Google Researchは4月3日、時系列予測（タイムシリーズ予測）専用の基盤モデル「TimesFM 2.5」を発表しました。パラメータ数を2億に据え置きながらコンテキスト長を16,000トークンに拡張し、Horizon 1,000（1,000ステップ先）までの連続分位数予測（Quantile Forecasting）に対応。BigQuery MLから直接利用できるため、データサイエンティストが追加インフラなしに企業データへ適用できます。
TimesFMが注目される理由は、ゼロショット予測の精度がドメイン固有の教師あり学習モデルに匹敵することを実証した点にあります。従来、需要予測や在庫管理には大量のラベルデータとファインチューニングが必要でしたが、TimesFM 2.5はGoogleが公開済みのTimesFM 1.0（ICML 2024発表）から継続的に改良を重ね、より長い系列と不確実性推定を組み合わせられるようになりました。X（旧Twitter）ではデータサイエンティストから「時系列予測にLLM流の基盤モデルが使えることが実用レベルで証明された」として財務・在庫管理への応用事例紹介が相次ぎました。
Hacker Newsでは「2億パラメータという小規模で高精度を実現しているアーキテクチャの詳細が気になる」という技術的関心が高く、ICML 2024の論文へのリンクが多く共有されました。画像・テキストを扱う大規模言語モデルとは異なり、数値系列に特化した軽量設計が推論コストを抑える利点を持ちます。BigQueryとの統合によって既存データウェアハウスとの連携がシームレスになった点も、エンタープライズ採用を後押しするとみられています。