A IBM anunciou a disponibilização do Granite Time Series PatchTST-FM-r2, a mais recente evolução na sua família de modelos de fundação dedicados à previsão de séries temporais. Este novo modelo, que sucede à versão r1, apresenta uma arquitetura otimizada com cerca de 385 milhões de parâmetros, concebida para melhorar a captura de relações temporais de curto e longo prazo. A atualização introduz capacidades avançadas, incluindo a previsão probabilística através de uma cabeça de predição de quantis e suporte nativo para a imputação de valores em falta, tornando-o uma ferramenta versátil para aplicações que vão desde a gestão de energia e tráfego até à análise de telemetria e preços.
Um dos pontos centrais deste lançamento é a estratégia de licenciamento adotada pela IBM. O modelo é disponibilizado sob licenças Apache 2.0 e OpenMDW 1.0, permitindo que as empresas utilizem a tecnologia em ambientes comerciais. Esta abertura, combinada com a disponibilização pública dos pesos, da arquitetura e do pipeline de inferência, visa facilitar a adoção e a reprodutibilidade dos resultados, um fator crítico para a confiança em sistemas de inteligência artificial aplicados a dados de negócio.
Em termos de desempenho, o PatchTST-FM-r2 posiciona-se como um dos líderes no benchmark GIFT-Eval, que avalia a capacidade de generalização de modelos em cenários onde não foram especificamente treinados, a chamada abordagem zero-shot. Segundo os dados divulgados pela equipa de investigação da IBM, o modelo ocupa o segundo lugar global entre as soluções replicáveis e zero-shot. Mais significativamente, o PatchTST-FM-r2 destaca-se como o modelo com melhor desempenho nesta categoria específica entre todos aqueles que possuem licenças permissivas e amigáveis para o setor empresarial.
A eficácia do modelo é evidenciada pela sua capacidade de competir mesmo com sistemas que tiveram acesso aos dados de treino do próprio benchmark. Ao comparar o PatchTST-FM-r2 com modelos pré-treinados que utilizam dados de avaliação, o sistema da IBM mantém-se nos lugares cimeiros, superando arquiteturas como o Chronos-2 ou o Timer-S1 em métricas como o CRPS e o MASE. Este resultado é alcançado através de uma arquitetura baseada em blocos conformadores que combinam mecanismos de autoatenção com convolução temporal, permitindo uma representação mais fluida e precisa das séries temporais.
A IBM sublinha ainda a facilidade de integração do modelo em fluxos de trabalho de produção, incluindo aplicações de streaming de dados em tempo real, através de parcerias como a estabelecida com a Confluent. Com uma janela de contexto que suporta até 8.192 tokens, o PatchTST-FM-r2 oferece a flexibilidade necessária para lidar com volumes elevados de dados, consolidando a aposta da empresa em modelos de fundação que equilibram rigor científico, desempenho técnico e acessibilidade comercial para o mercado global.
Porque importa
O lançamento do PatchTST-FM-r2 é relevante por democratizar o acesso a modelos de previsão de séries temporais de alto desempenho sob licenças permissivas. Ao permitir que empresas integrem tecnologia de ponta sem as restrições de modelos fechados, a IBM acelera a adoção de IA em setores críticos como energia, logística e finanças, onde a precisão na previsão é um fator determinante para a eficiência operacional.