RespuestasPublicado24 fuentes
TimeH2O-v1 logra un 91,9 % en fev-bench, con matices importantes en el ranking
H2O.ai informa que TimeH2O v1, un modelo de 108,8 millones de parámetros, obtuvo una tasa de victorias del 91,9 % y una puntuación de habilidad de 50,8 en 100 tareas de fev bench. El modelo está diseñado para hacer pronósticos sin entrenamiento específico para cada serie.
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- H2O.ai informa que TimeH2O v1, un modelo de 108,8 millones de parámetros, obtuvo una tasa de victorias del 91,9 % y una puntuación de habilidad de 50,8 en 100 tareas de fev bench.
- El modelo está diseñado para hacer pronósticos sin entrenamiento específico para cada serie.
- El primer puesto no se mantiene en todas las vistas del ranking: otra clasificación publica métricas y posiciones diferentes, y la licencia de los pesos no autoriza el uso comercial sin restricciones.
Prompt de IA
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 presentó TimeH2O-v1 el 26 de octubre de 2026 como un modelo compacto de series temporales para hacer pronósticos zero-shot: predicciones con un modelo previamente entrenado, sin entrenar uno nuevo para cada serie. La cifra que llama la atención es una tasa de victorias del 91,9 % y una puntuación de habilidad de 50,8 en 100 tareas de fev-bench. Pero esos resultados corresponden a una vista concreta del ranking, no a un primer puesto universal bajo cualquier métrica o conjunto de modelos.1
7
13
Qué es TimeH2O-v1 y qué evalúa fev-bench
TimeH2O-v1 es un modelo de pesos abiertos con 108,8 millones de parámetros. En pronóstico zero-shot, el modelo se aplica a una serie temporal sin entrenar por separado un modelo para cada serie.1
6
13
H2O describe fev-bench como una evaluación de pronósticos probabilísticos frente a una referencia estacional sencilla (seasonal-naive). El benchmark incluye 100 tareas; otra descripción del tablero indica que se basan en 96 conjuntos de datos reales de siete ámbitos.1
19
El ranking depende de la vista y la métrica
En la clasificación predeterminada publicada por H2O, TimeH2O-v1 figura primero entre 32 modelos por tasa de victorias. La lista muestra un 91,9 % para TimeH2O-v1, frente al 89,6 % de Timestral-209M, el 88,1 % de t0-gamma, el 82,7 % de TimesFM-3 y el 76,8 % de Chronos-2.13 Bernama también recoge las cifras de Timestral-209M y t0-gamma.
2
El alcance de esa clasificación importa: H2O señala que TimeH2O-v1 queda segundo entre 36 modelos cuando se incluyen modelos con API cerrada. La empresa también aclara que su comparación principal incluye modelos no comerciales.13
6 Por tanto, el primer puesto se refiere a esa configuración concreta del tablero.
Además, otra vista de fev-bench ofrece resultados distintos. TSFM.ai registra para TimeH2O-v1 una tasa de victorias del 86,14 % y una puntuación MASE Skill Score de 39,95, con la que aparece tercero; TimeRSI-1.5 y TimeRSI figuran por delante en esa métrica.19 Esas cifras no son directamente intercambiables con el 91,9 % y el 50,8 que publica H2O: los tableros presentan valores y posiciones diferentes. Al comparar resultados, conviene fijarse tanto en la métrica como en la versión del ranking.
GIFT-Eval: buenos resultados, otro benchmark
H2O afirma que TimeH2O-v1 obtuvo el menor MASE y CRPS agregados entre los modelos zero-shot evaluados en GIFT-Eval: 0,654 y 0,441, respectivamente.6 Una clasificación independiente de GIFT-Eval muestra valores redondeados de 0,65 en MASE y 0,44 en CRPS; para Timestral-209M registra 0,66 y 0,45.
24 GIFT-Eval es un benchmark distinto de fev-bench, así que sus resultados no confirman ni reemplazan el puesto de TimeH2O-v1 en este último.
Covariables y ajuste con datos propios
La descripción de fev-bench incluye tareas con covariables, es decir, variables adicionales que pueden relacionarse con la serie objetivo. Sin embargo, el envoltorio de fev para TimeH2O-v1 indica que los puntos de control evaluados pronostican cada objetivo de manera independiente e ignoran las covariables, al convertir las tareas en series univariantes.19
22 Esto describe la implementación del benchmark; no permite concluir que toda la interfaz del producto o cada posible despliegue tenga las mismas limitaciones.
El material disponible tampoco documenta un procedimiento para que los clientes ajusten el modelo con sus propios datos, los recursos de infraestructura necesarios ni un proceso verificado para crear modelos especializados por sector. Esos aspectos deberían confirmarse con H2O.ai antes de asumir que forman parte de una función establecida.
Datos de entrenamiento y exclusiones
La ficha del modelo indica que se excluyeron del entrenamiento conjuntos de datos que se solaparan con fev-bench, GIFT-Eval y TIME.4
8 Entre las fuentes mencionadas están los conjuntos de Chronos de AutoGluon, GiftEvalPretrain y lotsa_data de Salesforce, y el corpus Quito. La ficha enumera distintas licencias, entre ellas Apache-2.0 y CC-BY 4.0; la lista divulgada podría no ser completa.
8
Disponibilidad y licencia
Los pesos están alojados en el repositorio de H2O.ai en Hugging Face. Para descargarlos, hay que aceptar las condiciones de acceso.10 El repositorio indica la licencia H2O Model Non-Commercial Licence v1.0. La página del producto señala que el uso en producción requiere una licencia de H2O.ai: que los pesos estén disponibles no significa que se puedan usar comercialmente sin restricciones.
5
14
H2O también ofrece TimeH2O-v1-tiny, una variante de 5,83 millones de parámetros bajo la misma licencia no comercial.12
14 La información disponible no demuestra que iguale el rendimiento de la versión v1.
En resumen
TimeH2O-v1 presenta resultados destacados en las cifras que comunica H2O: un 91,9 % de tasa de victorias y una puntuación de habilidad de 50,8 en su vista de fev-bench, además de buenos resultados agregados en MASE y CRPS en GIFT-Eval.1
6 La letra pequeña es relevante: otras vistas del ranking publican puntuaciones y posiciones diferentes, incluir modelos con API cerrada cambia su puesto y la licencia no permite asumir un uso comercial irrestricto.
13
14
19
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "TimeH2O-v1 logra un 91,9 % en fev-bench, con matices importantes en el ranking"?
H2O.ai informa que TimeH2O v1, un modelo de 108,8 millones de parámetros, obtuvo una tasa de victorias del 91,9 % y una puntuación de habilidad de 50,8 en 100 tareas de fev bench.
¿Cuáles son los puntos clave a validar primero?
H2O.ai informa que TimeH2O v1, un modelo de 108,8 millones de parámetros, obtuvo una tasa de victorias del 91,9 % y una puntuación de habilidad de 50,8 en 100 tareas de fev bench. El modelo está diseñado para hacer pronósticos sin entrenamiento específico para cada serie.
¿Qué debo hacer a continuación en la práctica?
El primer puesto no se mantiene en todas las vistas del ranking: otra clasificación publica métricas y posiciones diferentes, y la licencia de los pesos no autoriza el uso comercial sin restricciones.