RéponsesPublié24 sources
TimeH2O-v1 affiche un score élevé, mais pas la première place sur tous les tableaux
H2O.ai annonce un taux de victoire de 91,9 % et un score de compétence de 50,8 pour TimeH2O v1, un modèle de 108,8 millions de paramètres évalué sur 100 tâches fev bench. Le modèle arrive en tête dans le classement par défaut d’H2O.ai, mais les résultats varient selon la version du classement, la métrique et l’inclu...
Publié parModifié avec GPT-6 LunaImages générées avec GPT Image 2
Réponse de recherche
Points clés à retenir
- H2O.ai annonce un taux de victoire de 91,9 % et un score de compétence de 50,8 pour TimeH2O v1, un modèle de 108,8 millions de paramètres évalué sur 100 tâches fev bench.
- Le modèle arrive en tête dans le classement par défaut d’H2O.ai, mais les résultats varient selon la version du classement, la métrique et l’inclusion de modèles à API fermée.
- Les poids sont accessibles sur Hugging Face sous une licence non commerciale ; H2O.ai indique qu’une licence est nécessaire pour un usage en production.
Prompt 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 a lancé TimeH2O-v1 le 26 octobre 2026. Ce modèle compact de séries temporelles est conçu pour produire des prévisions « zero-shot », c’est-à-dire sans entraîner un modèle distinct pour chaque série. Le chiffre mis en avant par l’entreprise est élevé : un taux de victoire de 91,9 % et un score de compétence de 50,8 sur 100 tâches fev-bench. Mais ces résultats correspondent à une configuration précise du classement, et non à une première place incontestée selon toutes les métriques ou toutes les catégories de modèles.1
7
13
Ce que mesure fev-bench
TimeH2O-v1 compte 108,8 millions de paramètres. H2O.ai décrit fev-bench comme une évaluation de la qualité des prévisions probabilistes par rapport à une référence saisonnière naïve — une méthode simple qui prolonge les variations observées lors des périodes précédentes.1
6
13
Le banc d’essai couvre 100 tâches. Une autre présentation du classement précise qu’elles s’appuient sur 96 jeux de données réels répartis dans sept domaines.19
Une première place qui dépend du classement consulté
Dans le classement par défaut publié par H2O.ai, TimeH2O-v1 arrive premier sur 32 modèles, avec 91,9 % de victoires. Timestral-209M suit à 89,6 %, puis t0-gamma à 88,1 % ; TimesFM-3 et Chronos-2 affichent respectivement 82,7 % et 76,8 %.13 L’agence Bernama rapporte également les scores de Timestral-209M et de t0-gamma.
2
Le périmètre compte : lorsque les modèles accessibles par API fermée sont inclus, le classement d’H2O.ai place TimeH2O-v1 deuxième sur 36. L’entreprise précise par ailleurs que sa comparaison de tête inclut des modèles non commerciaux.13
6 La formule « premier du classement » vaut donc pour cette configuration, pas pour toutes les comparaisons possibles.
Un autre tableau fev-bench présente des résultats différents. TSFM.ai attribue à TimeH2O-v1 un taux de victoire de 86,14 % et un score de compétence MASE de 39,95 ; selon ce dernier indicateur, le modèle est troisième derrière TimeRSI-1.5 et TimeRSI.19 Ces chiffres ne sont pas directement interchangeables avec les 91,9 % et 50,8 annoncés par H2O.ai : les tableaux publiés affichent des valeurs et des classements distincts. Pour interpréter un résultat de benchmark, il faut donc regarder la métrique et la version du classement utilisées.
GIFT-Eval : un autre résultat, sur une autre mesure
H2O.ai indique que TimeH2O-v1 obtient les plus faibles scores agrégés MASE et CRPS parmi les modèles zero-shot évalués sur GIFT-Eval, avec respectivement 0,654 et 0,441.6 Un autre tableau GIFT-Eval affiche des valeurs arrondies de 0,65 et 0,44, contre 0,66 et 0,45 pour Timestral-209M.
