H2O.ai uvádí u modelu TimeH2O v1 s 108,8 milionu parametrů 91,9% úspěšnost a skóre 50,8 ve 100 úlohách fev bench. V jiném přehledu fev bench má model úspěšnost 86,14 % a podle skóre MASE je třetí; žebříček s uzavřenými API jej řadí na druhé místo.
PublikovalUpraveno pomocí GPT-6 LunaObrázky vytvořeny pomocí GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What is H2O.ai’s 108-million-parameter TimeH2O-v1 time-series foundation model, released on October 26, and how do its zero-shot forecasting. Article summary: TimeH2O-v1 is H2O.ai’s compact, open-weights time-series foundation model, released on October 26, 2026, for zero-shot forecasting without a separate training run or model for every series.[9][10] H2O.ai reports first pl. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
H2O.ai uvedla 26. října 2026 model TimeH2O-v1 určený k předpovídání časových řad. Firma zveřejnila výrazný výsledek: 91,9% úspěšnost a skóre 50,8 ve 100 úlohách testu fev-bench. Nejde však o první místo bez ohledu na způsob hodnocení — výsledky se mění podle použité metriky i toho, které modely žebříček zahrnuje.1
7
13
TimeH2O-v1 je model s otevřenými váhami a 108,8 milionu parametrů, což se někdy zaokrouhluje na 108 milionů. Předpovídání „zero-shot“ znamená, že se předtrénovaný model použije k odhadu budoucího vývoje časové řady bez toho, aby se pro každou jednotlivou řadu zvlášť trénoval nový model.1
6
13
Fev-bench hodnotí pravděpodobnostní přesnost předpovědí ve srovnání se sezonní naivní metodou — jednoduchým výchozím odhadem založeným na opakování sezonního vzorce. Test zahrnuje 100 úloh z 96 reálných datových sad a sedmi oblastí; 46 úloh pracuje s doprovodnými proměnnými, tedy údaji, které mohou vývoj předpovídané řady ovlivnit.1
19
V základním přehledu, který uvádí H2O.ai, je TimeH2O-v1 první z 32 modelů podle úspěšnosti. Za ním následují Timestral-209M s 89,6 %, t0-gamma s 88,1 %, TimesFM-3 s 82,7 % a Chronos-2 se 76,8 %; TimeH2O-v1 zde dosahuje 91,9 %.13 Čísla pro Timestral-209M a t0-gamma uvádí také agentura Bernama.
2
To první místo má ale přesně vymezený rozsah. Když se do žebříčku započítají i modely přístupné přes uzavřené API, H2O.ai uvádí TimeH2O-v1 jako druhý z 36. Firma zároveň zdůrazňuje, že její srovnání zahrnuje i nekomerční modely.13
6 Výsledek „první“ se tedy vztahuje ke konkrétní podobě žebříčku, nikoli ke každému možnému výběru modelů.
Rozdíl je patrný také v jiném přehledu fev-bench. TSFM.ai uvádí pro TimeH2O-v1 úspěšnost 86,14 % a skóre MASE 39,95; podle této metriky je model třetí za TimeRSI-1.5 a TimeRSI.19 Tato čísla nejsou zaměnitelná s hodnotami 91,9 % a 50,8, které zveřejňuje H2O.ai: přehledy uvádějí rozdílné výsledky i pořadí. Při čtení podobného srovnání je proto důležité vědět, jaká metrika a která verze žebříčku za číslem stojí.
H2O.ai uvádí, že mezi modely předpovídajícími bez dodatečného trénování měl TimeH2O-v1 v testu GIFT-Eval nejnižší souhrnné hodnoty MASE a CRPS: 0,654 a 0,441.6 Samostatný přehled GIFT-Eval uvádí zaokrouhlené hodnoty 0,65 a 0,44; u Timestral-209M zobrazuje 0,66 a 0,45.
24
GIFT-Eval je jiný test než fev-bench. Jeho výsledky proto nelze zaměňovat s pořadím ve fev-bench ani jimi toto pořadí potvrzovat.
Fev-bench obsahuje také úlohy s doprovodnými proměnnými. Zveřejněný adaptér modelu TimeH2O-v1 pro fev však uvádí, že dané kontrolní body předpovídají každou cílovou řadu samostatně a doprovodné proměnné ignorují; úlohy proto převádí na jednorozměrné časové řady.19
22 To popisuje implementaci použitou v testu, nikoli nutně všechny možnosti produktu či nasazení.
Dostupné podklady nepopisují ověřený postup, jak model dotrénovat na zákaznických datech, jaké zázemí by to vyžadovalo ani jak z něj vytvořit specializovaný model pro konkrétní obor. Tyto možnosti proto nelze považovat za doloženou součást nabídky.
