AnswersPublished24 sources
Keputusan TimeH2O-v1 mengagumkan, namun bukan nombor satu dalam setiap senarai
H2O.ai melaporkan model TimeH2O v1 dengan 108.8 juta parameter mencatat kadar kemenangan 91.9% dan skor kemahiran 50.8 merentas 100 tugasan fev bench. Model ini direka untuk ramalan sifar latihan semula; H2O.ai turut melaporkan skor MASE 0.654 dan CRPS 0.441 di GIFT Eval bagi model sifar latihan semula.
Diterbitkan olehDisunting dengan GPT-6 LunaImej dijana dengan GPT Image 2
Research answer
Key takeaways
- H2O.ai melaporkan model TimeH2O v1 dengan 108.8 juta parameter mencatat kadar kemenangan 91.9% dan skor kemahiran 50.8 merentas 100 tugasan fev bench.
- Model ini direka untuk ramalan sifar latihan semula; H2O.ai turut melaporkan skor MASE 0.654 dan CRPS 0.441 di GIFT Eval bagi model sifar latihan semula.
- Kedudukannya bergantung pada paparan dan metrik yang digunakan, manakala lesen bukan komersial tidak membenarkan penggunaan produksi komersial tanpa kebenaran tambahan.
AI 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 memperkenalkan TimeH2O-v1 pada 26 Oktober 2026 sebagai model asas siri masa yang padat untuk membuat ramalan sifar latihan semula. Angka utama yang diketengahkan ialah kadar kemenangan 91.9% dan skor kemahiran 50.8 merentas 100 tugasan fev-bench. Namun, angka ini merujuk kepada paparan papan pendahulu tertentu — bukan kedudukan pertama tanpa mengira metrik atau kumpulan model yang dibandingkan.1
7
13
Apakah TimeH2O-v1?
TimeH2O-v1 ialah model ramalan dengan pemberat terbuka dan 108.8 juta parameter, sering dibundarkan kepada 108 juta. Ramalan sifar latihan semula bermaksud model pralatih digunakan untuk meramal siri masa tanpa perlu melatih model berasingan bagi setiap siri.1
6
13
Menurut H2O.ai, fev-bench menguji ramalan kebarangkalian dengan membandingkannya terhadap garis asas naif bermusim — kaedah mudah yang menggunakan corak bermusim terdahulu sebagai rujukan. Penanda aras ini merangkumi 100 tugasan. Satu lagi paparan papan pendahulu menyatakan tugasan tersebut berpunca daripada 96 set data dunia sebenar merentas tujuh domain.1
19
Apa yang ditunjukkan oleh keputusan fev-bench?
Dalam senarai kadar kemenangan lalai yang dipaparkan H2O.ai, TimeH2O-v1 berada di tempat pertama daripada 32 model. Senarai itu meletakkan Timestral-209M pada 89.6%, t0-gamma pada 88.1%, TimesFM-3 pada 82.7% dan Chronos-2 pada 76.8%, berbanding 91.9% untuk TimeH2O-v1.13 Bernama turut melaporkan angka 89.6% dan 88.1% bagi Timestral-209M dan t0-gamma.
2
Tetapi skop perbandingan penting. Papan pendahulu H2O.ai menyatakan TimeH2O-v1 berada di tempat kedua daripada 36 apabila model yang diakses melalui API tertutup turut dimasukkan. H2O.ai juga menjelaskan bahawa perbandingan teratasnya merangkumi model bukan komersial.13
6 Jadi, dakwaan “tempat pertama” terpakai pada konfigurasi papan pendahulu yang dinyatakan — bukan semestinya setiap set model yang mungkin.
Paparan fev-bench yang lain memberikan angka berbeza. TSFM.ai menyenaraikan kadar kemenangan TimeH2O-v1 sebanyak 86.14% dan skor kemahiran MASE 39.95, yang meletakkannya di tempat ketiga mengikut ukuran MASE itu; TimeRSI-1.5 dan TimeRSI berada di atasnya.19 Angka ini tidak boleh dianggap setara dengan kadar kemenangan 91.9% dan skor kemahiran 50.8 yang dilaporkan H2O.ai. Paparan papan pendahulu yang diterbitkan menunjukkan nilai dan kedudukan berlainan. Kesimpulannya: dakwaan penanda aras perlu dibaca bersama metrik dan versi papan pendahulunya.
