H2O.ai oppgir at TimeH2O v1, med 108,8 millioner parametere, fikk 91,9 prosent treffrate og en skill score på 50,8 på 100 oppgaver i fev bench. Modellen er laget for nullskuddsprognoser, og H2O.ai rapporterer også gode samlede MASE og CRPS resultater på GIFT Eval.
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer

Create 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 lanserte TimeH2O-v1 26. oktober 2026 som en kompakt grunnmodell for tidsserier og nullskuddsprognoser. Selskapet fremhever en treffrate på 91,9 prosent og en skill score på 50,8 på 100 oppgaver i fev-bench. Tallene gjelder imidlertid én bestemt visning av resultatlisten – ikke en ubetinget førsteplass på tvers av alle målemetoder og modellutvalg.1
7
13
TimeH2O-v1 er en modell med åpne vekter og 108,8 millioner parametere, ofte avrundet til 108 millioner. Nullskuddsprognoser betyr at en ferdigtrent modell brukes til å lage prognoser uten at man trener en egen modell for hver tidsserie.1
6
13
H2O beskriver fev-bench som en test av sannsynlighetsbaserte prognoser, målt opp mot en sesongbasert naiv referansemodell. En separat beskrivelse av resultatlisten sier at de 100 oppgavene bygger på 96 datasett fra virkeligheten og dekker sju fagområder.1
19
I H2Os oppgitte standardrangering ligger TimeH2O-v1 på førsteplass blant 32 modeller, målt etter treffrate. Listen viser Timestral-209M på 89,6 prosent, t0-gamma på 88,1 prosent, TimesFM-3 på 82,7 prosent og Chronos-2 på 76,8 prosent, mot TimeH2O-v1s 91,9 prosent.13 Bernama oppgir også tallene for Timestral-209M og t0-gamma.
2
Hva som regnes med, har betydning: På H2Os liste faller TimeH2O-v1 til andreplass blant 36 modeller når modeller med lukkede API-er tas med. H2O presiserer også at topplasseringen gjelder en sammenligning der ikke-kommersielle modeller inngår.13
6 «Nummer én» gjelder altså den angitte oppstillingen, ikke nødvendigvis ethvert mulig modellutvalg.
En annen oversikt over fev-bench viser dessuten andre tall. TSFM.ai oppgir en treffrate på 86,14 prosent og en MASE skill score på 39,95 for TimeH2O-v1. På sistnevnte mål er modellen nummer tre, bak TimeRSI-1.5 og TimeRSI.19 Disse tallene kan ikke uten videre sammenlignes med H2Os 91,9 prosent og 50,8: Resultatlistene viser ulike verdier og rangeringer. Når en modell omtales som best i en test, er det derfor viktig å se hvilken målemetode og hvilken versjon av resultatlisten det gjelder.
H2O oppgir at TimeH2O-v1 hadde lavest samlet MASE og CRPS blant nullskuddsmodellene på GIFT-Eval, med henholdsvis 0,654 og 0,441.6 En separat GIFT-Eval-oversikt viser avrundede verdier på 0,65 og 0,44 for TimeH2O-v1, mot 0,66 og 0,45 for Timestral-209M.
24 GIFT-Eval er en annen test enn fev-bench, så disse resultatene sier ikke i seg selv noe om rangeringen på fev-bench.
Beskrivelsen av fev-bench omfatter oppgaver med kovariater – tilleggsvariabler som kan bidra til en prognose. Samtidig sier den oppførte fev-implementasjonen for TimeH2O-v1 at modellens sjekkpunkter prognostiserer hver målserie for seg og ser bort fra kovariater. I denne testoppsettingen gjøres oppgavene derfor om til univariate tidsserier.19
22 Dette beskriver benchmark-implementasjonen, ikke nødvendigvis alle funksjonene i produktet eller en konkret utrulling.
Kildematerialet dokumenterer ikke en arbeidsflyt for kundetilpasning, krav til infrastruktur eller en bekreftet prosess for å trene modeller på kundedata for bestemte fagområder. Slike funksjoner bør derfor avklares før de regnes som etablerte egenskaper ved modellen.
