## 事件概述 IBM Research 在 Hugging Face 官方企业文章中宣布，Granite Time Series PatchTST-FM-r2 于 2026 年 9 月 9 日发布，是 PatchTST-FM-r1 的后续版本。本文于 9 月 16 日核对了 IBM Research 文章和 Hugging Face 模型卡，发布日期按文章发布日记录。 ## 模型与开发者 开发者为 IBM Research，模型面向通用时间序列零样本预测。官方资料给出的规模约为 3.85 亿参数，支持最长 8,192 点上下文、可变预测长度，并通过 99 分位数预测头提供概率预测。模型权重、架构、推理流程和复现实验代码已在 Hugging Face 与 Granite TSFM 相关仓库公开。 ## 关键改动 r2 用结合多头自注意力与时间卷积的 Conformer 风格模块替换旧的纯 Transformer 模块，让模型同时捕捉跨时间片的长期关系和局部变化；训练数据也扩大，并加入 IBM 资料所述的合成数据。官方模型卡还说明，r2 继续采用重叠切片和重叠相加的预测方式，以平滑片段之间的输出。 ## 适用对象 需求、价格、能源负荷、交通、设备遥测、交易量等有规律采样数据的分析团队，可以先用近期历史数据进行零样本预测，再决定是否需要微调。它特别适合想减少“每个数据集训练一个模型”维护成本的开发者；概率输出也便于制作区间预测和风险提示。 ## 实际影响与限制 IBM 的官方文章称，模型在 GIFT-Eval 的可复现零样本类别中表现靠前，但该排名依赖指定数据筛选、复现实验和评测协议，不能替代对业务数据的验证。模型卡还注明部分结果处于基准项目待合并状态。部署前应检查采样频率、缺失值处理、预测跨度和数据分布漂移；Hugging Face 模型卡标注为 OpenMDW-1.0，具体使用仍需阅读随附条款。 ## 官方来源 [IBM Research：Granite Time Series PatchTST-FM-r2 发布公告（2026-09-09）](https://huggingface.co/blog/ibm-research/ibm-releases-sota-granite-timeseries) [Hugging Face 官方模型卡](https://huggingface.co/ibm-granite/granite-timeseries-patchtst-fm-r2)