미스트랄 AI, 시계열 예측 모델 패밀리 '팀스트랄' 출시

미스트랄 AI는 2026년 10월 15일, 센서 텔레메트리와 에너지 사용량, 금융 흐름 등 기업 데이터에 대한 예측을 생성하기 위해 구축된 새로운 시계열 파운데이션 모델 패밀리 팀스트랄을 공개했다.

미스트랄의 발표 내용

팀스트랄은 500만, 2800만, 1억 2300만, 2억 900만 개 파라미터의 네 가지 크기로 제공된다. 미스트랄에 따르면 이 네 모델은 모두 동일한 아키텍처와 학습 방식을 공유한다. 회사 측은 가장 큰 모델이 이 분야의 주요 공개 벤치마크로 꼽히는 GIFT-Eval, TIME, fev-bench 세 가지 모두에서 1위를 차지했으며, 기존 최고 성능 모델보다 약 3분의 2 수준의 파라미터만으로 이를 능가했다고 밝혔다. 미스트랄은 이러한 결과가 앙상블 없이 단일 체크포인트에서 나온 것이며, GIFT-Eval과 TIME 리더보드에 결과를 제출했다고 밝혔다.

미스트랄에 따르면 이 모델들은 확률적이고 다변량적인 예측을 생성하며, 생산 일정이나 기상 예보와 같은 과거 데이터뿐 아니라 미래에 알려진 공변량까지 입력받아 예측 품질을 높일 수 있다. 회사 측은 또한 이 모델들이 기계의 작동 상태와 같은 범주형 입력을 인위적인 순서를 부여하는 수치 변환 없이 처리할 수 있다고 설명했다.

기술적 세부사항

미스트랄에 따르면 팀스트랄은 추론 시 GPU가 필요하지 않다. 회사 측은 8개 스레드를 갖춘 표준 서버 CPU에서 15분 단위로 기록된 3주치 과거 데이터를 바탕으로 하루 앞을 예측하는 데 500만 파라미터 모델은 10밀리초, 2억 900만 파라미터 모델은 140밀리초가 걸린다고 밝혔다. 미스트랄은 2800만 파라미터 모델이 2억 900만 파라미터 모델보다 5배 빠르며, 1억 2300만 파라미터 모델은 2억 900만 파라미터 모델 대비 4분의 3 수준의 지연시간으로 벤치마크 점수 차이를 0.2% 이내로 좁혔다고 설명했다.

미스트랄은 이러한 성과를 곧 발표될 기술 보고서에서 상세히 다룰 몇 가지 기술적 기여로 설명한다. 그중 하나는 회사가 '분리형 호라이즌 예측(Decoupled Horizon Forecasting)'이라고 부르는 방법으로, 예측값을 결측치로 마스킹하는 대신 학습된 예측 토큰이 전체 과거 기록을 학습 시퀀스에 유지한 상태로 이를 참조하도록 하는 방식이다. 회사는 또한 미래에 알려진 공변량을 입력 구간 전체에서 참조할 수 있도록 유지하면서 공변량에서 타깃으로의 정보 흐름은 제한하는 공변량 인식 어텐션 메커니즘을 설명했으며, 모델들은 먼저 실제와 유사한 시간적 패턴을 모방해 생성한 합성 데이터로 주로 학습한 뒤, 더 긴 컨텍스트 윈도우를 갖춘 실제 데이터를 섞은 2차 학습 단계를 거쳤다고 밝혔다.

미스트랄은 이 모델들의 컨텍스트 길이를 32,768 타임스텝으로 명시했으며, 출력은 21개 분위수에 걸친 확률적 예측 형태로 제공된다고 설명했다. 회사 측은 이 모델들이 수정된 MIT 라이선스로 공개되며, 온프레미스, VPC, 또는 에어갭 환경에 배포할 수 있다고 밝혔다.

제공 방식과 커스터마이징

미스트랄은 팀스트랄을 자사 언어 모델에도 사용하는 동일한 학습 파이프라인인 미스트랄 포지(Mistral Forge)를 통해 제공한다고 밝혔다. 이를 통해 고객은 자체 데이터로 모델을 파인튜닝하고, 도메인별 공변량을 추가하며, 학습 데이터 구성을 직접 조정할 수 있다. 회사 측은 이 파이프라인이 에어갭 환경을 포함한 고객 자체 하드웨어에도 배포될 수 있다고 설명했다.

미스트랄은 사용자가 자신의 데이터로 팀스트랄을 실행할 수 있도록 깃허브(GitHub) 저장소를 공개했으며, 전체 결과를 담은 기술 보고서가 곧 뒤따를 예정이라고 밝혔다.

출처: 미스트랄 AI, "Introducing Timestral", 2026년 10월 15일 발표.