คำตอบเผยแพร่แล้ว24 แหล่งที่มา
TimeH2O-v1 ทำคะแนนเด่นด้านพยากรณ์ แต่ผลจัดอันดับขึ้นอยู่กับเกณฑ์ที่ใช้
H2O.ai ระบุว่า TimeH2O v1 ซึ่งมีพารามิเตอร์ 108.8 ล้านตัว ทำอัตราชนะ 91.9% และได้ skill score 50.8 จาก 100 งานทดสอบบน fev bench ผลอันดับไม่เหมือนกันทุกตาราง: เมื่อรวมโมเดลแบบปิด API รุ่นนี้อยู่อันดับ 2 จาก 36 และอีกตารางหนึ่งแสดงอัตราชนะ 86.14% พร้อมอันดับ 3 ตาม MASE skill score H2O.ai รายงานผลบน GIFT Eval ที่ MASE...
เผยแพร่โดยแก้ไขด้วย GPT-6 Lunaรูปภาพสร้างด้วย GPT Image 2
คำตอบการวิจัย
ประเด็นสำคัญ
- H2O.ai ระบุว่า TimeH2O v1 ซึ่งมีพารามิเตอร์ 108.8 ล้านตัว ทำอัตราชนะ 91.9% และได้ skill score 50.8 จาก 100 งานทดสอบบน fev bench
- ผลอันดับไม่เหมือนกันทุกตาราง: เมื่อรวมโมเดลแบบปิด API รุ่นนี้อยู่อันดับ 2 จาก 36 และอีกตารางหนึ่งแสดงอัตราชนะ 86.14% พร้อมอันดับ 3 ตาม MASE skill score
- H2O.ai รายงานผลบน GIFT Eval ที่ MASE 0.654 และ CRPS 0.441 ในกลุ่มโมเดล zero shot แต่ชุดน้ำหนักใช้ใบอนุญาตที่ไม่อนุญาตการใช้งานเชิงพาณิชย์โดยไม่มีสิทธิ์เพิ่มเติม
AI พรอมต์
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 เปิดตัว TimeH2O-v1 เมื่อวันที่ 26 ตุลาคม 2026 โดยวางตำแหน่งเป็นโมเดลพื้นฐานสำหรับพยากรณ์ข้อมูลอนุกรมเวลาแบบ zero-shot หรือการนำโมเดลที่ฝึกไว้แล้วไปพยากรณ์ โดยไม่ต้องฝึกโมเดลแยกสำหรับข้อมูลแต่ละชุด1
7
13
ตัวเลขที่บริษัทชูคืออัตราชนะ 91.9% และ skill score 50.8 จาก 100 งานทดสอบบน fev-bench อย่างไรก็ตาม ตัวเลขนี้เป็นผลจากมุมมองการจัดอันดับแบบหนึ่ง ไม่ได้หมายความว่าโมเดลเป็นอันดับหนึ่งเมื่อใช้ทุกตัวชี้วัดหรือรวมโมเดลทุกประเภท1
7
13
TimeH2O-v1 คืออะไร
TimeH2O-v1 เป็นโมเดลพยากรณ์แบบ open-weight มีพารามิเตอร์ 108.8 ล้านตัว ซึ่งมักปัดเป็น 108 ล้านตัว ส่วน fev-bench ประเมินความแม่นยำของการพยากรณ์เชิงความน่าจะเป็น โดยเทียบกับวิธีพื้นฐานที่ใช้รูปแบบตามฤดูกาลจากข้อมูลเดิม1
6
13
benchmark นี้ครอบคลุม 100 งานพยากรณ์ โดยคำอธิบายจากอีกหน้าหนึ่งระบุว่าโจทย์มาจากชุดข้อมูลจริง 96 ชุด ใน 7 โดเมน19
ผล fev-bench ดี แต่ต้องดูว่าตารางไหนและวัดด้วยอะไร
ในตารางอันดับเริ่มต้นที่ H2O.ai แสดง TimeH2O-v1 อยู่ที่อันดับ 1 จาก 32 โมเดล ด้วยอัตราชนะ 91.9% ตามด้วย Timestral-209M ที่ 89.6%, t0-gamma ที่ 88.1%, TimesFM-3 ที่ 82.7% และ Chronos-2 ที่ 76.8%13 รายงานของ Bernama ระบุตัวเลขของ Timestral-209M และ t0-gamma ในทำนองเดียวกัน