Modellkortet sier at datasett med overlapp mot fev-bench, GIFT-Eval og TIME ble holdt utenfor treningen.4
8 Blant de oppgitte treningskildene er Chronos-datasettene fra AutoGluon, Salesforce-samlingene GiftEvalPretrain og lotsa_data og Quito-korpuset. Modellkortutdraget viser ulike lisenser for kildene, blant annet Apache-2.0 og CC-BY 4.0. Listen over kilder er ikke nødvendigvis fullstendig.
8
Vektene ligger i H2O.ais Hugging Face-repositorium. Brukere må godta tilgangsvilkårene for å laste dem ned.10 Repoet oppgir H2O Model Non-Commercial Licence v1.0. H2Os produktside sier at bruk i produksjon krever en lisens fra selskapet. Åpne vekter betyr derfor ikke at modellen kan brukes fritt kommersielt.
5
14
H2O tilbyr også TimeH2O-v1-tiny, en variant med 5,83 millioner parametere under samme navngitte ikke-kommersielle lisens.12
14 Kildene som foreligger, viser ikke at den har samme prognosenøyaktighet som v1.
TimeH2O-v1 har sterke rapporterte resultater: H2Os fev-bench-visning oppgir 91,9 prosent treffrate og en skill score på 50,8, og selskapet rapporterer ledende samlede MASE- og CRPS-resultater blant nullskuddsmodeller på GIFT-Eval.1
6 Men andre fev-bench-visninger viser andre tall og plasseringer, rangeringen endres når modeller med lukkede API-er tas med, og lisensen gir ikke fritt kommersielt produksjonsbruk.
13
14
19
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
H2O.ai oppgir at TimeH2O v1, med 108,8 millioner parametere, fikk 91,9 prosent treffrate og en skill score på 50,8 på 100 oppgaver i fev bench.
H2O.ai oppgir at TimeH2O v1, med 108,8 millioner parametere, fikk 91,9 prosent treffrate og en skill score på 50,8 på 100 oppgaver i fev bench. Modellen er laget for nullskuddsprognoser, og H2O.ai rapporterer også gode samlede MASE og CRPS resultater på GIFT Eval.
Rangeringen varierer med målemetode og hvilke modeller som tas med. Vektene har en ikke kommersiell lisens.
H2O.ai oppgir at TimeH2O v1, med 108,8 millioner parametere, fikk 91,9 prosent treffrate og en skill score på 50,8 på 100 oppgaver i fev bench. Modellen er laget for nullskuddsprognoser, og H2O.ai rapporterer også gode samlede MASE og CRPS resultater på GIFT Eval.
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer

Create 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 lanserte TimeH2O-v1 26. oktober 2026 som en kompakt grunnmodell for tidsserier og nullskuddsprognoser. Selskapet fremhever en treffrate på 91,9 prosent og en skill score på 50,8 på 100 oppgaver i fev-bench. Tallene gjelder imidlertid én bestemt visning av resultatlisten – ikke en ubetinget førsteplass på tvers av alle målemetoder og modellutvalg.1
7
13
TimeH2O-v1 er en modell med åpne vekter og 108,8 millioner parametere, ofte avrundet til 108 millioner. Nullskuddsprognoser betyr at en ferdigtrent modell brukes til å lage prognoser uten at man trener en egen modell for hver tidsserie.1
6
13
H2O beskriver fev-bench som en test av sannsynlighetsbaserte prognoser, målt opp mot en sesongbasert naiv referansemodell. En separat beskrivelse av resultatlisten sier at de 100 oppgavene bygger på 96 datasett fra virkeligheten og dekker sju fagområder.1
19
I H2Os oppgitte standardrangering ligger TimeH2O-v1 på førsteplass blant 32 modeller, målt etter treffrate. Listen viser Timestral-209M på 89,6 prosent, t0-gamma på 88,1 prosent, TimesFM-3 på 82,7 prosent og Chronos-2 på 76,8 prosent, mot TimeH2O-v1s 91,9 prosent.13 Bernama oppgir også tallene for Timestral-209M og t0-gamma.
2
Hva som regnes med, har betydning: På H2Os liste faller TimeH2O-v1 til andreplass blant 36 modeller når modeller med lukkede API-er tas med. H2O presiserer også at topplasseringen gjelder en sammenligning der ikke-kommersielle modeller inngår.13
6 «Nummer én» gjelder altså den angitte oppstillingen, ikke nødvendigvis ethvert mulig modellutvalg.
