AntwortenVeröffentlicht24 Quellen
H2O.ai meldet 91,9 Prozent Trefferquote für TimeH2O-v1 – mit wichtigen Einschränkungen
H2O.ai zufolge erreicht das Zeitreihenmodell TimeH2O v1 mit 108,8 Millionen Parametern auf 100 fev bench Aufgaben eine Trefferquote von 91,9 Prozent und einen Skill Score von 50,8. Auf GIFT Eval nennt H2O.ai für TimeH2O v1 die besten aggregierten MASE und CRPS Werte unter Zero Shot Modellen: 0,654 beziehungsweise 0,...
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort
Wichtige Erkenntnisse
- H2O.ai zufolge erreicht das Zeitreihenmodell TimeH2O v1 mit 108,8 Millionen Parametern auf 100 fev bench Aufgaben eine Trefferquote von 91,9 Prozent und einen Skill Score von 50,8.
- Auf GIFT Eval nennt H2O.ai für TimeH2O v1 die besten aggregierten MASE und CRPS Werte unter Zero Shot Modellen: 0,654 beziehungsweise 0,441.
- Andere fev bench Auswertungen zeigen abweichende Werte und Platzierungen. Zudem gilt für die veröffentlichten Gewichte eine nicht kommerzielle Lizenz.
KI-Prompt
openai.comCreate 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 hat TimeH2O-v1 am 26. Oktober 2026 als kompaktes Foundation Model für Zeitreihenprognosen vorgestellt. Die Schlagzeile: Laut dem Unternehmen erreicht das Modell auf 100 Aufgaben des Benchmarks fev-bench eine Trefferquote von 91,9 Prozent und einen Skill Score von 50,8. Das ist ein starkes Ergebnis – aber kein pauschaler erster Platz über alle Messgrößen und Ranglisten hinweg.1
7
13
Was TimeH2O-v1 macht
TimeH2O-v1 ist ein Modell mit offenen Gewichten und 108,8 Millionen Parametern. „Zero-Shot-Forecasting“ bedeutet, dass ein vortrainiertes Modell Prognosen für Zeitreihen erstellen kann, ohne für jede einzelne Reihe ein eigenes Modell zu trainieren.1
6
13
fev-bench bewertet probabilistische Prognosen im Vergleich zu einer saisonalen Naivprognose. Der Benchmark umfasst 100 Aufgaben. Eine separate Beschreibung führt diese auf 96 reale Datensätze aus sieben Bereichen zurück.1
19
Was die fev-bench-Platzierung aussagt
In der von H2O.ai angegebenen Standardansicht liegt TimeH2O-v1 bei der Trefferquote auf Platz eins unter 32 Modellen. Dort folgen Timestral-209M mit 89,6 Prozent, t0-gamma mit 88,1 Prozent, TimesFM-3 mit 82,7 Prozent und Chronos-2 mit 76,8 Prozent.13 Auch Bernama nennt 89,6 Prozent für Timestral-209M und 88,1 Prozent für t0-gamma.
2
Entscheidend ist, welche Modelle in den Vergleich einbezogen werden: Laut H2O.ai fällt TimeH2O-v1 auf Platz zwei unter 36 Modellen zurück, wenn Modelle mit geschlossenen APIs berücksichtigt werden. Das Unternehmen weist außerdem darauf hin, dass sein Spitzenvergleich nicht-kommerzielle Modelle einschließt.13
6 Der erste Platz gilt also für eine bestimmte Ranglistenansicht, nicht für jede denkbare Auswahl.
Auch andere fev-bench-Auswertungen kommen auf andere Werte. TSFM.ai weist für TimeH2O-v1 eine Trefferquote von 86,14 Prozent und einen MASE Skill Score von 39,95 aus. Nach diesem MASE-Maß liegt das Modell auf Platz drei, hinter TimeRSI-1.5 und TimeRSI.19 Diese Angaben sind nicht direkt mit H2O.ai’s 91,9 Prozent und 50,8 gleichzusetzen: Die veröffentlichten Ranglisten zeigen unterschiedliche Werte und Platzierungen. Bei Benchmark-Aussagen sollte daher immer klar sein, welche Kennzahl und welche Ranglistenansicht gemeint sind.
GIFT-Eval: gute Werte auf einem anderen Benchmark
Für GIFT-Eval meldet H2O.ai unter den Zero-Shot-Modellen die besten aggregierten Werte bei MASE und CRPS: 0,654 beziehungsweise 0,441.6 Eine separate GIFT-Eval-Rangliste zeigt gerundete Werte von 0,65 für MASE und 0,44 für CRPS; für Timestral-209M nennt sie 0,66 und 0,45.
