公開：2026年9月10日, 最終更新：2026年9月10日
30秒サマリー
- IBMがGranite TSFMファミリー最新モデルをApache 2.0／OpenMDW 1.0の商用許諾ライセンスで公開
- GIFT-Evalゼロショット部門で全体2位・商用許諾モデル中では最高性能を記録（2026年9月8日時点）
- 約3億8500万パラメータ、ゼロショット予測対応でファインチューニング不要、事前学習データも文書化
何が起きたか
IBMのリサーチチームは、時系列予測向け基盤モデル「Granite Time Series PatchTST-FM-r2」をHugging Face上で公開した（ブログ公開日は2026年9月9日）。前世代モデル「PatchTST-FM-r1」の後継にあたり、約3億8500万パラメータ、最大8,192ステップのコンテキスト長、99分位数による確率的予測、欠損値補完機能を備える。アーキテクチャ面では、従来のトランスフォーマー層に代えて、マルチヘッド自己注意と時間的畳み込みを組み合わせた「コンフォーマーブロック」を採用。長距離依存関係を自己注意で、短距離の局所構造を畳み込みで捉える設計により予測精度を向上させたとIBMは説明している。
時系列予測ベンチマーク「GIFT-Eval」において2026年9月8日時点で、ゼロショット・再現可能・テストリーク無しの条件に絞った場合、CRPSおよびMASEの両指標で再現可能なゼロショットモデル全体の2位を記録。Apache 2.0またはOpenMDW 1.0の商用許諾ライセンスが付与されたモデルの中では同カテゴリ最高順位となる。さらに、ベンチマーク訓練データを事前学習に使用できる「プレトレーニング済み」モデルも加えた比較でも、CRPS3位・MASE4位を維持しており、Chronos-2やTimer-S1、Totoのバリアントなど一部の大規模モデルを上回る結果を示した。
事前学習データは、GiftEvalPretrainの選定データセット、KernelSynthをベースとする合成データ、TSMixupコーパス、約50万件の合成CauKerシーケンス（各長さ4,096）の4ソースで構成され、構成内容が文書化されている。モデルの重み、アーキテクチャ、推論パイプライン、ベンチマーク再現コードはすべて公開されており、数行のPythonコードで自社データへの適用が可能。また、IBMとConfluentは、ストリーミングデータ向けにConfluent Cloud上のApache Flinkを通じてGranite Time Seriesモデルを利用できるEarly Accessプログラムを別途提供していると原文では言及されている。
原典ハイライト
GIFT-Evalのゼロショット・再現可能カテゴリ（2026年9月8日時点）において、PatchTST-FM-r2はCRPS幾何平均0.467（2位）、MASE幾何平均0.6846（2位）を記録。商用許諾モデルに限定すれば同カテゴリ首位。ベンチマーク訓練データを使用できるプレトレーニング済みモデルとの合算比較でも上位に位置し、より大規模な競合モデルを含む複数のモデルを上回ったとIBMは説明している。
出典: Hugging Face Blog（公式ブログ）
So What?（なぜ重要か）
編集部の見立てでは、本モデルの最大の意義は「コスト構造の変化」にある。時系列予測モデルにとってこれまでの最大コストは、データセットごとに個別モデルを構築・保守することだった。本モデルはゼロショット推論に対応するため、ファインチューニングなしに需要・価格・エネルギー負荷・トラフィックなど多様な時系列データへ即時適用できる。Apache 2.0ライセンスによって商用利用・改変・再配布の制約が少なく、企業が本番環境へ組み込む際の法的リスクが相対的に低い点も採用を後押しする要因となり得る。事前学習データの構成が公開されていることも、AI調達やガバナンス審査を求める企業には評価材料となり得る。
日本企業への示唆
需要予測・在庫管理・設備保全などで時系列分析を行っている日本企業にとって、本モデルはPoC（概念実証）の初期コストを大幅に下げる選択肢となり得る。ファインチューニング不要でゼロショット予測が可能なため、データサイエンティストのリソースが限られる中堅企業でも試験導入しやすい。商用利用がApache 2.0ライセンスで認められている点は、社内ガバナンスや法務審査を経る必要がある日本企業においてもハードルを下げる。一方、事前学習データの詳細確認や自社データでの精度検証は引き続き必要であり、ベンダー評価プロセスに組み込む形での段階的導入が現実的な進め方といえる。Confluent Cloud経由のストリーミング連携はリアルタイム需給管理への応用も示唆するが、こちらは原文時点でEarly Accessの段階にとどまる点に留意が必要だ。
背景・経緯
IBMはGranite Time Series Foundation Model（TSFM）ファミリーとして複数の時系列モデルを展開しており、PatchTST-FM-r2はその最新版にあたる。GIFT-EvalはHugging Faceを含む研究コミュニティが参照する時系列予測の総合ベンチマークで、多様なデータセットと予測シナリオをカバーする。時系列基盤モデル分野ではChronos（Amazon）やTimesFMなど複数の競合モデルが存在し、ライセンス条件と性能を軸にした競争が続いていることが原文からも読み取れる。
