AnswersPublished24 sources
TimeH2O-v1 imponerar i prognostest – med viktiga förbehåll
H2O.ai uppger att TimeH2O v1, med 108,8 miljoner parametrar, nådde 91,9 procents vinstfrekvens och 50,8 i skill score på fev benchs 100 uppgifter.[1][7] I en annan fev bench vy har modellen 86,14 procents vinstfrekvens och ligger trea enligt MASE skill score – måtten och leaderboardversionerna är alltså inte direkt...
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer
Key takeaways
- H2O.ai uppger att TimeH2O v1, med 108,8 miljoner parametrar, nådde 91,9 procents vinstfrekvens och 50,8 i skill score på fev benchs 100 uppgifter.[1][7]
- I en annan fev bench vy har modellen 86,14 procents vinstfrekvens och ligger trea enligt MASE skill score – måtten och leaderboardversionerna är alltså inte direkt utbytbara.[19]
- H2O.ai rapporterar också starka resultat på GIFT Eval, men modellvikterna omfattas av en icke kommersiell licens.[6][14]
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 lanserade TimeH2O-v1 den 26 oktober 2026 som en kompakt grundmodell för tidsserieprognoser. Företagets främsta resultat är en vinstfrekvens på 91,9 procent och en skill score på 50,8 över 100 uppgifter i fev-bench. Det är ett starkt resultat – men inte ett ovillkorligt förstaplatsbesked på alla mått eller i alla jämförelser.1
7
13
Vad är TimeH2O-v1?
TimeH2O-v1 är en modell med öppna vikter och 108,8 miljoner parametrar, ofta avrundat till 108 miljoner. Med nollskottsprognostisering (zero-shot) används en förtränad modell för att göra prognoser utan att först träna en separat modell för varje tidsserie.1
6
13
H2O beskriver fev-bench som ett test av probabilistiska prognoser jämfört med en säsongsbaserad naiv prognos, alltså en enkel jämförelsemodell som utgår från återkommande säsongsmönster. Testet omfattar 100 uppgifter. En separat leaderboardbeskrivning uppger att de bygger på 96 verkliga datamängder från sju områden.1
19
Topplaceringen gäller en viss leaderboardvy
I H2O:s standardvy för vinstfrekvens ligger TimeH2O-v1 etta bland 32 modeller. Där anges Timestral-209M till 89,6 procent, t0-gamma till 88,1 procent, TimesFM-3 till 82,7 procent och Chronos-2 till 76,8 procent, jämfört med TimeH2O-v1:s 91,9 procent.13 Bernama återger också resultaten för Timestral-209M och t0-gamma.
2
Men urvalet spelar roll. När modeller med slutna API:er räknas in uppger H2O:s leaderboard att TimeH2O-v1 hamnar tvåa av 36. H2O förtydligar också att den rapporterade topplaceringen omfattar modeller med icke-kommersiella licenser.13
6 ”Etta” gäller alltså den angivna konfigurationen, inte varje tänkbart urval av modeller.
Även en annan fev-bench-listning visar andra siffror. TSFM.ai redovisar 86,14 procents vinstfrekvens och 39,95 i MASE skill score för TimeH2O-v1. Med just MASE-måttet hamnar modellen på tredje plats, efter TimeRSI-1.5 och TimeRSI.19 Dessa värden ska inte blandas ihop med H2O:s 91,9 procents vinstfrekvens och skill score på 50,8. De publicerade vyerna visar olika poäng och rangordningar – därför behöver en benchmarkuppgift alltid läsas tillsammans med måttet och leaderboardversionen.
GIFT-Eval är ett separat test
H2O uppger att TimeH2O-v1 hade lägst sammanvägt MASE och CRPS bland nollskottsmodellerna på GIFT-Eval: 0,654 respektive 0,441.6 En separat GIFT-Eval-listning visar avrundade värden på 0,65 för MASE och 0,44 för CRPS. Där anges Timestral-209M till 0,66 respektive 0,45.
24
GIFT-Eval är ett annat benchmark än fev-bench. Resultaten där ska därför inte användas för att återge eller bekräfta placeringen i fev-bench.
Vad resultaten säger om kovariater och anpassning
Beskrivningen av fev-bench omfattar uppgifter med kovariater – tilläggsinformation som kan påverka en prognos. Samtidigt anger den listade fev-implementeringen för TimeH2O-v1 att modellens kontrollpunkter prognostiserar varje målserie separat och ignorerar kovariater. I den benchmarklösningen görs uppgifterna därför om till univariata tidsserier, det vill säga serier med en enda variabel.19
22 Det beskriver hur modellen används i just den testimplementeringen, inte nödvändigtvis alla funktioner i H2O:s bredare produkt eller gränssnitt.
Det tillgängliga källmaterialet beskriver inte ett kundflöde för finjustering, vilka resurser som skulle krävas eller en verifierad metod för att skapa domänspecifika modeller av kunddata. Sådana möjligheter bör därför bekräftas med H2O innan de betraktas som etablerade funktioner.
Träningsdata och testöverlapp
I modellkortet står att datamängder med överlapp mot fev-bench, GIFT-Eval och TIME uteslöts från träningen.4
8 Bland de redovisade träningskällorna finns Chronos-datamängder från AutoGluon, GiftEvalPretrain och lotsa_data från Salesforce samt Quito-korpusen. Modellkortets utdrag anger olika licenser för datamängderna, bland annat Apache-2.0 och CC-BY 4.0. Den publicerade listan behöver inte vara fullständig.
8
Tillgång och licens
Modellvikterna finns i H2O.ai:s Hugging Face-repository. För att ladda ned dem måste användare godkänna åtkomstvillkoren.10 Repositoryt anger H2O Model Non-Commercial Licence v1.0. H2O:s produktsida säger att kommersiell användning i produktion kräver en licens från företaget. Att vikterna är öppna innebär alltså inte att de får användas fritt kommersiellt.
5
14
H2O listar också TimeH2O-v1-tiny, en mindre variant med 5,83 miljoner parametrar under samma namngivna icke-kommersiella licens.12
14 Det tillgängliga materialet visar inte att tiny-varianten matchar v1:s prognosresultat.
Slutsatsen
TimeH2O-v1 har starka rapporterade resultat för nollskottsprognoser. I H2O:s fev-bench-vy får modellen 91,9 procents vinstfrekvens och 50,8 i skill score, och H2O uppger att den har lägst sammanvägt MASE och CRPS bland nollskottsmodellerna på GIFT-Eval.1
6 Men jämförelsen beror på vilket mått och vilken leaderboardvy som används: andra fev-bench-resultat visar andra poäng och placeringar, och inkludering av modeller med slutna API:er ändrar rankningen. Därtill är modellvikterna inte licensierade för obegränsad kommersiell produktionsanvändning.
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 imponerar i prognostest – med viktiga förbehåll"?
H2O.ai uppger att TimeH2O v1, med 108,8 miljoner parametrar, nådde 91,9 procents vinstfrekvens och 50,8 i skill score på fev benchs 100 uppgifter.[1][7]
What are the key points to validate first?
H2O.ai uppger att TimeH2O v1, med 108,8 miljoner parametrar, nådde 91,9 procents vinstfrekvens och 50,8 i skill score på fev benchs 100 uppgifter.[1][7] I en annan fev bench vy har modellen 86,14 procents vinstfrekvens och ligger trea enligt MASE skill score – måtten och leaderboardversionerna är alltså inte direkt utbytbara.[19]
What should I do next in practice?
H2O.ai rapporterar också starka resultat på GIFT Eval, men modellvikterna omfattas av en icke kommersiell licens.[6][14]