24 GIFT-Eval ist ein anderer Benchmark als fev-bench. Diese Ergebnisse belegen daher nicht die fev-bench-Platzierung.
Umgang mit Zusatzdaten und Feinabstimmung
Die fev-bench-Beschreibung umfasst auch Aufgaben mit Zusatzvariablen, sogenannten Kovariaten. Die dort aufgeführte Modellimplementierung für TimeH2O-v1 sagt jedoch, dass die einzelnen Zielreihen unabhängig prognostiziert und Kovariaten ignoriert werden. In diesem Benchmark-Wrapper werden die Aufgaben deshalb in univariate Zeitreihen umgewandelt.19
22 Das beschreibt die konkrete Benchmark-Implementierung, nicht zwangsläufig sämtliche Funktionen des Produkts oder anderer Einsatzmöglichkeiten.
Die verfügbaren Quellen erläutern keinen überprüften Ablauf, mit dem Kunden das Modell auf eigenen Daten feinabstimmen könnten. Auch Anforderungen an Infrastruktur oder ein dokumentierter Prozess für domänenspezifische Modelle sind daraus nicht ersichtlich. Solche Details sollten vor einer entsprechenden Planung direkt bestätigt werden.
Trainingsdaten und ausgeschlossene Benchmarks
Laut Model Card wurden Datensätze, die sich mit fev-bench, GIFT-Eval und TIME überschneiden, vom Training ausgeschlossen.4
8 Als Beispiele für Trainingsquellen nennt die Dokumentation AutoGluons Chronos-Datensätze, Salesforce’ GiftEvalPretrain und lotsa_data sowie den Quito-Datensatz. Für die aufgeführten Daten gelten unterschiedliche Lizenzbedingungen, darunter Apache-2.0 und CC-BY 4.0. Die offengelegte Liste muss nicht vollständig sein.
8
Verfügbarkeit und Lizenz
Die Gewichte sind im Hugging-Face-Repository von H2O.ai verfügbar. Für den Zugriff auf die Dateien müssen Nutzerinnen und Nutzer den dortigen Bedingungen zustimmen.10 Das Repository nennt die H2O Model Non-Commercial Licence v1.0. Laut Produktseite ist für den produktiven Einsatz eine Lizenz von H2O.ai erforderlich. Offene Gewichte bedeuten damit nicht, dass eine uneingeschränkte kommerzielle Nutzung erlaubt ist.
5
14
H2O.ai bietet außerdem TimeH2O-v1-tiny mit 5,83 Millionen Parametern unter derselben bezeichneten nicht-kommerziellen Lizenz an.12
14 Die vorliegenden Quellen belegen nicht, dass die kleinere Variante dieselbe Prognoseleistung erreicht wie TimeH2O-v1.
Fazit
TimeH2O-v1 erzielt laut H2O.ai starke Zero-Shot-Ergebnisse: 91,9 Prozent Trefferquote und einen Skill Score von 50,8 in der dort gezeigten fev-bench-Ansicht. Auf GIFT-Eval meldet das Unternehmen zudem führende aggregierte MASE- und CRPS-Werte unter den Zero-Shot-Modellen.1
6 Für die Einordnung zählen jedoch die Details: Andere fev-bench-Ansichten weisen abweichende Ergebnisse aus, die Einbeziehung von Modellen mit geschlossenen APIs verändert die Platzierung, und die veröffentlichten Gewichte sind nicht für eine uneingeschränkte kommerzielle Nutzung lizenziert.
13
14
19
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „H2O.ai meldet 91,9 Prozent Trefferquote für TimeH2O-v1 – mit wichtigen Einschränkungen“?
H2O.ai zufolge erreicht das Zeitreihenmodell TimeH2O v1 mit 108,8 Millionen Parametern auf 100 fev bench Aufgaben eine Trefferquote von 91,9 Prozent und einen Skill Score von 50,8.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
H2O.ai zufolge erreicht das Zeitreihenmodell TimeH2O v1 mit 108,8 Millionen Parametern auf 100 fev bench Aufgaben eine Trefferquote von 91,9 Prozent und einen Skill Score von 50,8. Auf GIFT Eval nennt H2O.ai für TimeH2O v1 die besten aggregierten MASE und CRPS Werte unter Zero Shot Modellen: 0,654 beziehungsweise 0,441.
Was soll ich als nächstes in der Praxis tun?
Andere fev bench Auswertungen zeigen abweichende Werte und Platzierungen. Zudem gilt für die veröffentlichten Gewichte eine nicht kommerzielle Lizenz.