GIFT-Eval ialah penanda aras lain
H2O.ai melaporkan TimeH2O-v1 memperoleh MASE agregat dan CRPS terendah dalam kalangan model sifar latihan semula di GIFT-Eval, masing-masing dengan skor 0.654 dan 0.441.6 Satu lagi senarai GIFT-Eval memaparkan angka yang dibundarkan kepada 0.65 untuk MASE dan 0.44 untuk CRPS, berbanding 0.66 dan 0.45 bagi Timestral-209M.
24
GIFT-Eval ialah penanda aras yang berbeza daripada fev-bench. Oleh itu, keputusannya tidak patut digunakan untuk mengulang atau mengesahkan kedudukan TimeH2O-v1 di fev-bench.
Kovariat dan latihan lanjut: apa yang disokong oleh sumber?
Penerangan fev-bench merangkumi tugasan dengan kovariat — pemboleh ubah tambahan yang boleh mempengaruhi siri sasaran. Namun, pelaksanaan fev bagi TimeH2O-v1 menyatakan bahawa titik semak model meramal setiap sasaran secara berasingan dan mengabaikan kovariat, lalu menukarkan tugasan kepada siri univariat.19
22 Ini menerangkan cara model dinilai dalam pelaksanaan penanda aras tersebut; ia tidak membuktikan semua keupayaan produk atau antara muka penggunaannya.
Bahan sumber yang tersedia tidak menerangkan proses latihan lanjut pelanggan, infrastruktur yang diperlukan, atau kaedah yang disahkan untuk menyesuaikan model menggunakan data pelanggan. Maklumat itu wajar disahkan dahulu sebelum latihan lanjut dianggap sebagai ciri yang tersedia.
Data latihan dan pengecualian pertindihan
Kad model TimeH2O-v1 menyatakan bahawa set data yang bertindih dengan fev-bench, GIFT-Eval dan TIME dikecualikan daripada latihan.4
8 Antara sumber latihan yang didedahkan ialah set data Chronos daripada AutoGluon, koleksi GiftEvalPretrain dan lotsa_data daripada Salesforce, serta korpus Quito. Petikan kad model menyenaraikan pelbagai lesen bagi set data ini, termasuk Apache-2.0 dan CC-BY 4.0; senarai yang didedahkan itu mungkin tidak lengkap.
8
Ketersediaan dan lesen
Pemberat model dihoskan dalam repositori Hugging Face H2O.ai, dan pengguna perlu menerima syarat akses sebelum memuat turunnya.10 Repositori itu menyenaraikan H2O Model Non-Commercial Licence v1.0. Halaman produk H2O.ai pula menyatakan penggunaan dalam produksi memerlukan lesen daripada syarikat tersebut. Maka, pemberat terbuka tidak bermaksud kebenaran untuk penggunaan komersial tanpa sekatan.
5
14
H2O.ai turut menyenaraikan varian TimeH2O-v1-tiny dengan 5.83 juta parameter di bawah lesen bukan komersial yang sama.12
14 Bahan yang tersedia tidak membuktikan bahawa prestasi ramalannya menyamai TimeH2O-v1.
Kesimpulannya
TimeH2O-v1 mencatat keputusan sifar latihan semula yang kukuh menurut laporan H2O.ai: paparan fev-bench syarikat itu memberikan kadar kemenangan 91.9% dan skor kemahiran 50.8, sementara H2O.ai turut melaporkan keputusan MASE dan CRPS agregat terbaik dalam kalangan model sifar latihan semula di GIFT-Eval.1
6
Namun, konteksnya sama penting: paparan papan pendahulu lain menunjukkan skor dan kedudukan fev-bench yang berbeza, kemasukan model API tertutup mengubah kedudukan, dan lesen model tidak membenarkan penggunaan produksi komersial tanpa kebenaran tambahan.13
14
19
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Keputusan TimeH2O-v1 mengagumkan, namun bukan nombor satu dalam setiap senarai"?
H2O.ai melaporkan model TimeH2O v1 dengan 108.8 juta parameter mencatat kadar kemenangan 91.9% dan skor kemahiran 50.8 merentas 100 tugasan fev bench.
What are the key points to validate first?
H2O.ai melaporkan model TimeH2O v1 dengan 108.8 juta parameter mencatat kadar kemenangan 91.9% dan skor kemahiran 50.8 merentas 100 tugasan fev bench. Model ini direka untuk ramalan sifar latihan semula; H2O.ai turut melaporkan skor MASE 0.654 dan CRPS 0.441 di GIFT Eval bagi model sifar latihan semula.
What should I do next in practice?
Kedudukannya bergantung pada paparan dan metrik yang digunakan, manakala lesen bukan komersial tidak membenarkan penggunaan produksi komersial tanpa kebenaran tambahan.