返回首页

ci-proto

x+web 0.95
访问原文

介绍

ci-proto 是伦敦实验室 Continuous Intelligence 在 2026 年 11 月 12 日正式发布的首个时间序列基础模型（time series foundation model, TSFM）家族。官方博客 Introducing ci-proto 标注日期为 12 November 2026，开篇写到：“ci-proto is out today. It’s the debut model family from Continuous Intelligence and our first step towards a new generation of time series foundation models. It’s available to use now.”

同日 12:15 UTC，官方账号 @Continu_Intel 发帖介绍 ci-proto：在 fev-bench 上排名第一，并能回看超过 200 万个历史观测，开放权重、允许商用。13:00 UTC，联合创始人兼 CEO Benjamin Walker 在账号 @benjaminwalker 发帖宣布：“Today we're launching ci-proto, @Continu_Intel's first time-series foundation model.” 并列举官方宣称的三点：在 fev-bench 上领先 Google、Amazon 和 Mistral；上下文窗口为其他模型的 64 倍；开放权重并允许商用。该实验室由 Walker 等人于 2026 年 7 月在伦敦成立，得到德国联邦颠覆性创新署 SPRIND Next Frontier AI Challenge 第一阶段最高 300 万欧元资助。

按官方说明，ci-proto 是一组共五个规格的零样本（zero-shot）时间序列预测模型：在多个数据集上预训练后，可直接在未见过的数据集上预测，而无需再针对每个任务单独训练。最大型号 ci-proto XL 有 1.67 亿参数，官方称之为仍只是原型（prototype），但在 fev-bench（面向多元时间序列基础模型的预测基准）上以 51.5% 的 skill score 排在公开基础模型第一，其后为 TimeH2O-v1（50.8%）、Timestral-209M（50.4%）、t0-gamma（49.4%）、TimesFM-3（49.0%）和 Chronos-2（47.3%）。榜单数字来自官方博客，标注截止日期为 2026 年 11 月 11 日，并写明已排除闭源 API 模型；本页未做独立复现。官方还称，五个规格共同构成预测误差相对模型规模与运行时间的帕累托前沿：在同样的规模或速度下，没有其他公开 TSFM 更准。

技术上，官方将多数既有 TSFM 使用的 Transformer 注意力与 ci-proto 的「attention-free time mixer」对比：注意力的计算随历史长度二次增长，而该 time mixer 只随历史长度线性增长，从而使更长的上下文窗口变得可行。官方称 ci-proto 可使用比 Mistral 的 Timestral 长 64 倍的上下文，并能从 200 万个观测之前的模式中取信息。博客用停电场景举例：只有把更早一次计划停电纳入四年历史时，预报才会抓住用电下降。使用方面，官方提供 Python 包，命令为 pip install continuousintelligence，可在 CPU 或 GPU 上对自有数据做本地推断；输入为历史观测和已知的未来协变量（例如运行计划），输出为每个目标变量的 9 个预测分位数。权重托管在 Hugging Face：ContinuousIntelligence/ci-proto，代码仓库为 github.com/continuousintelligence/ci。官方写到权重允许商用。公司还开放 newsletter 与 waitlist，用于后续型号。

补充：官方账号发帖时间为 12:15 UTC（北京时间 20:15），略早于上一轮 20:32 扫描结束点；创始人宣布帖为 13:00 UTC（北京时间 21:00），落在本轮窗口。上一轮未将此名写入数据库，本轮按官方博客、官方账号与创始人帖、Hugging Face 权重和 pip 包将其记为正式发布条目。不要把公司名 Continuous Intelligence 与模型名 ci-proto 混为一谈，也不要把官方 fev-bench 排名写成已经独立审计的结论。

要点：

解释

为什么值得关注

这是 2026 年 11 月 12 日由实验室官方博客、官方 X 账号和创始人账号宣布的首个公开模型家族，并配套开放权重、商用许可和可安装的 Python 包。对关注时间序列基础模型、长上下文预报和开源预报工具的人来说，这是一个可核对的新专名。

本页只复述官方博客、官方帖、Hugging Face 模型卡与产品站。fev-bench 排名、64 倍上下文、200 万观测和“帕累托前沿”等表述均来自官方，本页不作独立核验。

局限

官方基准排除了闭源 API 模型，榜单以 11 月 11 日为截止；第三方转述中出现过与官方不一致的名次，引用时请以官方博客为准并再对一次上游。安装命令、型号列表和许可条款可能随版本变化。不要把 ci-proto 写成已经在所有行业数据上验证过的通用预报引擎，或把 “available to use now” 理解成托管 API 已经全面开放；当前入口以官方页面为准。

用法

  1. 阅读官方博客 https://www.continuousintelligence.co.uk/news/ci-proto/ ，并对照产品站 https://www.continuousintelligence.co.uk/products/ 、Hugging Face 权重 https://huggingface.co/ContinuousIntelligence/ci-proto 、代码仓库 https://github.com/continuousintelligence/ci ，以及官方帖 https://x.com/Continu_Intel/status/2120852944056709139 与 https://x.com/benjaminwalker/status/2120864197340955028 ；
  2. 若要试用，以官方当前说明为准（文档示例：pip install continuousintelligence，在 CPU 或 GPU 上对自有数据做本地推断），不要只依据本页命令；
  3. 引用 fev-bench 第一、51.5% skill score、64 倍上下文或 200 万观测时，请写明出自官方博客或官方帖，并再对一次上游；
  4. 不要把 ci-proto 写成公司本身，或把它与 Timestral、TimesFM、Chronos 等其他时间序列基础模型混为一谈；对外引用前请再对一次上游。

广告