता है।

An IBM Research overview of the family documents the lineage behind the release: TST in 2021, among the first transformer-based models applied to time-series data; PatchTST in 2023, which introduced patching and channel independence; Tiny Time Mixer in 2024; and FlowState in 2025. According to that overview, the models have collectively been trained on more than 100 billion data points, and TTM models have passed 37 million downloads on Hugging Face. PatchTST-FM-r1, the new model’s direct predecessor, was co-developed with Rensselaer Polytechnic Institute, and IBM’s research-version models carry a non-commercial license while the Granite line is published under Apache 2.0.