JawabanDipublikasikan24 sumber
TimeH2O-v1 Unggul di Satu Papan Peringkat, tetapi Bukan di Semua Ukuran
H2O.ai melaporkan TimeH2O v1, model berukuran 108,8 juta parameter, meraih win rate 91,9% dan skill score 50,8 dalam 100 tugas fev bench. Model ini ditujukan untuk peramalan zero shot.
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- H2O.ai melaporkan TimeH2O v1, model berukuran 108,8 juta parameter, meraih win rate 91,9% dan skill score 50,8 dalam 100 tugas fev bench.
- Model ini ditujukan untuk peramalan zero shot. Di GIFT Eval, H2O.ai melaporkan MASE agregat 0,654 dan CRPS 0,441 di antara model zero shot.
- Peringkat dan angka fev bench berbeda pada tampilan papan peringkat lain; bobot model juga berlisensi nonkomersial, bukan untuk penggunaan produksi komersial tanpa izin.
AI Perintah
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 merilis TimeH2O-v1 pada 26 Oktober 2026 sebagai model fondasi deret waktu berukuran ringkas untuk peramalan zero-shot. Angka utamanya terlihat mengesankan: H2O melaporkan win rate 91,9% dan skill score 50,8 pada 100 tugas fev-bench. Namun, angka itu menggambarkan satu versi tampilan papan peringkat—bukan klaim bahwa model ini selalu menempati posisi pertama pada setiap metrik atau kategori akses model.1
7
13
Apa itu TimeH2O-v1?
TimeH2O-v1 adalah model peramalan dengan bobot terbuka dan 108,8 juta parameter, yang kerap dibulatkan menjadi 108 juta. Peramalan zero-shot berarti model yang sudah dilatih sebelumnya digunakan untuk meramalkan deret waktu tanpa melatih model baru secara khusus untuk setiap deret.1
6
13
Menurut H2O, fev-bench menguji peramalan probabilistik dengan membandingkan hasil model terhadap seasonal-naive baseline—patokan sederhana yang menggunakan pola musiman sebelumnya. Tolok ukur ini mencakup 100 tugas. Deskripsi papan peringkat terpisah menyebut tugas-tugas tersebut bersumber dari 96 dataset dunia nyata di tujuh bidang.1
19
Bagaimana hasil fev-bench-nya dibandingkan?
Pada tampilan peringkat default yang dicantumkan H2O, TimeH2O-v1 berada di posisi pertama dari 32 model berdasarkan win rate. Daftar itu menempatkan Timestral-209M di 89,6%, t0-gamma di 88,1%, TimesFM-3 di 82,7%, dan Chronos-2 di 76,8%; TimeH2O-v1 mencatat 91,9%.13 Laporan Bernama juga menyebut angka 89,6% untuk Timestral-209M dan 88,1% untuk t0-gamma.
2
Cakupan perbandingan menentukan arti peringkat tersebut. Papan peringkat H2O menyebut TimeH2O-v1 berada di posisi kedua dari 36 model ketika model dengan API tertutup ikut dihitung. H2O juga menjelaskan bahwa perbandingan utamanya mencakup model nonkomersial.13
6 Jadi, klaim “peringkat pertama” berlaku pada konfigurasi papan peringkat tertentu, bukan untuk semua kemungkinan kumpulan model.
Ada pula perbedaan nyata antara win rate yang dicantumkan H2O dan angka pada daftar fev-bench lain. TSFM.ai mencatat win rate TimeH2O-v1 sebesar 86,14% dan MASE skill score 39,95; berdasarkan metrik MASE tersebut, model ini berada di posisi ketiga, di bawah TimeRSI-1.5 dan TimeRSI.19 Angka-angka ini tidak bisa dianggap setara dengan win rate 91,9% dan skill score 50,8 versi H2O: kedua tampilan papan peringkat itu melaporkan nilai dan urutan berbeda. Intinya, klaim hasil tolok ukur perlu dibaca bersama metrik dan versi papan peringkat yang digunakan.
Hasil GIFT-Eval menggunakan metrik berbeda
H2O melaporkan bahwa TimeH2O-v1 memiliki MASE dan CRPS agregat terendah di antara model zero-shot pada GIFT-Eval, masing-masing 0,654 dan 0,441.6 Daftar GIFT-Eval terpisah menampilkan angka yang dibulatkan menjadi 0,65 untuk MASE dan 0,44 untuk CRPS, sementara Timestral-209M tercatat 0,66 dan 0,45.
