¿Cuánto venderás la semana que viene? TimesFM-3 y ChatGPT
🇬🇧 English • 🇮🇹 Italiano • 🇩🇪 Deutsch • 🇫🇷 Français • 🇧🇷 Português
¿Alguna vez has pegado el histórico de ventas en ChatGPT para saber cuánto venderás el mes que viene? TimesFM-3 de Google se descarga gratis desde Hugging Face, pero ¿qué te deja hacer su licencia en una empresa? ¿Qué alternativas puedes meter dentro de un producto que vendes? ¿Y cómo sabes si una previsión aguanta con tus datos? He ejecutado un backtest real para verlo.
Seguro que alguna vez has pegado en un chat con la IA las ventas de los dos últimos años y le has preguntado cuánto venderás el próximo trimestre. La respuesta llega bien escrita y con números dentro. Pero un modelo de lenguaje está entrenado para predecir la siguiente palabra de un texto. Con los números, en el mejor caso se escribe sobre la marcha un pequeño cálculo estadístico, en el peor te devuelve una cifra plausible. En los dos casos nadie ha medido cuánto se equivoca esa previsión con tus datos.
Para los números existen modelos hechos a propósito. En bit Time Professionals llevamos años trabajando con modelos de machine learning para la previsión de la demanda y de las ventas, la carga de los sistemas y la evolución del almacén. Este artículo es la versión escrita del episodio 15 de while true do; (en italiano), y además trae el código y la salida de un backtest que ejecuté para escribirlo.
En este artículo
¿Qué es un foundation model para series temporales?
Hasta hace poco, para hacer forecasting tenías que entrenar un modelo a medida para cada serie: las ventas de una tienda, la carga de un servidor, el consumo de una planta. Los Time Series Foundation Models son modelos ya entrenados con enormes cantidades de series temporales. Los usas con tus números tal como están, sin volver a entrenarlos. Es lo que se llama previsión zero-shot.
La idea viene de los modelos de lenguaje. TimesFM toma la misma arquitectura y la adapta a los números: en lugar de partir una frase en palabras, divide la serie en pequeños bloques de valores consecutivos (los patches) y aprende a predecir el bloque siguiente.
TimesFM-3, qué hace
Google Research publicó TimesFM-3 el 31 de agosto de 2026. Tiene 330 millones de parámetros y, según el blog de Google, se entrenó con más de un billón (un millón de millones) de puntos temporales, entre datos reales y sintéticos. Google lo declara primero, entre los foundation models, en tres benchmarks: GIFT-Eval, fev-bench y TIME.
La novedad que importa si desarrollas aplicaciones son las previsiones multivariantes con covariables. Multivariante quiere decir que el modelo predice varias series a la vez, teniendo en cuenta cómo se influyen entre sí. Las covariables son los factores externos que explican los números: el tiempo, los festivos, las promociones. TimesFM-3 acepta tanto las que conoces solo en el pasado como las que ya se saben para el futuro, como las fechas de las rebajas.
Piensa en un servicio de entrega a domicilio. El histórico de pedidos por sí solo muestra una curva casi plana. Si le pasas al modelo también el tiempo, descubre que los fines de semana de lluvia los pedidos subieron, y si el pronóstico anuncia lluvia para el sábado que viene, la previsión sube. Así repones el almacén y organizas los turnos antes de quedarte sin mercancía.
También funciona en los Mac con Apple Silicon, con un backend MLX que no necesita PyTorch, y en el repositorio ya hay un archivo de instrucciones para los agentes de IA.
Qué dice la licencia
El código de TimesFM en GitHub está bajo Apache 2.0. Los pesos de TimesFM-3 se descargan gratis desde Hugging Face, pero con una licencia nueva, la TimesFM Non-Commercial License v1.0. Hasta la 2.5, también los pesos estaban bajo Apache 2.0.
La licencia define así el uso no comercial:
“Non-Commercial Purpose” means use for testing, evaluation, or research not tied to commercial gain, production deployment, or revenue generation. This includes internal benchmarking, academic research, and experimentation on private or public datasets, provided the results are not used in commercial decision-making, client deliverables, or paid products/services.
Es decir, puedes probarlo y evaluarlo también dentro de una empresa, pero solo mientras los resultados no sirvan para decisiones comerciales. Si la previsión te sirve para decidir cuánta mercancía pedir, ese uso no está cubierto, aunque el modelo corra solo en tu servidor y ningún cliente lo vea. El README lo dice sin rodeos: “Commercial or production use of downloaded / self-hosted weights is not permitted”.
Para el uso comercial, Google indica BigQuery. La documentación de Google Cloud dice que allí el uso se rige por los términos de Google Cloud, que lo permiten, y que la licencia no comercial vale solo para los pesos descargados. Eso sí, las guías sobre el multivariante en BigQuery siguen marcadas como Preview.
