AnswersPublished24 sources
TimeH2O-v1 zdobywa 91,9% w teście prognozowania. Ale nie w każdym rankingu jest pierwszy
H2O.ai podaje, że TimeH2O v1, model o 108,8 mln parametrów, uzyskał 91,9% win rate i 50,8 skill score w 100 zadaniach fev bench. Wyniki zależą od sposobu zestawienia: po uwzględnieniu modeli z zamkniętym API TimeH2O v1 zajmuje drugie miejsce, a inny ranking fev bench podaje odmienne wartości.
Opublikowane przezEdytowane za pomocą GPT-6 LunaObrazy wygenerowane za pomocą GPT Image 2
Research answer
Key takeaways
- H2O.ai podaje, że TimeH2O v1, model o 108,8 mln parametrów, uzyskał 91,9% win rate i 50,8 skill score w 100 zadaniach fev bench.
- Wyniki zależą od sposobu zestawienia: po uwzględnieniu modeli z zamkniętym API TimeH2O v1 zajmuje drugie miejsce, a inny ranking fev bench podaje odmienne wartości.
- Model ma otwarte wagi, ale licencja jest niekomercyjna; do komercyjnego użycia produkcyjnego H2O.ai wymaga osobnej licencji.
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 zaprezentowało TimeH2O-v1 26 października 2026 r. To kompaktowy model do prognozowania szeregów czasowych, zaprojektowany do pracy w trybie zero-shot, czyli bez trenowania osobnego modelu dla każdej prognozowanej serii. Najmocniejszy wynik w komunikacie firmy to 91,9% win rate i 50,8 skill score w 100 zadaniach testu fev-bench.1
7
13
Te liczby brzmią jednoznacznie, ale opisują konkretną wersję rankingu. Po zmianie zestawu porównywanych modeli albo użytej miary pozycja TimeH2O-v1 może być inna.
Co mierzy fev-bench?
TimeH2O-v1 ma 108,8 mln parametrów. W prognozowaniu zero-shot model korzysta z wcześniej wyuczonych wzorców i może przewidywać kolejne wartości bez osobnego trenowania na każdej serii.1
6
13
Według opisu H2O.ai fev-bench ocenia probabilistyczną jakość prognoz w porównaniu z naiwną prognozą sezonową — prostym punktem odniesienia, który wykorzystuje powtarzalność sezonowych wzorców. Test obejmuje 100 zadań. Opis niezależnej tablicy wyników wskazuje, że zadania te opierają się na 96 rzeczywistych zbiorach danych z siedmiu dziedzin.1
19
Pierwsze miejsce — ale w określonym zestawieniu
W domyślnym rankingu H2O.ai TimeH2O-v1 zajmuje pierwsze miejsce wśród 32 modeli. Firma podaje wynik 91,9%; dla porównania Timestral-209M uzyskał 89,6%, t0-gamma 88,1%, TimesFM-3 82,7%, a Chronos-2 76,8%.13 Agencja Bernama również podaje wyniki Timestral-209M i t0-gamma.
2
Istotne jest jednak to, jakie modele uwzględnia tabela. Po dodaniu modeli dostępnych przez zamknięte API TimeH2O-v1 zajmuje drugie miejsce wśród 36 pozycji. H2O.ai zaznacza też, że jej czołowe porównanie obejmuje modele niekomercyjne.13
6 „Pierwsze miejsce” dotyczy więc konkretnej konfiguracji rankingu, a nie każdego możliwego zestawienia.
Różnice widać również w danych publikowanych przez TSFM.ai. Ta tablica podaje dla TimeH2O-v1 win rate 86,14% i wynik MASE skill score 39,95, co daje mu trzecie miejsce według tej miary. Wyżej znalazły się TimeRSI-1.5 i TimeRSI.19 Nie należy traktować tych liczb jako zamienników wyniku 91,9% i skill score 50,8 z rankingu H2O.ai: opublikowane widoki przedstawiają różne wartości i kolejność modeli. Przy porównywaniu wyników warto więc sprawdzić nie tylko nazwę benchmarku, ale też konkretną metrykę i wersję tabeli.
