Mistral Timestral is de eerste familie modellen van het Franse Mistral AI die voorspellingen doet op tijdreeksen, zoals verkoopcijfers, energieverbruik of voorraadniveaus. Mistral kondigde de modellen op 15 oktober 2026 aan en heeft ze als open modellen op Hugging Face en GitHub gezet.
Wat is er nieuw?
Een tijdreeks is een reeks metingen in de tijd: de omzet per dag, het stroomverbruik per kwartier, het aantal bezoekers op je website. Voorspellen betekent: op basis van het verleden inschatten wat er daarna komt. Dat is iets anders dan een chatmodel als Le Chat (een LLM). Timestral krijgt getallen binnen en geeft getallen terug, geen tekst.
Er zijn vier formaten: 5, 28, 123 en 209 miljoen parameters. Dat is klein vergeleken met taalmodellen: Mistral Large 4 heeft er 1 biljoen. De modellen kijken tot 32.768 tijdstappen terug en geven geen enkel getal maar een bandbreedte (21 kwantielen), zodat je ook de onzekerheid ziet.
Het opvallendste: volgens Mistral heb je geen GPU nodig. Op een gewone server-CPU met 8 threads, voor een voorspelling van één dag op basis van drie weken data per kwartier, duurde het 10 milliseconden voor het kleinste model en 140 voor het grootste. Op de modelkaart staat dat de code op CPU of GPU draait.
De benchmarkresultaten komen van Mistral zelf. Het grootste model zou eerste staan op alle vijf de maten van de openbare ranglijsten GIFT-Eval, TIME en fev-bench onder vooraf getrainde modellen zonder extra training. Het model van 28 miljoen zou het vier keer grotere Chronos-2 verslaan op twee daarvan. Onafhankelijk getest hebben wij dit niet.
Wanneer en voor wie?
De modellen heten Timestral-5M, -28M, -123M en -209M en staan in een collectie op Hugging Face. De code staat op GitHub. Je hebt Python 3.10 en PyTorch 2.4 of nieuwer nodig. Mistral heeft ook een documentatiepagina voor het model onder de naam timestral-1-0. Over prijzen voor gebruik via Mistrals eigen platform stond niets in de aankondiging.
De licentie is een aangepaste MIT-licentie ("Modified MIT"). Je mag het model volgens de modelkaart niet gebruiken op een manier die rechten van derden schendt. Lees de volledige tekst voordat je het commercieel inzet. Voor aanpassing op eigen data noemt Mistral zijn product Forge, en het model kan volgens het bedrijf on-premise, in een eigen cloudomgeving of volledig offline draaien.
Dit is gereedschap voor mensen die met data werken: data-analisten, planners, ontwikkelaars. Gebruik je alleen de chatapp, dan verandert er niets.
Wat betekent dit voor jou?
Heb je een webwinkel, energiebedrijf, productiebedrijf of ziekenhuis met veel meetgegevens, dan kan je data-afdeling dit uitproberen voor bijvoorbeeld voorraadplanning, capaciteit of onderhoud. Omdat het model lokaal draait, blijven bedrijfsgegevens in eigen huis. Dat is interessant voor bedrijven die onder de AVG zuinig met gegevens moeten omgaan. Welke regels voor AI-systemen zelf gelden, lees je in onze uitleg over de AI Act.
Een eerlijke kanttekening: een benchmarkscore zegt weinig over jouw data. Test het model op je eigen cijfers en vergelijk het met wat je nu gebruikt, ook als dat gewoon een simpele Excel-prognose is.
Bronnen
Eindredactie: Jan van Musscher, hoofdredacteur · Zo werken we
Zie AI Nieuws Daily vaker in Google: voeg ons toe als voorkeursbron