Si en cambio quieres ejecutar el modelo en casa, o distribuirlo junto con tu software, TimesFM 2.5 sigue bajo Apache 2.0. Antes de decidir, lee la licencia entera y pásasela a quien lleva los contratos en tu empresa: el enlace está en las fuentes, al final.
Las alternativas
Si quieres un motor de previsión dentro de tu software de gestión, en servidores normales sin tarjetas gráficas y con una licencia que te deje venderlo, alternativas hay. Esta es la situación a 17 de noviembre de 2026, sacada de las model cards y de los repositorios oficiales.
| Modelo | Quién lo hace | Licencia de los pesos | Solo CPU | Notas |
|---|---|---|---|---|
| TimesFM-3 | Google Research | no comercial | no verificado | uso comercial a través de BigQuery |
| TimesFM 2.5 | Google Research | Apache 2.0 | no verificado | la versión anterior |
| Timestral | Mistral AI | Modified MIT | sí, declarado | de 5 a 209 millones de parámetros; gratuita por debajo de 20 millones de dólares de facturación mensual del grupo |
| Chronos-2 | Amazon | Apache 2.0 | sí, probado más abajo | 120 millones de parámetros; series relacionadas y covariables a la vez |
| Toto 2.0 | Datadog | Apache 2.0 | no verificado | de 4 millones a 2.500 millones de parámetros; entrenado con métricas de observabilidad |
| TiRex-2 | NXAI | Apache 2.0 | sí, declarado | imagen Docker para CPU y versión ONNX |
| TimeGPT | Nixtla | pesos no descargables | - | solo API y SDK de pago |
O sea, si tienes que distribuir el modelo junto con tu software, hoy sin restricciones de licencia tienes Chronos-2, Toto 2.0, TiRex-2 y TimesFM 2.5, y Timestral mientras tu empresa siga por debajo del umbral.
Con las clasificaciones, prudencia. Google declara primero a TimesFM-3, Mistral presenta Timestral como mejor que TimesFM-3, Datadog reivindica el primer puesto para Toto 2.0. Cada uno elige los benchmarks y las métricas, y ninguna clasificación te dice cuánto se equivoca el modelo con tus datos.
El backtest, probado
Para saberlo haces un backtest. Le ocultas al modelo los últimos meses del histórico, le pides que los prediga y comparas la previsión con lo que pasó de verdad. Luego haces la misma prueba con la previsión más simple que existe, es decir, “cada mes igual que el mismo mes del año anterior”. Si el modelo no gana ni a esa, con tus datos no te sirve.
Lo hice con Chronos-2, elegido porque está bajo Apache 2.0 y funciona en CPU. Como datos usé las ventas mensuales de coches en Quebec de 1960 a 1968, 108 meses, un dataset didáctico público (CSV en GitHub). Python 3.12, chronos-forecasting 2.3.2, PyTorch 2.15 solo CPU:
pip install torch --index-url https://download.pytorch.org/whl/cpu
pip install chronos-forecasting pandas
import sys
import pandas as pd
from chronos import BaseChronosPipeline
# Monthly car sales in Quebec, 1960-1968 (108 months)
df = pd.read_csv(sys.argv[1])
df = df.rename(columns={"Month": "timestamp", "Sales": "target"})
df["timestamp"] = pd.to_datetime(df["timestamp"])
df["id"] = "quebec_cars"
MONTHS = 12
history, hidden = df.iloc[:-MONTHS], df.iloc[-MONTHS:]
# Chronos-2 sees only the history and must forecast the 12 hidden months
pipeline = BaseChronosPipeline.from_pretrained("amazon/chronos-2", device_map="cpu")
pred = pipeline.predict_df(history, prediction_length=MONTHS, quantile_levels=[0.1, 0.5, 0.9],
id_column="id", timestamp_column="timestamp", target="target")
chronos = pred["predictions"].to_numpy()
# Naive forecast: each month equals the same month of the previous year
naive = history["target"].iloc[-MONTHS:].to_numpy()
actual = hidden["target"].to_numpy()
print(f"{'month':<8}{'actual':>8}{'naive':>9}{'chronos':>9}")
for m, a, n, c in zip(hidden["timestamp"], actual, naive, chronos):
print(f"{m:%Y-%m} {a:>8.0f}{n:>9.0f}{c:>9.0f}")
def mape(forecast):
return (abs(actual - forecast) / actual).mean() * 100
print(f"\nmean error (MAPE) naive: {mape(naive):.1f}% chronos: {mape(chronos):.1f}%")
Esta es la salida, completa:
Loading weights: 100%|##########| 170/170 [00:00<00:00, 187.73it/s]
month actual naive chronos
1968-01 13210 12225 13652
1968-02 14251 11608 14483
1968-03 20139 20985 20187
1968-04 21725 19692 22934
1968-05 26099 24081 23580
1968-06 21084 22114 21527
1968-07 18024 14220 16177
1968-08 16722 13434 13864
1968-09 14385 13598 13231
1968-10 21342 17187 17058
1968-11 17180 16119 17327
1968-12 14577 13713 14852
mean error (MAPE) naive: 10.8% chronos: 6.7%
En esta serie Chronos-2 (la columna chronos) se equivoca de media un 6,7%, la previsión simple (la columna naive) un 10,8%. Dos ejecuciones seguidas dan los mismos números. En mi PC, solo CPU, una previsión tarda alrededor de una décima de segundo, medida como media de cinco llamadas después de la primera carga.
