תגית: מודלי יסוד

Mistral AI הודיעה על השקת Timestral, משפחת מודלי יסוד לחיזוי סדרות זמן. לפי פרסום החברה, המודלים נועדו לחזות ערכים עתידיים על בסיס רצפים של נתונים מספריים שנאספו לאורך זמן, ולא לשמש לשיחה עם משתמשים כמו מודלי שפה רגילים.

המשפחה מוצעת בארבעה גדלים, בין כ-5 מיליון ל-209 מיליון פרמטרים. לפי כרטיס המודל באתר Hugging Face, שם מופיעות ארבע הגרסאות, אורך ההקשר המרבי הוא 32,768 צעדי זמן. Mistral מציינת גם שהמודלים תומכים בתחזיות הסתברותיות, כלומר תחזית של טווח אפשרויות ולא רק ערך יחיד, וביכולת לעבוד עם סדרות מרובות משתנים במקביל. לפי החברה, אפשר להריץ אותם ביעילות על מעבדים רגילים, בלי תלות בכרטיסי גרפיקה.

החברה מדווחת שהמודל הגדול, בגודל 209 מיליון פרמטרים, הגיע למקום הראשון בשלושה מדדי השוואה לחיזוי סדרות זמן: GIFT-Eval, TIME ו-fev-bench. זו טענה של Mistral עצמה. הכתבה הזו לא בדקה את הטענה ולא אימתה אותה באופן עצמאי, ולכן כדאי לקרוא אותה כטענת החברה ולא כעובדה מאומתת.

השוואה מפורטת למודלים של Google ו-Amazon, שפועלים גם הם בתחום חיזוי סדרות הזמן, לא נבדקה במסגרת הכתבה, ולכן אין כאן הערכה יחסית אליהם.

הנקודה החשובה לקורא היא ההבחנה בין סוגי המודלים. Timestral אינו צ'אטבוט. הוא כלי לחיזוי כמותי, ותחום השימוש שלו שונה לגמרי ממודלי השפה שהחברה מוכרת בהם.

מקורות:
הודעת Mistral AI על Timestral
כרטיס המודל Timestral-123M ב-Hugging Face

חברת Physical Intelligence, שמפתחת מודלי יסוד לרובוטים, הכריזה על Pi API בגרסת בטא. הממשק מאפשר לצוותים חיצוניים להעלות נתונים, לכוונן את מודלי π0 ו-π0.5 ולהריץ אותם דרך שער הסקה מאוחסן. לפי הבלוג הרשמי של החברה, ההכרזה פורסמה ב-13 באוקטובר 2026.

מה החברה מציעה

לפי ההכרזה, זרימת העבודה בנויה משלושה שלבים. ראשית, המפתחים מעלים נתונים משלהם. שנית, הכוונון (fine-tuning) רץ על תשתית מנוהלת של Pi. שלישית, ההסקה (inference) מתבצעת דרך שער מאוחסן, כך שלא צריך להקים שרתים משלכם כדי להריץ את המודל. הגישה לבטא נעשית דרך רשימת המתנה, והחברה כותבת שהיא פותחת כעת גישה לצוותים נוספים.

הקשר: מה כבר פתוח, ומה חדש

π0 ו-π0.5 כבר שוחררו בקוד פתוח בפרויקט openpi, ולכן ההכרזה אינה שחרור של מודל בקוד פתוח. הנקודה החדשה היא שכבת הגישה: במקום להריץ ולכוונן את המודלים בעצמכם, החברה מציעה לעשות זאת בשבילכם. לפי החברה, המודל העדכני ביותר הזמין דרך ה-API כבר מציע כוונון יעיל יותר בנתונים ויכולות משופרות לשותפים, וכי היא תמשיך להנגיש את המודלים החדשים שלה דרכו. מי שכבר עובד עם openpi יכול להשוות בין שתי הדרכים לפי הצרכים שלו.

דוגמאות שימוש, לפי החברה

החברה מתארת שותפים שכבר עובדים עם המודלים במגוון משימות ותחומים, וציינה בציוץ ההשקה קטיף תותים והרכבת שרתים. לפי הבלוג, רוב היישומים שהוצגו, מיפן ועד שווייץ ולפרוס בארצות הברית, רצו עם הסקה מבוססת ענן דרך ה-API, וחלקם נתקלו באתגרי קישוריות לרשת. אלו דוגמאות שהחברה עצמה מסרה; לא נבדקו פרטי הפרויקטים, התוצאות או מידת ההשתתפות של השותפים.

החברה מדגישה גם את תהליך השיפור שהשותפים עוברים: איסוף הדגמות, אימון מודל, בדיקה על הרובוט, ושימוש בכשלים כדי להחליט על הנתונים הבאים. לפי הבלוג, זה התהליך שה-API נבנה כדי לאפשר למפתחים לבצע בעצמם.

סרגיי לוין, אחד ממייסדי החברה, כתב בציוץ נפרד כי "לפני שנה לא הייתי מאמין שמודלי PI יכולים לרוץ על מגוון כה רחב של רובוטים". גם זו טענה של לוין עצמו, ולא נבדקה באופן עצמאי.

מה לא נכלל בהכרזה, לפי התיק

ההכרזה אינה כוללת פרטי תמחור, מספר הצוותים בבטא, תנאי השימוש או מדדי ביצוע של המודלים בכוונון ובהסקה. אלו נתונים שכדאי לבדוק בתיעוד או בבלוג של החברה לפני שמסתמכים עליהם.

מקורות ומגבלות

הכתבה מבוססת על הבלוג הרשמי של החברה, "Frontier Models for Every Robot", מ-13 באוקטובר 2026: https://www.pi.website/blog/api-beta, ועל הציוץ הרשמי של החברה ושל סרגיי לוין. לא נבדק פרסום עצמאי של כלי תקשורת אחר. כל מה שמופיע כאן כ"לפי החברה" הוא טענת החברה, ולא אומת בידי כתב העיתון.