A IBM anunciou em 8 de setembro de 2026 o lançamento do Granite Time Series PatchTST-FM-r2, seu novo modelo fundacional para previsão de séries temporais, com código, pesos e pipeline de inferência disponíveis em código aberto e licença permissiva para uso comercial [fonte].
O modelo: arquitetura e capacidades
O PatchTST-FM-r2 é a evolução da linha Granite Time Series Foundation Model (TSFM) da IBM. São aproximadamente 385 milhões de parâmetros, contexto de até 8.192 pontos e suporte a previsões probabilísticas via 99 quantis. O modelo foi projetado para casos de uso zero-shot, ou seja, para gerar previsões em séries temporais que não fizeram parte do treinamento, reduzindo a dependência de modelos específicos para cada dataset.
A principal novidade técnica é a adoção de uma arquitetura baseada em conformer blocks, que combinam multi-head self-attention com convolução temporal. Essa abordagem, derivada originalmente de aplicações em processamento de fala, permite ao modelo capturar tanto padrões de longo prazo quanto estruturas locais nas séries temporais. O resultado, segundo a IBM, é uma melhoria significativa nas métricas de erro em relação à geração anterior (PatchTST-FM-r1).
O PatchTST-FM-r2 também implementa imputação de valores faltantes e previsão probabilística, ampliando a aplicabilidade para cenários reais de dados incompletos e incerteza intrínseca.
Benchmark: desempenho no GIFT-Eval
No benchmark GIFT-Eval, referência para avaliação de modelos de séries temporais, o PatchTST-FM-r2 alcançou a segunda posição geral entre modelos zero-shot replicáveis (ou seja, testados sem vazamento de dados e com pipeline aberto), ficando atrás apenas do TimesFM-3. Os resultados divulgados:
- CRPS (geometric mean): 0,467 (quanto menor, melhor)
- MASE (geometric mean): 0,6846
O modelo supera todos os concorrentes que também possuem licenças comerciais permissivas (Apache 2.0 e OpenMDW 1.0). Mesmo quando comparado a modelos que puderam usar dados de treino do benchmark (categoria pretrained), o PatchTST-FM-r2 permanece competitivo, superando opções como Chronos-2, Timer-S1 e variantes Toto, inclusive alguns modelos bem maiores.
Licenciamento e uso prático
A IBM liberou o modelo sob dupla licença (Apache 2.0 e OpenMDW 1.0), facilitando a adoção tanto em pesquisa quanto em aplicações comerciais. Pesos, arquitetura, pipeline de inferência e exemplos de código estão disponíveis no Hugging Face. Segundo o anúncio, o modelo é indicado para aplicações de previsão zero-shot em demanda, preços, cargas de energia, tráfego, telemetria e outras séries temporais numéricas.
A empresa também destaca a integração do modelo em cenários de streaming, incluindo uso em produção com a stack da Confluent, ampliando o leque de aplicações para ambientes de dados em tempo real.
Por que importa
O Granite Time Series PatchTST-FM-r2 se posiciona como um dos principais modelos abertos para previsão zero-shot de séries temporais, combinando desempenho competitivo, arquitetura moderna e licença realmente amigável ao uso comercial. Para empresas e pesquisadores brasileiros, representa uma alternativa robusta e sem custos de licença para automatizar previsões em ambientes diversos — sem a necessidade de treinar modelos dedicados para cada caso, o que reduz custo e acelera a entrega de valor. O movimento reforça a tendência de fundações abertas e replicáveis também para tarefas além do texto e imagem.