Karta modelu uvádí, že z trénování byly vyloučeny datové sady překrývající se s fev-bench, GIFT-Eval a TIME.4
8 Mezi zveřejněné zdroje patří datové sady Chronos od AutoGluon, kolekce GiftEvalPretrain a lotsa_data od Salesforce a korpus Quito. Uvedené licence se liší: například kolekce Salesforce mají licenci Apache-2.0 a korpus Quito CC-BY 4.0. Seznam v kartě nemusí být úplný.
8
Váhy modelu jsou uložené v repozitáři H2O.ai na Hugging Face; před stažením je třeba přijmout podmínky přístupu.10 Repozitář uvádí licenci H2O Model Non-Commercial Licence v1.0. H2O.ai zároveň píše, že komerční provoz vyžaduje licenci od společnosti. Dostupné váhy tedy neznamenají automatické svolení k neomezenému komerčnímu nasazení.
5
14
H2O.ai nabízí také menší variantu TimeH2O-v1-tiny s 5,83 milionu parametrů, která spadá pod stejnou pojmenovanou nekomerční licenci.12
14 Dostupné podklady neprokazují, že by její přesnost odpovídala modelu v1.
TimeH2O-v1 má silné zveřejněné výsledky: v přehledu H2O.ai dosahuje ve fev-bench 91,9% úspěšnosti a skóre 50,8 a podle firmy vykazuje mezi modely bez dodatečného trénování nejlepší souhrnné hodnoty MASE a CRPS v GIFT-Eval.1
6 Důležité jsou však i výhrady: jiný přehled fev-bench uvádí odlišné výsledky a třetí místo podle MASE, pořadí se mění po zahrnutí uzavřených API a licence není určená pro neomezené komerční využití.
13
14
19
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
H2O.ai uvádí u modelu TimeH2O v1 s 108,8 milionu parametrů 91,9% úspěšnost a skóre 50,8 ve 100 úlohách fev bench.
H2O.ai uvádí u modelu TimeH2O v1 s 108,8 milionu parametrů 91,9% úspěšnost a skóre 50,8 ve 100 úlohách fev bench. V jiném přehledu fev bench má model úspěšnost 86,14 % a podle skóre MASE je třetí; žebříček s uzavřenými API jej řadí na druhé místo.
Model je určený pro předpovídání bez dodatečného trénování, jeho váhy jsou ale dostupné pod nekomerční licencí.
H2O.ai uvádí u modelu TimeH2O v1 s 108,8 milionu parametrů 91,9% úspěšnost a skóre 50,8 ve 100 úlohách fev bench. V jiném přehledu fev bench má model úspěšnost 86,14 % a podle skóre MASE je třetí; žebříček s uzavřenými API jej řadí na druhé místo.
PublikovalUpraveno pomocí GPT-6 LunaObrázky vytvořeny pomocí GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What is H2O.ai’s 108-million-parameter TimeH2O-v1 time-series foundation model, released on October 26, and how do its zero-shot forecasting. Article summary: TimeH2O-v1 is H2O.ai’s compact, open-weights time-series foundation model, released on October 26, 2026, for zero-shot forecasting without a separate training run or model for every series.[9][10] H2O.ai reports first pl. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
H2O.ai uvedla 26. října 2026 model TimeH2O-v1 určený k předpovídání časových řad. Firma zveřejnila výrazný výsledek: 91,9% úspěšnost a skóre 50,8 ve 100 úlohách testu fev-bench. Nejde však o první místo bez ohledu na způsob hodnocení — výsledky se mění podle použité metriky i toho, které modely žebříček zahrnuje.1
7
13
TimeH2O-v1 je model s otevřenými váhami a 108,8 milionu parametrů, což se někdy zaokrouhluje na 108 milionů. Předpovídání „zero-shot“ znamená, že se předtrénovaný model použije k odhadu budoucího vývoje časové řady bez toho, aby se pro každou jednotlivou řadu zvlášť trénoval nový model.1
6
13
Fev-bench hodnotí pravděpodobnostní přesnost předpovědí ve srovnání se sezonní naivní metodou — jednoduchým výchozím odhadem založeným na opakování sezonního vzorce. Test zahrnuje 100 úloh z 96 reálných datových sad a sedmi oblastí; 46 úloh pracuje s doprovodnými proměnnými, tedy údaji, které mohou vývoj předpovídané řady ovlivnit.1
19
V základním přehledu, který uvádí H2O.ai, je TimeH2O-v1 první z 32 modelů podle úspěšnosti. Za ním následují Timestral-209M s 89,6 %, t0-gamma s 88,1 %, TimesFM-3 s 82,7 % a Chronos-2 se 76,8 %; TimeH2O-v1 zde dosahuje 91,9 %.13 Čísla pro Timestral-209M a t0-gamma uvádí také agentura Bernama.
