RespostasPublicado24 fontes
TimeH2O-v1 lidera uma versão do fev-bench — não todas as métricas
A H2O.ai informa que o TimeH2O v1, com 108,8 milhões de parâmetros, teve 91,9% de vitórias e skill score de 50,8 em 100 tarefas do fev bench. A colocação depende do recorte: o modelo aparece em segundo lugar quando modelos de API fechada são incluídos e em terceiro em outro ranking ordenado por MASE skill score.
Publicado porEditado com GPT-6 LunaImagens geradas com GPT Image 2
Resposta de pesquisa
Principais conclusões
- A H2O.ai informa que o TimeH2O v1, com 108,8 milhões de parâmetros, teve 91,9% de vitórias e skill score de 50,8 em 100 tarefas do fev bench.
- A colocação depende do recorte: o modelo aparece em segundo lugar quando modelos de API fechada são incluídos e em terceiro em outro ranking ordenado por MASE skill score.
- Os pesos estão disponíveis sob uma licença não comercial; a H2O.ai afirma que o uso em produção exige uma licença da empresa.
Prompt de 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
A H2O.ai lançou o TimeH2O-v1 em 26 de outubro de 2026 como um modelo compacto de previsão de séries temporais, projetado para funcionar em modo zero-shot: aplicar um modelo pré-treinado a uma série sem treinar um modelo separado para cada caso. O destaque divulgado pela empresa é uma taxa de vitórias de 91,9% e um skill score de 50,8 em 100 tarefas do fev-bench. São números expressivos, mas representam um recorte específico do ranking — não uma liderança absoluta em todas as métricas ou categorias de modelos.1
7
13
O que o TimeH2O-v1 faz
O TimeH2O-v1 tem 108,8 milhões de parâmetros e disponibiliza pesos abertos. Em termos simples, modelos de previsão de séries temporais usam padrões observados ao longo do tempo para estimar valores futuros — por exemplo, a evolução de uma série de dados. No modo zero-shot, o modelo faz previsões sem que seja necessário treinar um modelo específico para cada série.1
6
13
O fev-bench avalia a precisão probabilística das previsões em comparação com uma referência sazonal ingênua (seasonal-naive), que projeta padrões sazonais simples. O benchmark reúne 100 tarefas; uma descrição independente detalha que elas vêm de 96 conjuntos de dados reais, distribuídos por sete domínios.1
19
O que o resultado do fev-bench mostra
Na visualização padrão publicada pela H2O.ai, o TimeH2O-v1 ocupa o primeiro lugar entre 32 modelos por taxa de vitórias, com 91,9%. Na mesma tabela, o Timestral-209M aparece com 89,6%, o t0-gamma com 88,1%, o TimesFM-3 com 82,7% e o Chronos-2 com 76,8%.13 A agência Bernama também reporta os resultados de 89,6% para o Timestral-209M e 88,1% para o t0-gamma.
2
Mas a posição muda conforme os modelos incluídos. No ranking da H2O.ai, o TimeH2O-v1 cai para o segundo lugar entre 36 quando modelos acessados por APIs fechadas entram na comparação. A empresa também deixa claro que seu destaque considera modelos não comerciais.13
6 Portanto, a afirmação de que o modelo está em primeiro lugar vale para aquela configuração específica do ranking.
Há ainda uma diferença importante entre essa tabela e outra página de resultados do fev-bench. No TSFM.ai, o TimeH2O-v1 aparece com 86,14% de vitórias e um MASE skill score de 39,95; por essa métrica, fica em terceiro, atrás de TimeRSI-1.5 e TimeRSI.19 Esses valores não são diretamente intercambiáveis com os 91,9% de vitórias e o skill score de 50,8 divulgados pela H2O.ai: as páginas apresentam pontuações e classificações diferentes. Ao comparar alegações de benchmark, é importante observar qual métrica e qual versão do ranking estão sendo usadas.