GIFT-Eval to inny test
H2O.ai informuje, że wśród modeli zero-shot TimeH2O-v1 uzyskał najlepsze łączne wyniki MASE i CRPS na benchmarku GIFT-Eval: odpowiednio 0,654 i 0,441.6 Niezależna tabela GIFT-Eval pokazuje te wyniki po zaokrągleniu jako 0,65 i 0,44. Dla Timestral-209M podaje 0,66 i 0,45.
24
GIFT-Eval to osobny benchmark, a jego wyników nie należy używać do potwierdzania pozycji w fev-bench. To różne testy i różne miary.
A co z danymi dodatkowymi i dostrajaniem?
Opis fev-bench uwzględnia zadania z dodatkowymi zmiennymi, czyli tzw. kowariatami. Jednak opakowanie modelu TimeH2O-v1 w fev wskazuje, że udostępnione checkpointy prognozują każdą serię osobno i pomijają kowariaty, przekształcając zadania w szeregi jednowymiarowe.19
22 To informacja o implementacji użytej w tym teście, a nie dowód na pełny zakres możliwości produktu lub każdej konfiguracji wdrożeniowej.
Dostępne materiały nie opisują zweryfikowanego procesu dostrajania modelu na danych klienta, wymagań infrastrukturalnych ani sposobu tworzenia modeli dziedzinowych. Nie ma więc podstaw, by przedstawiać takie wdrożenie jako potwierdzoną funkcję.
Dane treningowe i wykluczenia
Karta modelu podaje, że ze zbioru treningowego wyłączono dane nakładające się na fev-bench, GIFT-Eval i TIME.4
8 Wśród wymienionych źródeł znajdują się zbiory Chronos od AutoGluon, kolekcje GiftEvalPretrain i lotsa_data od Salesforce oraz Quito corpus. Karta wskazuje różne licencje tych danych, w tym Apache-2.0 i CC-BY 4.0. Opublikowany wykaz nie musi być kompletny.
8
Otwarte wagi nie oznaczają swobodnego użycia komercyjnego
Wagi TimeH2O-v1 są dostępne w repozytorium H2O.ai na Hugging Face, ale przed pobraniem trzeba zaakceptować warunki dostępu.10 Model udostępniono na licencji H2O Model Non-Commercial Licence v1.0. H2O.ai podaje, że zastosowanie produkcyjne wymaga licencji od firmy — otwarte wagi nie oznaczają zatem zgody na dowolne komercyjne wdrożenie.
5
14
H2O.ai udostępnia też wariant TimeH2O-v1-tiny, liczący 5,83 mln parametrów i objęty licencją o tej samej nazwie.12
14 Dostępne źródła nie potwierdzają, że wersja tiny osiąga skuteczność modelu v1.
Wniosek
TimeH2O-v1 ma mocne deklarowane wyniki: 91,9% win rate i 50,8 skill score w rankingu fev-bench H2O.ai, a także najlepsze — według firmy — łączne wyniki MASE i CRPS wśród modeli zero-shot na GIFT-Eval.1
6 Trzeba jednak czytać je razem z zastrzeżeniami: inne zestawienia fev-bench pokazują odmienne wyniki, włączenie modeli z zamkniętym API zmienia pozycję modelu, a licencja nie pozwala zakładać swobodnego komercyjnego użycia produkcyjnego.
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 "TimeH2O-v1 zdobywa 91,9% w teście prognozowania. Ale nie w każdym rankingu jest pierwszy"?
H2O.ai podaje, że TimeH2O v1, model o 108,8 mln parametrów, uzyskał 91,9% win rate i 50,8 skill score w 100 zadaniach fev bench.
What are the key points to validate first?
H2O.ai podaje, że TimeH2O v1, model o 108,8 mln parametrów, uzyskał 91,9% win rate i 50,8 skill score w 100 zadaniach fev bench. Wyniki zależą od sposobu zestawienia: po uwzględnieniu modeli z zamkniętym API TimeH2O v1 zajmuje drugie miejsce, a inny ranking fev bench podaje odmienne wartości.
What should I do next in practice?
Model ma otwarte wagi, ale licencja jest niekomercyjna; do komercyjnego użycia produkcyjnego H2O.ai wymaga osobnej licencji.