2
To první místo má ale přesně vymezený rozsah. Když se do žebříčku započítají i modely přístupné přes uzavřené API, H2O.ai uvádí TimeH2O-v1 jako druhý z 36. Firma zároveň zdůrazňuje, že její srovnání zahrnuje i nekomerční modely.13
6 Výsledek „první“ se tedy vztahuje ke konkrétní podobě žebříčku, nikoli ke každému možnému výběru modelů.
Rozdíl je patrný také v jiném přehledu fev-bench. TSFM.ai uvádí pro TimeH2O-v1 úspěšnost 86,14 % a skóre MASE 39,95; podle této metriky je model třetí za TimeRSI-1.5 a TimeRSI.19 Tato čísla nejsou zaměnitelná s hodnotami 91,9 % a 50,8, které zveřejňuje H2O.ai: přehledy uvádějí rozdílné výsledky i pořadí. Při čtení podobného srovnání je proto důležité vědět, jaká metrika a která verze žebříčku za číslem stojí.
H2O.ai uvádí, že mezi modely předpovídajícími bez dodatečného trénování měl TimeH2O-v1 v testu GIFT-Eval nejnižší souhrnné hodnoty MASE a CRPS: 0,654 a 0,441.6 Samostatný přehled GIFT-Eval uvádí zaokrouhlené hodnoty 0,65 a 0,44; u Timestral-209M zobrazuje 0,66 a 0,45.
24
GIFT-Eval je jiný test než fev-bench. Jeho výsledky proto nelze zaměňovat s pořadím ve fev-bench ani jimi toto pořadí potvrzovat.
Fev-bench obsahuje také úlohy s doprovodnými proměnnými. Zveřejněný adaptér modelu TimeH2O-v1 pro fev však uvádí, že dané kontrolní body předpovídají každou cílovou řadu samostatně a doprovodné proměnné ignorují; úlohy proto převádí na jednorozměrné časové řady.19
22 To popisuje implementaci použitou v testu, nikoli nutně všechny možnosti produktu či nasazení.
Dostupné podklady nepopisují ověřený postup, jak model dotrénovat na zákaznických datech, jaké zázemí by to vyžadovalo ani jak z něj vytvořit specializovaný model pro konkrétní obor. Tyto možnosti proto nelze považovat za doloženou součást nabídky.
Karta modelu uvádí, že z trénování byly vyloučeny datové sady překrývající se s fev-bench, GIFT-Eval a TIME.4
8 Mezi zveřejněné zdroje patří datové sady Chronos od AutoGluon, kolekce GiftEvalPretrain a lotsa_data od Salesforce a korpus Quito. Uvedené licence se liší: například kolekce Salesforce mají licenci Apache-2.0 a korpus Quito CC-BY 4.0. Seznam v kartě nemusí být úplný.
8
Váhy modelu jsou uložené v repozitáři H2O.ai na Hugging Face; před stažením je třeba přijmout podmínky přístupu.10 Repozitář uvádí licenci H2O Model Non-Commercial Licence v1.0. H2O.ai zároveň píše, že komerční provoz vyžaduje licenci od společnosti. Dostupné váhy tedy neznamenají automatické svolení k neomezenému komerčnímu nasazení.
5
14
H2O.ai nabízí také menší variantu TimeH2O-v1-tiny s 5,83 milionu parametrů, která spadá pod stejnou pojmenovanou nekomerční licenci.12
14 Dostupné podklady neprokazují, že by její přesnost odpovídala modelu v1.
TimeH2O-v1 má silné zveřejněné výsledky: v přehledu H2O.ai dosahuje ve fev-bench 91,9% úspěšnosti a skóre 50,8 a podle firmy vykazuje mezi modely bez dodatečného trénování nejlepší souhrnné hodnoty MASE a CRPS v GIFT-Eval.1
6 Důležité jsou však i výhrady: jiný přehled fev-bench uvádí odlišné výsledky a třetí místo podle MASE, pořadí se mění po zahrnutí uzavřených API a licence není určená pro neomezené komerční využití.
13
14
19
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
H2O.ai uvádí u modelu TimeH2O v1 s 108,8 milionu parametrů 91,9% úspěšnost a skóre 50,8 ve 100 úlohách fev bench.
H2O.ai uvádí u modelu TimeH2O v1 s 108,8 milionu parametrů 91,9% úspěšnost a skóre 50,8 ve 100 úlohách fev bench. V jiném přehledu fev bench má model úspěšnost 86,14 % a podle skóre MASE je třetí; žebříček s uzavřenými API jej řadí na druhé místo.
Model je určený pro předpovídání bez dodatečného trénování, jeho váhy jsou ale dostupné pod nekomerční licencí.