미스트랄 타임스트랄(Timestral) 공개: 시계열 예측 모델 4종·실행 조건

미스트랄이 2026년 10월 15일 공개한 타임스트랄(Timestral)은 센서값·수요·거래량처럼 시간에 따라 쌓이는 수치를 예측하는 AI 모델입니다. 5M·28M·123M·209M 네 가지 크기로 나왔고 추론에는 GPU가 필수가 아닙니다. 다만 코드와 모델 가중치의 라이선스가 다르므로 기업에서 쓰려면 가중치의 매출 조건부터 확인해야 합니다.

챗봇처럼 질문에 문장으로 답하는 모델을 찾는다면 용도가 다릅니다. 타임스트랄은 숫자 시계열을 입력받아 미래 구간과 그 불확실성을 예측합니다. 아래 내용은 공식 발표·저장소·라이선스를 확인한 정리이며 직접 실행하거나 성능을 측정한 후기는 아닙니다.

대표 이미지: Mistral AI 공식 저장소의 Timestral 배너. 원본 이미지 · Apache 2.0 라이선스 전문. 원본을 변형하지 않았습니다.

자체 제작 개념도입니다. 실제 관측 데이터나 모델 실행 결과를 나타내지 않습니다.

타임스트랄은 무엇을 예측하나요?

타임스트랄은 여러 관련 시계열을 함께 다루는 시계열 파운데이션 모델입니다. 예를 들어 설비의 온도·압력·진동을 각각 따로 보는 대신 함께 입력해 예측하는 방식입니다. 공식 발표는 에너지, 공급망, 설비 관리, 금융 등을 활용 예로 제시했습니다. 특정 현장에서 효과가 검증됐다는 뜻은 아닙니다.

이미 사전학습된 모델을 새 데이터에 적용하는 제로샷 예측을 지원합니다. 미래값 하나만 내놓는 대신 21개 분위수를 출력해 예측의 불확실성도 살펴볼 수 있습니다. 지원하는 문맥 길이는 최대 32,768개 시점입니다. 이 수치는 텍스트 토큰 수와 구분해야 합니다.

모델 4종은 크기와 실행 부담이 어떻게 다른가요?

공식 저장소가 안내한 모델별 크기입니다. 가중치 파일 용량은 fp32 기준이며 실행 중 필요한 전체 메모리나 설치 용량을 뜻하지 않습니다.

모델	파라미터	가중치 용량
Timestral-5M	5M	21 MB
Timestral-28M	28M	111 MB
Timestral-123M	123M	490 MB
Timestral-209M	209M	837 MB

미스트랄은 작은 모델은 속도와 비용에, 큰 모델은 예측 성능에 무게를 뒀다고 설명합니다. CPU와 GPU에서 추론할 수 있지만 모든 노트북에서 같은 속도로 작동한다는 보장은 없습니다. 도입 전에는 실제 데이터 길이·변수 수·동시 처리량을 넣어 비교하는 편이 좋습니다.

미래에 이미 아는 정보를 넣을 수 있나요?

타임스트랄은 과거에만 값이 있는 보조 변수와, 예측할 미래 구간의 값까지 미리 아는 보조 변수를 구분해 받습니다. 생산 일정이나 계획된 정지 시간처럼 이미 정해진 정보가 후자에 해당합니다. 요일·설비 상태 같은 범주형 보조 변수도 지원합니다.

입력 설계에서는 예측 시점에 실제로 알 수 있었던 정보만 넣어야 합니다. 나중에 확정된 값을 미리 넣으면 과거 검증 점수가 좋아 보여도 실제 운영 성능을 판단하기 어렵습니다. 미래 보조 변수 지원을 미래 정답을 넣어도 된다는 의미로 받아들이면 안 됩니다.

벤치마크 1위 발표는 어디까지 확인됐나요?

미스트랄은 출시 시점에 GIFT-Eval·TIME·fev-bench에서 사전학습·제로샷 모델 중 1위를 기록했다고 발표했습니다. 단일 체크포인트를 사용했고 앙상블하지 않았다는 설명도 덧붙였습니다. 이는 개발사가 공개한 평가 결과이며, 이 글에서 재현하거나 독립적으로 검증한 수치가 아닙니다.