En annen oversikt over fev-bench viser dessuten andre tall. TSFM.ai oppgir en treffrate på 86,14 prosent og en MASE skill score på 39,95 for TimeH2O-v1. På sistnevnte mål er modellen nummer tre, bak TimeRSI-1.5 og TimeRSI.19 Disse tallene kan ikke uten videre sammenlignes med H2Os 91,9 prosent og 50,8: Resultatlistene viser ulike verdier og rangeringer. Når en modell omtales som best i en test, er det derfor viktig å se hvilken målemetode og hvilken versjon av resultatlisten det gjelder.
H2O oppgir at TimeH2O-v1 hadde lavest samlet MASE og CRPS blant nullskuddsmodellene på GIFT-Eval, med henholdsvis 0,654 og 0,441.6 En separat GIFT-Eval-oversikt viser avrundede verdier på 0,65 og 0,44 for TimeH2O-v1, mot 0,66 og 0,45 for Timestral-209M.
24 GIFT-Eval er en annen test enn fev-bench, så disse resultatene sier ikke i seg selv noe om rangeringen på fev-bench.
Beskrivelsen av fev-bench omfatter oppgaver med kovariater – tilleggsvariabler som kan bidra til en prognose. Samtidig sier den oppførte fev-implementasjonen for TimeH2O-v1 at modellens sjekkpunkter prognostiserer hver målserie for seg og ser bort fra kovariater. I denne testoppsettingen gjøres oppgavene derfor om til univariate tidsserier.19
22 Dette beskriver benchmark-implementasjonen, ikke nødvendigvis alle funksjonene i produktet eller en konkret utrulling.
Kildematerialet dokumenterer ikke en arbeidsflyt for kundetilpasning, krav til infrastruktur eller en bekreftet prosess for å trene modeller på kundedata for bestemte fagområder. Slike funksjoner bør derfor avklares før de regnes som etablerte egenskaper ved modellen.
Modellkortet sier at datasett med overlapp mot fev-bench, GIFT-Eval og TIME ble holdt utenfor treningen.4
8 Blant de oppgitte treningskildene er Chronos-datasettene fra AutoGluon, Salesforce-samlingene GiftEvalPretrain og lotsa_data og Quito-korpuset. Modellkortutdraget viser ulike lisenser for kildene, blant annet Apache-2.0 og CC-BY 4.0. Listen over kilder er ikke nødvendigvis fullstendig.
8
Vektene ligger i H2O.ais Hugging Face-repositorium. Brukere må godta tilgangsvilkårene for å laste dem ned.10 Repoet oppgir H2O Model Non-Commercial Licence v1.0. H2Os produktside sier at bruk i produksjon krever en lisens fra selskapet. Åpne vekter betyr derfor ikke at modellen kan brukes fritt kommersielt.
5
14
H2O tilbyr også TimeH2O-v1-tiny, en variant med 5,83 millioner parametere under samme navngitte ikke-kommersielle lisens.12
14 Kildene som foreligger, viser ikke at den har samme prognosenøyaktighet som v1.
TimeH2O-v1 har sterke rapporterte resultater: H2Os fev-bench-visning oppgir 91,9 prosent treffrate og en skill score på 50,8, og selskapet rapporterer ledende samlede MASE- og CRPS-resultater blant nullskuddsmodeller på GIFT-Eval.1
6 Men andre fev-bench-visninger viser andre tall og plasseringer, rangeringen endres når modeller med lukkede API-er tas med, og lisensen gir ikke fritt kommersielt produksjonsbruk.
13
14
19
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
H2O.ai oppgir at TimeH2O v1, med 108,8 millioner parametere, fikk 91,9 prosent treffrate og en skill score på 50,8 på 100 oppgaver i fev bench.
H2O.ai oppgir at TimeH2O v1, med 108,8 millioner parametere, fikk 91,9 prosent treffrate og en skill score på 50,8 på 100 oppgaver i fev bench. Modellen er laget for nullskuddsprognoser, og H2O.ai rapporterer også gode samlede MASE og CRPS resultater på GIFT Eval.
Rangeringen varierer med målemetode og hvilke modeller som tas med. Vektene har en ikke kommersiell lisens.