2026 年 10 月 15 日，Python 时间序列库 Darts 发布 0.48.0 版，新接入 t0、TiRex-2 和 TimesFM 3.0 三款预训练基础模型。它们不用在用户数据上训练就能出预测，还能读入历史协变量和已知的未来协变量（如促销计划、天气预报），输出分位数预测。不过，现有证据大多来自开发方自报的基准，用到实际业务之前，仍需在自己的数据上回测。
日本的高压送电铁塔。电网负荷与电价是时间序列预测的典型应用，正文中的德州电价评估即属此类。摄影：Minirexs；来源：Wikimedia Commons；许可：CC BY-SA 4.0。
发布内容与背景
Darts 是 Unit8 维护的开源预测库，从 ARIMA、指数平滑到 N-BEATS 等深度模型都用同一套 fit()/predict() 接口调用。GitHub 发布页显示，0.48.0 于 10 月 15 日发布，次日又发布了修补版 0.48.1。更新日志把这次的重点放在“基础模型”（foundation model）一类，新增三个封装：T0Model 对应 The Forecasting Company 的 t0，可选 t0-alpha（约 1 亿参数）、t0-beta 和 t0-gamma（均约 2.56 亿参数）；TiRex2Model 对应 NXAI 基于 xLSTM 的 TiRex-2；TimesFM3Model 对应 Google 的 3.3 亿参数 TimesFM 3.0。按 Darts 的模型总表，这三款都同时支持过去协变量和未来协变量，但不支持静态协变量，可输出确定性或概率预测，也都不需要在用户数据上训练。
“协变量”是这次更新的关键词。Google 在介绍 TimesFM-3 时用过一个冰淇淋的例子：要预测下个月的冰淇淋销量，过去的客流量只有历史值，属于“过去协变量”；已排定的促销日和天气预报在预测期内就已知，属于“已知未来协变量”。只看销量历史的单变量模型，只能把每周的起伏照样往后延；能读入促销日程的模型，才可能在促销当天给出更高的预测。t0 报告指出，此前多数时间序列基础模型只读单条序列。按 TimesFM-3 博客的说法，到 2025 年 9 月发布的 TimesFM-2.5 为止，该系列也只能做单变量预测。
三款模型本身发布得更早，Darts 做的是把它们接进统一接口。TiRex-2 论文于 2026 年 7 月 1 日提交 arXiv；Google Research 博客于 8 月 31 日介绍 TimesFM-3；t0 技术报告于 9 月 21 日提交 arXiv，介绍 t0-alpha 和 t0-beta，t0-gamma 的发布日期在模型卡上没有写明。对研究者来说，统一接口的直接用处是：可以在同一套滚动回测流程里，把这些零样本模型和季节朴素法、ETS、ARIMA 等传统基线放在一起比较。
基准成绩与独立评估
公开基准上的数字主要来自开发方。t0 报告称，在 GIFT-Eval 上，t0-beta 的综合 CRPS 为 0.4738、MASE 为 0.6865，两项都排在所比较的零样本模型第三位，与最好成绩相差不到 4.0%；在 fev-bench 上技能分为 46.7，同样第三，比第一名低 2.0 分。t0-gamma 的模型卡进一步报告 GIFT-Eval CRPS 0.4520、fev-bench 技能分 49.42。Google 称 TimesFM-3 在 GIFT-Eval、fev-bench 和 TIME 三个基准上的点预测与概率预测平均排名都居预训练模型首位；TiRex-2 论文也称自己在 GIFT-Eval 和 fev-bench 上达到零样本最优。这些说法发布时间不同、比较对象也不同，排行榜名次变化很快，不宜拿各家自报的数字直接排座次。