2
แต่เมื่อรวมโมเดลที่เรียกใช้ผ่าน closed API หรือ API แบบปิด ตารางของ H2O.ai แสดง TimeH2O-v1 อยู่ที่อันดับ 2 จาก 36 โมเดล บริษัทจึงระบุอันดับหนึ่งภายใต้การตั้งค่าตารางที่กำหนด และการเปรียบเทียบดังกล่าวรวมโมเดลที่ไม่ใช่เชิงพาณิชย์ด้วย13
6
ยังมีความแตกต่างระหว่างตารางของ H2O.ai กับรายการ fev-bench บน TSFM.ai ซึ่งแสดงอัตราชนะของ TimeH2O-v1 ที่ 86.14% และ MASE skill score ที่ 39.95 โดยอยู่อันดับ 3 ในตัวชี้วัด MASE ตามหลัง TimeRSI-1.5 และ TimeRSI19 ตัวเลขเหล่านี้ไม่ควรนำไปเทียบตรง ๆ กับอัตราชนะ 91.9% และ skill score 50.8 ที่ H2O.ai รายงาน เพราะตารางที่เผยแพร่แสดงผลและอันดับต่างกัน สิ่งสำคัญคือควรระบุให้ชัดว่ากำลังพูดถึงตัวชี้วัดและเวอร์ชันของตารางใด
GIFT-Eval เป็นอีกการทดสอบหนึ่ง
H2O.ai ระบุว่า TimeH2O-v1 มีค่า MASE รวม 0.654 และ CRPS รวม 0.441 ซึ่งต่ำที่สุดในกลุ่มโมเดล zero-shot บน GIFT-Eval6 ส่วนรายการ GIFT-Eval อีกแห่งแสดงค่าที่ปัดเศษเป็น 0.65 สำหรับ MASE และ 0.44 สำหรับ CRPS พร้อมตัวเลขของ Timestral-209M ที่ 0.66 และ 0.45 ตามลำดับ
24
GIFT-Eval เป็นคนละ benchmark กับ fev-bench ดังนั้นผลชุดนี้ใช้ยืนยันอันดับบน fev-bench ไม่ได้ และควรอ่านเป็นผลการประเมินอีกชุดหนึ่งโดยเฉพาะ
ข้อมูลประกอบและการปรับแต่ง: หลักฐานระบุอะไรบ้าง
แม้คำอธิบาย fev-bench จะครอบคลุมงานที่มีตัวแปรประกอบ (covariates) แต่ตัวเชื่อมต่อ fev ที่ระบุสำหรับ TimeH2O-v1 บอกว่า checkpoint ของโมเดลพยากรณ์แต่ละเป้าหมายแยกจากกันและไม่ใช้ covariates โดยแปลงโจทย์เป็นอนุกรมเวลาแบบตัวแปรเดียว19
22 นี่อธิบายวิธีที่ใช้ประเมินใน benchmark เท่านั้น ไม่ได้ยืนยันขีดความสามารถทั้งหมดของผลิตภัณฑ์หรือระบบใช้งานรูปแบบอื่น
ข้อมูลที่มีไม่ได้อธิบายขั้นตอนที่ลูกค้าจะใช้ fine-tune โมเดลด้วยข้อมูลของตน โครงสร้างพื้นฐานที่ต้องใช้ หรือกระบวนการสร้างโมเดลเฉพาะโดเมนที่ตรวจสอบยืนยันได้ จึงควรสอบถามรายละเอียดกับผู้ให้บริการก่อนถือว่าความสามารถเหล่านี้เป็นฟีเจอร์ที่พร้อมใช้งาน
ข้อมูลฝึกและการกันข้อมูล benchmark ซ้ำ
model card ของ TimeH2O-v1 ระบุว่าไม่นำชุดข้อมูลที่ทับซ้อนกับ fev-bench, GIFT-Eval และ TIME มาใช้ฝึกโมเดล4
8 ตัวอย่างแหล่งข้อมูลฝึกที่เปิดเผย ได้แก่ Chronos datasets ของ AutoGluon, GiftEvalPretrain และ lotsa_data ของ Salesforce รวมถึง Quito corpus