GIFT-Eval é outro teste, com outras métricas
A H2O.ai afirma que o TimeH2O-v1 teve os menores resultados agregados de MASE e CRPS entre os modelos zero-shot avaliados no GIFT-Eval: 0,654 e 0,441, respectivamente.6 Uma página independente desse benchmark apresenta os números arredondados para 0,65 e 0,44 e mostra 0,66 e 0,45 para o Timestral-209M.
24
O GIFT-Eval é um benchmark diferente do fev-bench. Seus resultados não devem ser usados como se confirmassem ou substituíssem a posição do TimeH2O-v1 no fev-bench.
Covariáveis e ajuste do modelo: o que está documentado
O fev-bench inclui tarefas com covariáveis — informações adicionais que podem ajudar na previsão. No entanto, o adaptador do fev usado para o TimeH2O-v1 informa que os checkpoints fazem previsões para cada variável-alvo de forma independente e ignoram covariáveis, convertendo as tarefas em séries univariadas.19
22 Isso descreve a implementação usada nessa avaliação; não comprova, por si só, todos os recursos do produto ou de outras formas de implantação.
As informações disponíveis também não documentam um fluxo de ajuste fino para dados de clientes, a infraestrutura necessária nem um processo verificado para criar modelos específicos de cada domínio. Esses pontos precisam ser confirmados antes de considerar o ajuste fino uma funcionalidade estabelecida.
Dados de treinamento e prevenção de sobreposição
O cartão do modelo informa que conjuntos de dados com sobreposição com fev-bench, GIFT-Eval e TIME foram excluídos do treinamento.4
8 Entre as fontes de treinamento divulgadas estão os conjuntos Chronos do AutoGluon, as coleções GiftEvalPretrain e lotsa_data da Salesforce e o corpus Quito. A lista menciona licenças diferentes, incluindo Apache-2.0 e CC-BY 4.0; o material divulgado não necessariamente apresenta todas as fontes usadas.
8
Disponibilidade, licença e versão compacta
Os pesos do TimeH2O-v1 estão no repositório da H2O.ai no Hugging Face, mas é preciso aceitar as condições de acesso para baixá-los.10 O repositório lista a H2O Model Non-Commercial Licence v1.0. A página do produto da empresa diz que o uso em produção exige uma licença da H2O.ai — portanto, pesos abertos não significam autorização irrestrita para uso comercial.
5
14
A empresa também disponibiliza o TimeH2O-v1-tiny, com 5,83 milhões de parâmetros e a mesma licença não comercial.12
14 As informações fornecidas não demonstram que essa versão tenha desempenho de previsão equivalente ao do v1.
Em resumo
O TimeH2O-v1 apresenta resultados fortes segundo os números divulgados pela H2O.ai: 91,9% de vitórias e skill score de 50,8 na visualização da empresa para o fev-bench, além de resultados destacados pela companhia no GIFT-Eval.1
6 As ressalvas também importam: outros recortes mostram pontuações e posições diferentes, a inclusão de modelos de API fechada altera a colocação e a licença não permite presumir uso comercial irrestrito em produção.
13
14
19
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "TimeH2O-v1 lidera uma versão do fev-bench — não todas as métricas"?
A H2O.ai informa que o TimeH2O v1, com 108,8 milhões de parâmetros, teve 91,9% de vitórias e skill score de 50,8 em 100 tarefas do fev bench.
Quais são os pontos-chave para validar primeiro?
A H2O.ai informa que o TimeH2O v1, com 108,8 milhões de parâmetros, teve 91,9% de vitórias e skill score de 50,8 em 100 tarefas do fev bench. A colocação depende do recorte: o modelo aparece em segundo lugar quando modelos de API fechada são incluídos e em terceiro em outro ranking ordenado por MASE skill score.
O que devo fazer a seguir na prática?
Os pesos estão disponíveis sob uma licença não comercial; a H2O.ai afirma que o uso em produção exige uma licença da empresa.