t0-gamma

t0-gamma

以概率估计的方式预测多个时间跨度的时间序列，并支持节假日、天气等协变量。适合测试预测模型的分析师和开发者。

由 theforecastingcompany 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：t0-gamma 是 The Forecasting Company 推出的开放权重预测模型。它是一个 transformer，能在多个时间跨度上给出概率预测，并支持称为协变量的额外输入序列。它原生预测 21 个分位数水平，是 t0 系列的第三个公开版本。

适合谁：它适合想在自己数据上测试或运行时间序列预测的分析师、数据科学家和开发者，包括依赖外部信号的预测。

行业 | 使用者 | 用法 | 例子
能源 | 需求分析师 | 结合日历和节假日信号预测负荷 | 带节假日日历的电力需求
医疗数据 | 公共数据分析师 | 在有无协变量两种情况下预测月度数据 | 药品报销的月度序列
零售 | 规划人员 | 把促销作为已知的未来协变量加入 | 知道有促销计划的销量预测
研究 | 机器学习研究者 | 在同一份数据上对比开放预测模型 | 把同一条序列交给多个开放模型

模型卡称它用于研究、实验和预测评估，所以需要保证数字准确的人可以跳过。

用在哪里：

• Python 3.11 或更新版本，搭配 PyTorch
• 使用 MLX 运行时的 Apple silicon Mac，仅用于本地推理
• Retrocast，制作方提供的托管站点，用来预测你自己的序列
• 托管 API，无需本地权重即可做托管推理

使用场景 | 谁用 | 得到什么
预测单条序列 | 分析师 | 覆盖多个时间跨度的概率预测
带协变量预测 | 数据科学家 | 用到过去或已知未来信号的预测
在多个开放模型间对比预测 | 研究者 | 并排的结果，Retrocast 支持这一点

如何设置：

• Python 3.11 或更新版本
• 0.6.1 或更高版本的 tfc-t0 包，并带一个运行时扩展
• 约 1 GB 的 F32 权重所需的磁盘空间

1. 安装 Hugging Face 的 hub 客户端并下载文件。
2. 安装带 torch 扩展的 tfc-t0，在 Apple silicon 上则用 mlx 扩展。
3. 按模型卡的 Quickstart 做一次普通预测或带协变量的预测。

pip install -U huggingface_hub
hf download theforecastingcompany/t0-gamma

pip install "tfc-t0[torch]>=0.6.1"   # PyTorch
pip install "tfc-t0[mlx]>=0.6.1"     # MLX, Apple silicon

如何使用：在两种本地运行时之一里加载 t0-gamma 检查点，交入你的序列，再请求预测。模型卡的 Quickstart 涵盖普通的单变量预测，以及使用过去和已知未来协变量的多变量预测。只装 tfc-t0 本体不会带上任何运行时，所以要选一个扩展。

工具 | 作用
PyTorch 运行时 | 在多种硬件上运行该检查点
MLX 运行时 | 在 Apple silicon 上本地运行推理
托管 API | 替你托管推理，无需本地权重
Retrocast | 用于预测你的数据并对比开放模型的平台

示例：你给模型一段每日电力需求的历史数据，再加上未来几周的节假日日历。它返回覆盖整个时间跨度的概率预测，带有 21 个分位数水平，而不是一条单线。

新手与专家：普通预测每天只给一个数字，这个模型给的是一个区间，让你看出它有多确定。先装 torch 扩展，在一条示例序列上跑模型卡的 Quickstart，再加一个节假日标记之类的协变量。

架构是约 256M 参数的解码器式 patch transformer。它能处理单变量和多变量序列、历史协变量和已知未来协变量，并一次预测多个时间跨度。已知未来协变量可以是日历特征、计划中的事件、促销或天气预报。两种本地运行时加载的是同一个检查点，模型在 config.json 里声明自己的约定。

你提供序列和协变量
patch transformer 读取历史
它预测 21 个分位数水平
返回一个概率预测

注意事项：

• 预测是概率估计，不是保证
• 体积：约 256M 参数，F32 权重接近 1 GB
• License: Apache 2.0
• Cost to run: 本地运行时未提及费用，模型卡也没有给出托管 API 或 Retrocast 的价格
• Data it reaches: 你的序列文件。托管 API 和 Retrocast 是托管运行的，所以发到那里的数据会离开你的机器
• Not for: 当作确定结果的场合，因为模型卡称它是研究和评估工具

Hugging Face 上的数据（2026年11月13日）

• 任务：time series forecasting
• 框架：tfc-t0
• 参数量：256M
• Weights: about 1 GB in F32; about 128 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：61,908
• 点赞：32
• 许可证：apache-2.0
• Quantized versions: 1
• 标签：tfc-t0, safetensors, time-series, forecasting, probabilistic-forecasting, foundation-models, pretrained-models, transformer, multivariate, known-future-covariates, open-weights, covariates

链接

• 模型：https://huggingface.co/theforecastingcompany/t0-gamma
• 文件：https://huggingface.co/theforecastingcompany/t0-gamma/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download theforecastingcompany/t0-gamma

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。