공식 발표는 전체 결과를 담은 기술 보고서가 뒤따를 예정이라고 안내했습니다. 공개 벤치마크 순위만으로 특정 회사의 수요 예측, 투자 수익, 장애 탐지 정확도까지 보장할 수는 없습니다. 기존 예측 방식과 같은 기간·같은 입력 조건으로 비교해야 합니다.

어디서 받고 어떤 환경에서 실행하나요?

코드는 미스트랄 공식 GitHub 저장소에서, 가중치는 공식 Hugging Face 컬렉션에서 확인할 수 있습니다. 저장소는 Python 3.10 이상과 PyTorch 2.4 이상을 안내하며 NumPy·safetensors·huggingface_hub를 사용합니다.

설치·입력 배열·예측 예제는 저장소 README를 따르세요. 최초 모델 다운로드와 캐시 준비, 데이터의 결측값 처리, 예측 길이를 먼저 확인하면 됩니다. 이 글에서는 설치 명령을 직접 실행하지 않았으므로 특정 운영체제의 설치 성공을 보장하지 않습니다.

기업용 학습·적응 경로로는 Mistral Forge가 소개됐습니다. 공식 발표는 자체 하드웨어와 망분리 환경 배포도 설명하지만 이를 개인용 무료 서비스나 정액 API 요금으로 해석하면 안 됩니다. 기업 계약의 가격과 지원 범위는 별도 확인 대상입니다.

무료인가요? 상업 이용 전에 볼 라이선스 조건

저장소 코드는 Apache 2.0, 모델 가중치는 Modified MIT입니다. 코드 라이선스만 확인하고 가중치도 같은 조건이라고 판단하면 안 됩니다.

209M 가중치 라이선스에는 직전 월의 회사 또는 고용주의 전 세계 연결 월매출이 2,000만 달러를 초과하면 해당 라이선스의 권리를 행사할 수 없다는 조건이 있습니다. 이 경우 별도 상업 라이선스를 문의하거나 미스트랄의 호스팅 서비스를 선택할 수 있다고 안내합니다. 모델 사본 등에 저작자 표시와 허가 고지를 포함해야 한다는 조건도 있습니다.

따라서 가중치 공개를 누구나 아무 제한 없이 상업 이용할 수 있다는 뜻으로 쓰면 부정확합니다. 실제 사용할 모델 저장소의 최신 라이선스와 사내 법무 기준을 함께 확인하세요. 가중치를 내려받을 수 있다는 사실과 실행 인프라·기업 지원 비용은 별개입니다.

도입 전에는 이 항목부터 확인하세요

• 작업 종류: 문장 생성이 아니라 숫자 시계열 예측이 필요한가요?
• 데이터: 시간 간격·결측값·여러 변수의 정렬 상태를 확인했나요?
• 검증: 미래 정보가 섞이지 않도록 나누고 기존 모델과 비교했나요?
• 실행 환경: 작은 모델부터 실제 지연 시간과 메모리 사용량을 측정했나요?
• 이용 조건: 코드와 가중치 라이선스, 회사 매출 조건을 각각 확인했나요?

가벼운 시계열 모델을 찾는 팀이라면 네 가지 크기를 같은 데이터로 비교할 출발점이 생겼습니다. 다만 공개 순위와 현장 성능은 구분하고 모델 크기보다 데이터 조건과 이용 허가를 먼저 맞추는 것이 안전합니다.

공식 자료 출처와 확인 기준

확인일: 2026년 10월 16일. 발표일은 미스트랄 원문의 2026년 10월 15일 표기를 따랐습니다. 이 글은 발표 내용과 도입 전 확인 사항을 구분해 정리했습니다.

• 미스트랄 Timestral 공식 발표
• Timestral 1.0 공식 문서
• 공식 코드·README·Apache 2.0 라이선스
• 모델 가중치 Modified MIT 라이선스