8
ใบอนุญาตของชุดข้อมูลที่ระบุมีหลายแบบ เช่น Apache-2.0 และ CC-BY 4.0 ทั้งนี้ รายการที่เปิดเผยไม่ได้ยืนยันว่าเป็นแหล่งข้อมูลทั้งหมด8
ดาวน์โหลดได้ แต่ไม่ได้หมายถึงใช้เชิงพาณิชย์ได้โดยไม่มีเงื่อนไข
ชุดน้ำหนักของ TimeH2O-v1 อยู่บนคลัง Hugging Face ของ H2O.ai และผู้ใช้ต้องยอมรับเงื่อนไขก่อนดาวน์โหลด10 คลังระบุใบอนุญาต H2O Model Non-Commercial Licence v1.0 ขณะที่หน้า 제품ของ H2O.ai ระบุว่าการใช้งานจริงในภาคการผลิตต้องมีใบอนุญาตจากบริษัท ดังนั้นคำว่า open-weight ไม่ได้แปลว่าอนุญาตให้ใช้งานเชิงพาณิชย์ได้อย่างเสรี
5
14
H2O.ai ยังมี TimeH2O-v1-tiny ซึ่งมีพารามิเตอร์ 5.83 ล้านตัวและใช้ชื่อใบอนุญาตแบบไม่ใช่เชิงพาณิชย์เดียวกัน12
14 แต่ข้อมูลที่มีไม่ได้ยืนยันว่ารุ่น tiny ให้ประสิทธิภาพการพยากรณ์เทียบเท่ารุ่น v1
สรุป
TimeH2O-v1 มีผลที่น่าสนใจสำหรับการพยากรณ์แบบ zero-shot: ตาราง fev-bench ที่ H2O.ai แสดงให้ผลอัตราชนะ 91.9% และ skill score 50.8 ส่วนบริษัทก็รายงานผลเด่นในกลุ่ม zero-shot บน GIFT-Eval1
6 อย่างไรก็ดี อันดับและตัวเลข fev-bench เปลี่ยนไปตามตารางและตัวชี้วัดที่ใช้ การรวม closed API ทำให้อันดับเปลี่ยน และใบอนุญาตที่ระบุไม่ได้เปิดทางให้ใช้เชิงพาณิชย์ในระบบจริงโดยไม่มีสิทธิ์เพิ่มเติม
13
14
19
Studio Global AI
ทำการวิจัยต่อ
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
คนยังถาม
คำตอบสั้น ๆ สำหรับ "TimeH2O-v1 ทำคะแนนเด่นด้านพยากรณ์ แต่ผลจัดอันดับขึ้นอยู่กับเกณฑ์ที่ใช้" คืออะไร
H2O.ai ระบุว่า TimeH2O v1 ซึ่งมีพารามิเตอร์ 108.8 ล้านตัว ทำอัตราชนะ 91.9% และได้ skill score 50.8 จาก 100 งานทดสอบบน fev bench
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร?
H2O.ai ระบุว่า TimeH2O v1 ซึ่งมีพารามิเตอร์ 108.8 ล้านตัว ทำอัตราชนะ 91.9% และได้ skill score 50.8 จาก 100 งานทดสอบบน fev bench ผลอันดับไม่เหมือนกันทุกตาราง: เมื่อรวมโมเดลแบบปิด API รุ่นนี้อยู่อันดับ 2 จาก 36 และอีกตารางหนึ่งแสดงอัตราชนะ 86.14% พร้อมอันดับ 3 ตาม MASE skill score
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?
H2O.ai รายงานผลบน GIFT Eval ที่ MASE 0.654 และ CRPS 0.441 ในกลุ่มโมเดล zero shot แต่ชุดน้ำหนักใช้ใบอนุญาตที่ไม่อนุญาตการใช้งานเชิงพาณิชย์โดยไม่มีสิทธิ์เพิ่มเติม