A IBM lançou em 8 de setembro de 2026 o Granite Time Series PatchTST-FM-r2, nova geração de seu modelo fundacional para previsões em séries temporais. O modelo chega com arquitetura reformulada, desempenho de ponta em benchmarks e uma licença aberta e comercialmente amigável, mirando aplicações empresariais e acadêmicas.
O que é o PatchTST-FM-r2
O PatchTST-FM-r2 é a evolução da família Granite TSFM. Com cerca de 385 milhões de parâmetros e janela de contexto de até 8.192 pontos, o modelo é voltado para previsões zero-shot em domínios como demanda, preços, energia, tráfego e telemetria. O diferencial está na arquitetura baseada em “conformer blocks”, que combinam self-attention multi-head com convolução temporal, permitindo capturar tanto padrões de longo quanto de curto prazo em séries temporais.
Entre as principais novidades frente ao PatchTST-FM-r1, destacam-se:
- Substituição das camadas padrão de transformer por conformers, trazendo mecanismos complementares para relações temporais.
- Previsão probabilística nativa via 99-quantile head.
- Suporte explícito à imputação de valores faltantes.
- Treinamento em corpus ampliado, visando robustez em múltiplos cenários.
O modelo, seu pipeline de inferência e código para reprodução dos resultados estão disponíveis em código aberto, sob dupla licença permissiva (Apache 2.0 e OpenMDW 1.0).
Desempenho em benchmarks: GIFT-Eval
O PatchTST-FM-r2 foi avaliado no GIFT-Eval, benchmark abrangente para modelos de previsão de séries temporais. No cenário de zero-shot (sem ajuste específico para cada dataset), o modelo ocupa a segunda posição geral entre os modelos replicáveis e lidera entre os lançados sob licenças comerciais permissivas.
- CRPS (geometric mean): 0,467 — atrás apenas do TimesFM-3.
- MASE (geometric mean): 0,6846.
Mesmo considerando modelos que puderam usar dados de treino do benchmark, o PatchTST-FM-r2 permanece competitivo: terceiro melhor em CRPS e quarto em MASE, superando concorrentes maiores como Chronos-2 e Timer-S1.
Licenciamento e aplicação
A IBM aposta em um modelo open source verdadeiramente comercial, oferecendo a escolha entre Apache 2.0 e OpenMDW 1.0. Isso facilita a adoção por empresas que exigem clareza e permissividade jurídica. O modelo já vem integrado a pipelines para uso em produção, com exemplos de aplicação em streaming via Confluent.
A documentação e exemplos de uso estão disponíveis no repositório oficial da Hugging Face.
Por que importa
A chegada do PatchTST-FM-r2 amplia o acesso a modelos fundacionais de séries temporais com desempenho de referência e licença verdadeiramente aberta. Para empresas brasileiras que dependem de previsões robustas, a possibilidade de adoção comercial sem restrições e com reprodutibilidade pública é um diferencial relevante diante de alternativas fechadas ou restritas. O avanço da arquitetura, agora baseada em conformers, também antecipa tendências para modelos fundacionais em dados tabulares e temporais.