24 GIFT-Eval merupakan tolok ukur berbeda dari fev-bench, sehingga hasilnya tidak dapat digunakan untuk menyatakan ulang atau mengesahkan peringkat fev-bench.
Kovariat dan fine-tuning: batas informasi yang tersedia
Deskripsi fev-bench mencakup tugas dengan kovariat, yaitu data tambahan yang dapat membantu peramalan. Namun, wrapper fev yang dicantumkan untuk TimeH2O-v1 menyatakan bahwa checkpoint model meramalkan setiap target secara terpisah dan mengabaikan kovariat, sehingga tugas diubah menjadi deret univariat.19
22 Keterangan itu menjelaskan implementasi dalam tolok ukur, tetapi tidak membuktikan seluruh kemampuan produk atau antarmuka penerapan TimeH2O.
Materi sumber yang tersedia tidak menjelaskan alur fine-tuning bagi pelanggan, infrastruktur yang dibutuhkan, maupun proses terverifikasi untuk mengolah data pelanggan menjadi model khusus bidang tertentu. Karena itu, detail tersebut perlu dikonfirmasi sebelum fine-tuning dianggap sebagai fitur yang sudah dipastikan.
Data pelatihan dan pengecualian dari tolok ukur
Kartu model TimeH2O-v1 menyebut dataset yang tumpang tindih dengan fev-bench, GIFT-Eval, dan TIME dikecualikan dari pelatihan.4
8 Contoh sumber data pelatihan yang diungkap mencakup dataset Chronos dari AutoGluon, koleksi GiftEvalPretrain dan lotsa_data dari Salesforce, serta korpus Quito. Cuplikan kartu model mencantumkan lisensi yang beragam untuk dataset tersebut, termasuk Apache-2.0 dan CC-BY 4.0; daftar yang diungkap belum tentu mencakup semuanya.
8
Ketersediaan dan lisensi
Bobot model tersedia di repositori Hugging Face H2O.ai, tetapi pengguna harus menyetujui ketentuan akses sebelum mengunduhnya.10 Repositori tersebut mencantumkan H2O Model Non-Commercial Licence v1.0. Halaman produk H2O menyatakan penggunaan produksi memerlukan lisensi dari perusahaan, jadi istilah “bobot terbuka” tidak berarti model bebas digunakan secara komersial tanpa batasan.
5
14
H2O juga mencantumkan varian TimeH2O-v1-tiny dengan 5,83 juta parameter di bawah lisensi nonkomersial dengan nama yang sama.12
14 Materi yang tersedia tidak membuktikan bahwa performa peramalannya setara dengan v1.
Kesimpulannya
TimeH2O-v1 menunjukkan hasil zero-shot yang kuat dalam laporan H2O: tampilan fev-bench milik perusahaan mencatat win rate 91,9% dan skill score 50,8, sementara di GIFT-Eval H2O melaporkan MASE serta CRPS agregat terendah di antara model zero-shot.1
6 Namun, ada beberapa catatan penting: tampilan papan peringkat lain menunjukkan angka dan urutan fev-bench yang berbeda, posisi berubah ketika model dengan API tertutup dimasukkan, dan bobotnya tidak berlisensi untuk penggunaan produksi komersial tanpa batas.
13
14
19
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "TimeH2O-v1 Unggul di Satu Papan Peringkat, tetapi Bukan di Semua Ukuran"?
H2O.ai melaporkan TimeH2O v1, model berukuran 108,8 juta parameter, meraih win rate 91,9% dan skill score 50,8 dalam 100 tugas fev bench.
Apa poin penting yang harus divalidasi terlebih dahulu?
H2O.ai melaporkan TimeH2O v1, model berukuran 108,8 juta parameter, meraih win rate 91,9% dan skill score 50,8 dalam 100 tugas fev bench. Model ini ditujukan untuk peramalan zero shot. Di GIFT Eval, H2O.ai melaporkan MASE agregat 0,654 dan CRPS 0,441 di antara model zero shot.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Peringkat dan angka fev bench berbeda pada tampilan papan peringkat lain; bobot model juga berlisensi nonkomersial, bukan untuk penggunaan produksi komersial tanpa izin.