24
GIFT-Eval est un benchmark distinct de fev-bench : ces résultats ne confirment ni ne remplacent le classement fev-bench.
Covariables et adaptation aux données d’une entreprise
Le descriptif de fev-bench inclut des tâches avec covariables, c’est-à-dire des variables supplémentaires susceptibles d’influencer une série, comme des prix ou des conditions météo. Toutefois, l’implémentation fev répertoriée pour TimeH2O-v1 indique que les points de contrôle prévoient chaque cible séparément et ignorent ces covariables, en ramenant les tâches à des séries univariées.19
22 Cela décrit la manière dont le modèle est évalué dans cette implémentation ; cela ne permet pas de conclure sur toutes les capacités du produit ou de ses interfaces de déploiement.
Les informations disponibles ne détaillent pas de procédure vérifiée permettant aux clients d’affiner le modèle sur leurs propres données, ni l’infrastructure requise pour créer un modèle adapté à un domaine particulier. Ces points restent à confirmer avant de considérer l’affinage comme une fonctionnalité établie.
Données d’entraînement et exclusions
La fiche du modèle indique que les jeux de données recoupant fev-bench, GIFT-Eval et TIME ont été exclus de l’entraînement.4
8 Parmi les sources mentionnées figurent les jeux Chronos d’AutoGluon, GiftEvalPretrain et lotsa_data de Salesforce, ainsi que le corpus Quito. La fiche précise des licences différentes selon les jeux, notamment Apache-2.0 et CC-BY 4.0 ; la liste publiée n’est pas nécessairement exhaustive.
8
Accès et licence : « poids ouverts » ne veut pas dire usage commercial libre
Les poids sont hébergés sur le dépôt Hugging Face de H2O.ai. Il faut accepter les conditions d’accès pour télécharger les fichiers.10 Le dépôt indique la licence H2O Model Non-Commercial Licence v1.0. La page produit de H2O.ai précise qu’une licence de l’entreprise est nécessaire pour l’usage en production : les poids ouverts ne donnent donc pas, à eux seuls, le droit de déployer librement le modèle dans un contexte commercial.
5
14
H2O.ai propose aussi TimeH2O-v1-tiny, une variante de 5,83 millions de paramètres publiée sous la même licence non commerciale.12
14 Les éléments disponibles ne permettent pas d’affirmer qu’elle atteint les mêmes performances que v1.
À retenir
TimeH2O-v1 affiche de solides résultats rapportés par H2O.ai : 91,9 % de victoires et un score de compétence de 50,8 dans sa vue de fev-bench, ainsi que des résultats présentés comme les meilleurs parmi les modèles zero-shot sur GIFT-Eval.1
6 Mais d’autres classements fev-bench donnent des scores et des positions différents, l’ajout de modèles à API fermée modifie le rang, et la licence ne permet pas de présumer un usage commercial en production sans autorisation.
13
14
19
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « TimeH2O-v1 affiche un score élevé, mais pas la première place sur tous les tableaux » ?
H2O.ai annonce un taux de victoire de 91,9 % et un score de compétence de 50,8 pour TimeH2O v1, un modèle de 108,8 millions de paramètres évalué sur 100 tâches fev bench.
Quels sont les points clés à valider en premier ?
H2O.ai annonce un taux de victoire de 91,9 % et un score de compétence de 50,8 pour TimeH2O v1, un modèle de 108,8 millions de paramètres évalué sur 100 tâches fev bench. Le modèle arrive en tête dans le classement par défaut d’H2O.ai, mais les résultats varient selon la version du classement, la métrique et l’inclusion de modèles à API fermée.
Que dois-je faire ensuite en pratique ?
Les poids sont accessibles sur Hugging Face sous une licence non commerciale ; H2O.ai indique qu’une licence est nécessaire pour un usage en production.