答案已發布24 個來源
H2O.ai 的 TimeH2O-v1 在 fev-bench 表現亮眼，但「第一名」要看怎麼比
H2O.ai 表示，TimeH2O v1 在 100 項 fev bench 任務中，勝率為 91.9%、技能分數為 50.8；模型有 1.088 億個參數。 榜單名次會隨納入的模型類型與評分指標改變；H2O.ai 另報告，TimeH2O v1 在 GIFT Eval 的零樣本模型中，整體 MASE 為 0.654、CRPS 為 0.441。
發布者使用 GPT-6 Luna 編輯圖片由 GPT Image 2 生成
研究答案
重點整理
- H2O.ai 表示，TimeH2O v1 在 100 項 fev bench 任務中，勝率為 91.9%、技能分數為 50.8；模型有 1.088 億個參數。
- 榜單名次會隨納入的模型類型與評分指標改變；H2O.ai 另報告，TimeH2O v1 在 GIFT Eval 的零樣本模型中，整體 MASE 為 0.654、CRPS 為 0.441。
- 模型權重可從 Hugging Face 取得，但採非商業授權；H2O.ai 表示，正式商用需要另行取得授權。
AI 提示詞
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 於 2026 年 10 月 26 日推出 TimeH2O-v1，主打零樣本時間序列預測：使用者可將預訓練模型用於預測，不必為每一條序列各自訓練一個模型。1
7
13
最醒目的數字是 H2O.ai 所列 fev-bench 榜單上的 91.9% 勝率與 50.8 技能分數，涵蓋 100 項預測任務。不過，這些數字代表特定榜單設定下的結果，不宜解讀成模型在所有評分方式、模型名單和授權類別中都排名第一。1
7
13
先看模型與測試方式
TimeH2O-v1 是一款開放權重的時間序列基礎模型，參數量為 1.088 億，常約稱 1.08 億。fev-bench 以機率預測準確度評估模型，並與季節性天真基準（seasonal-naive baseline）比較；另一個榜單說明指出，測試涵蓋 7 個領域、96 個真實世界資料集，共 100 項任務。1
19
榜單名次，取決於比較範圍與指標
在 H2O.ai 列出的預設勝率榜單中，TimeH2O-v1 以 91.9% 排在 32 個模型之首。榜上 Timestral-209M 為 89.6%、t0-gamma 為 88.1%、TimesFM-3 為 82.7%，Chronos-2 則為 76.8%。13 Bernama 的報導也列出 Timestral-209M 和 t0-gamma 的勝率。
2
但如果把封閉 API 模型也納入，H2O.ai 的榜單顯示 TimeH2O-v1 在 36 個模型中排名第二；H2O.ai 也註明，其宣稱的前段排名包含非商業模型。因此，「第一名」應理解為特定榜單設定下的結果，而非涵蓋所有模型的絕對排名。13
6
另一個重要差異是：不同 fev-bench 榜單呈現的分數並不相同。TSFM.ai 列出的 TimeH2O-v1 勝率為 86.14%，MASE 技能分數為 39.95，按該 MASE 指標排名第三，排在 TimeRSI-1.5 和 TimeRSI 之後。19 這些數字不能直接與 H2O.ai 所列的 91.9% 勝率和 50.8 技能分數互換比較；不同榜單視圖各自呈現了不同數值和名次。閱讀基準測試成績時，指標與榜單版本都不可少。
GIFT-Eval 是另一項測試，不能混為一談
H2O.ai 表示，TimeH2O-v1 在 GIFT-Eval 的零樣本模型中，整體 MASE 和 CRPS 表現最佳，分別為 0.654 和 0.441。6 TSFM.ai 的 GIFT-Eval 榜單則列出四捨五入後的 0.65 和 0.44，Timestral-209M 對應數值為 0.66 和 0.45。
24 GIFT-Eval 與 fev-bench 是不同基準，這組結果不能用來改寫或證實 fev-bench 的排名。
共變量與微調：公開資料能確認什麼？
fev-bench 的任務包含帶有共變量的情境。不過，fev 中列出的 TimeH2O-v1 模型封裝說明指出，該實作會逐一預測目標序列、忽略共變量，並將任務轉換為單變量序列。19
22 這描述的是該基準測試中的實作方式，不能據此推斷整個產品或其他部署介面具備哪些功能。
目前提供的資料也沒有說明客戶如何微調模型、需要什麼基礎設施，或如何將客戶資料轉成領域專用模型。因此，在把微調視為已確認功能前，應先向 H2O.ai 核實相關細節。
訓練資料、權重取得與授權
TimeH2O-v1 的模型卡表示，訓練時排除了與 fev-bench、GIFT-Eval 和 TIME 重疊的資料集。公開列出的訓練資料來源包括 AutoGluon 的 Chronos 資料集、Salesforce 的 GiftEvalPretrain 與 lotsa_data，以及 Quito corpus；模型卡摘錄列出多種資料集授權，包括 Apache-2.0 和 CC-BY 4.0。這份公開清單不一定完整。4
8
模型權重託管於 H2O.ai 的 Hugging Face 儲存庫，下載前須接受存取條件。儲存庫列出的授權為 H2O Model Non-Commercial Licence v1.0；H2O.ai 產品頁並指出，正式投入生產用途須向公司取得授權。因此，「開放權重」不等於可不受限制地商業部署。5
10
14
H2O.ai 另提供 TimeH2O-v1-tiny，參數量為 583 萬，使用相同名稱的非商業授權。12
14 現有資料未證實這個較小版本能達到與 v1 相同的預測表現。
重點整理
TimeH2O-v1 的確有亮眼的公開成績：H2O.ai 列出的 fev-bench 榜單給出 91.9% 勝率和 50.8 技能分數，H2O.ai 也報告其在 GIFT-Eval 零樣本模型中的 MASE、CRPS 表現突出。1
6 但榜單設定和評分指標會影響名次，其他 fev-bench 榜單呈現不同分數；此外，模型權重的非商業授權也不允許直接假設可以無限制用於商業生產環境。
13
14
19
Studio Global AI
繼續深入研究
這個頁面包含附來源佐證的答案，你可以在 Studio Global 內繼續追問。
大家也會問
「H2O.ai 的 TimeH2O-v1 在 fev-bench 表現亮眼，但「第一名」要看怎麼比」的簡短答案是什麼？
H2O.ai 表示，TimeH2O v1 在 100 項 fev bench 任務中，勝率為 91.9%、技能分數為 50.8；模型有 1.088 億個參數。
最值得優先驗證的重點是什麼？
H2O.ai 表示，TimeH2O v1 在 100 項 fev bench 任務中，勝率為 91.9%、技能分數為 50.8；模型有 1.088 億個參數。 榜單名次會隨納入的模型類型與評分指標改變；H2O.ai 另報告，TimeH2O v1 在 GIFT Eval 的零樣本模型中，整體 MASE 為 0.654、CRPS 為 0.441。
接下來在實務上該怎麼做？
模型權重可從 Hugging Face 取得，但採非商業授權；H2O.ai 表示，正式商用需要另行取得授權。