比排名更有方法学价值的是“协变量增益”的对照。t0 报告用同一个模型检查点做了有无协变量的比较：在 fev-bench 中带已知未来协变量的 30 个任务上，输入协变量使 t0-alpha 的技能分提高 6.3 个百分点；在只有过去协变量的任务上提高 2.7 个百分点。作者说，增益集中在协变量看起来确实会驱动目标的任务上。这个设计固定了模型，只改输入，相当于一次简单的消融实验，比跨模型比较更能说明“读协变量”这件事本身有没有用。
报告第 5.6.2 节由 Macrocosm 公司撰写，是一项独立评估：对德州电网运营方 ERCOT 四个负荷区的实时小时电价做次日预测，时间跨度为 2024 年 1 月至 2026 年 5 月，每次预测只用前一天 9 点（美国中部时间）前可得的信息，含负荷、新能源出力、停运和天气等 21 个协变量；基线是重复最近一个完整日的电价曲线。结果是，所有预训练模型的平均绝对误差（MAE）都明显低于这个基线（23.57 美元/兆瓦时）：TimesFM-3 为 13.78，Chronos-2 为 13.90，t0-beta 为 14.46，TiRex-2 为 15.22，TimesFM-2.5 为 16.76。不过，名义 80% 预测区间的实际覆盖率只有 TimesFM-3（0.82）和 TimesFM-2.5（0.81）达到，t0 两款仅为 0.74–0.75，Chronos-2 为 0.75，TiRex-2 为 0.76；报告承认 t0 漏掉了极端价格尖峰。交易收益一项参考价值有限：交易规则是事后挑选的，而且完全不用预测、每小时都做空的对照策略也能赚钱。
三类输入在时间轴上的范围：虚线为预测起点；目标序列（蓝）和过去协变量（橙）只有起点之前的观测值，已知未来协变量（绿，如促销日程）在预测期内同样已知；起点之后的浅蓝带表示模型输出的分位数区间，越往后越宽。示意图，不含真实数据。AI 生成示意图。
适用边界与升级注意
第一个边界在于输出是“边际分位数”。t0 报告在局限部分写明，模型对每个预测步、每个变量分别给出分位数，不提供跨时间步或跨变量的联合分布。打个比方：模型能告诉你“明天销量的 90% 分位数是 120”“后天是 130”，但回答不了“未来三天累计销量超过 350 的概率是多少”，因为这需要知道各天之间如何相关。需要情景路径或累计量风险的分析，不能直接把这些分位数相加。Darts 0.48.0 也专门补充了文档，解释多步概率预测中“情景”与“边际分布”的区别。尾部也有限制：TimesFM-3 输出 10% 到 90% 的 9 个分位数，t0-alpha 原生只到 0.1–0.9，t0-beta 和 t0-gamma 扩展到 0.01–0.99。关心极端值时，应在自己的数据上检查实际覆盖率。
第二个边界在于证据本身。t0 作者指出，GIFT-Eval 的序列大多是单变量，fev-bench 虽有协变量任务，却不能把“用好协变量”与“单变量预测本来就准”区分开，所以模型是否用上了每个有信息的协变量、是否忽略了无关的协变量，目前都没有答案。此外，t0 只接受数值型协变量，文本、类别等信息要先编码成数值；在 Darts 中，这三款模型都不支持静态协变量。TiRex-2 的文档也提醒，协变量只是条件信息，模型不会预测协变量本身。
第三个边界关于许可和升级。按 Darts 更新日志，TimesFM 3.0 的预训练权重仅限非商业用途，创建模型时须设置 accept_license=True；t0 和 TiRex-2 则采用 Apache-2.0 许可，其中 TiRex-2 的权重需要先在 Hugging Face 申请访问。0.48 系列还把最低 Python 版本提高到 3.11，并修正了两处会直接影响概率预测的错误：0.48.1 之前，NegativeBinomialLikelihood 输出分布的均值并不等于网络预测的均值 μ，用旧版训练的模型需要重新训练；CatBoostModel 用高斯似然生成样本时，把方差当成了标准差传给抽样函数。比如方差为 4 时，本该用标准差 2 抽样，旧版却按 4 抽样，区间宽了一倍。修正后，预测区间会变窄。用旧版本做过区间评估的研究，有必要重跑一遍。