Dos precauciones antes de sacar conclusiones. Es una sola serie y un solo año. Y el dataset es público y muy usado, así que un modelo entrenado con datos recogidos en la red podría haberlo visto ya. Precisamente por eso, el test que cuenta es el que haces con tus datos, que ningún modelo ha visto. El código no cambia: cambias el CSV y las dos columnas.
Por dónde empezar
Coge una serie que conozcas bien, por ejemplo las ventas mensuales de una línea de producto de los tres últimos años, y repite el backtest de arriba. Si el modelo gana a la previsión simple, añade una covariable que ya sabes que pesa, como las promociones, y mira si el error baja. Si no le gana, te paras ahí, antes de haber gastado un proyecto entero.
Estoy convencido de que casi todas las empresas, empezando por las pequeñas y medianas, ya tienen en casa los datos adecuados para usar estos modelos sin cambiar su forma de trabajar. En bit Time Professionals ofrecemos treinta minutos de consultoría gratuita para mirar juntos tus procesos y ver dónde la IA, incluidos estos modelos, te da una ventaja concreta. Escribe a professionals@bittime.it.
El episodio está en while true do; (en italiano). La idea de criterios medibles en lugar de confiar en la herramienta es la del episodio 14 sobre Uncle Bob (en italiano), y sobre qué comprobar en el código escrito por la IA está el artículo Cero errores, CI en verde, código de la IA: ¿quién lo ha pensado de verdad?. Para preguntas o correcciones: whiletruedopodcast@bittime.it.
Fuentes
- Google Research, TimesFM-3: a zero-shot foundation model for multivariate forecasting.
- Repositorio de TimesFM en GitHub: código Apache 2.0, pesos hasta la 2.5 Apache 2.0, backend MLX.
- TimesFM-3 en Hugging Face y el texto de la TimesFM Non-Commercial License v1.0.
- TimesFM 2.5 en Hugging Face, licencia Apache 2.0.
- Google Cloud, TimesFM in BigQuery.
- Mistral AI, Timestral en GitHub, model card y licencia.
- Amazon Science, Introducing Chronos-2 y el informe técnico.
- Datadog, Toto 2.0 y la colección en Hugging Face.
- NXAI, TiRex-2 en Hugging Face.
- Nixtla, TimeGPT.
- Dataset: monthly car sales in Quebec, 1960-1968.
Datos clave
Artículo de Daniele Teti (bit Time Professionals), versión escrita del episodio 15 del podcast "while true do;", sobre TimesFM-3 de Google y los Time Series Foundation Models para la previsión de la demanda y de las ventas en la empresa. Hechos clave:
- TimesFM-3 (Google Research, 31 de agosto de 2026): 330 millones de parámetros, entrenado con más de un billón de puntos temporales, declarado primero entre los foundation models en GIFT-Eval, fev-bench y TIME; admite covariables pasadas y futuras y previsiones multivariantes.
- Licencia: código Apache 2.0; pesos de TimesFM-3 bajo la TimesFM Non-Commercial License v1.0, que excluye el uso de los resultados para decisiones comerciales, entregas a clientes y productos de pago, también dentro de una empresa. Uso comercial a través de BigQuery (términos de Google Cloud). Los pesos hasta TimesFM 2.5 siguen bajo Apache 2.0.
- Alternativas con pesos Apache 2.0: Chronos-2 (Amazon), Toto 2.0 (Datadog), TiRex-2 (NXAI). Timestral (Mistral AI) usa una Modified MIT con un umbral de 20 millones de dólares de facturación mensual. TimeGPT (Nixtla) solo está disponible por API.
- Backtest ejecutado por el autor con Chronos-2 en CPU (ventas mensuales de coches en Quebec 1960-1968, últimos 12 meses ocultos): MAPE del 6,7% frente al 10,8% de la previsión estacional simple; alrededor de 0,1 segundos por previsión. Una sola serie, dataset público quizá visto en el entrenamiento: el test que cuenta es el que se hace con los propios datos.
- Autor: Daniele Teti, bit Time Professionals. Consultoría gratuita de treinta minutos: professionals@bittime.it.
Comments