TimesFM-3 ของ Google เก่งขึ้นจริงและเล็กแค่ 330M — แต่สัญญาอนุญาตพลิกจาก Apache-2.0 เป็นห้ามใช้เชิงพาณิชย์และห้ามแจกจ่ายซ้ำ
31 สิงหาคม 2026 Google Research เปิดตัว TimesFM-3 รุ่นที่สามของโมเดลพื้นฐานสำหรับพยากรณ์ไทม์ซีรีส์ เขียนโดย Ayush Jain และ Rajat Sen จุดขายคือรุ่นนี้เป็นรุ่นแรกของตระกูลที่ เทรนมาเพื่อพยากรณ์แบบหลายตัวแปร (multivariate) โดยตรง — รุ่นก่อนหน้าจนถึง TimesFM-2.5 (ก.ย. 2025) ทำได้แค่ตัวแปรเดียว คือดูประวัติของอนุกรมเดียวแล้วพยากรณ์อนุกรมนั้น
ตัวโมเดลมี 330 ล้านพารามิเตอร์ เทรนบนคลังไทม์ซีรีส์จริงและสังเคราะห์รวมกว่า 1 ล้านล้านจุดเวลา น้ำหนักบน Hugging Face หนักราว 1.32 GB — เล็กพอจะรันบนโน้ตบุ๊กได้สบาย ๆ และ Google เคลมว่าครองอันดับหนึ่งในกลุ่มโมเดลพื้นฐานทั้งบน Gift-Eval, FEV-Bench และ TIME ทั้งเมตริกแบบจุดและแบบความน่าจะเป็น
แต่รายละเอียดที่สำคัญที่สุดสำหรับคนที่จะเอาไปใช้จริงไม่ได้อยู่ในบล็อกโพสต์ มันอยู่ในไฟล์ LICENSE ที่ท้าย repo
สิ่งที่เปลี่ยนในตัวโมเดล: 2D grid กับการพยากรณ์รวดเดียวจบ
สถาปัตยกรรมยังเป็น decoder-only transformer เหมือนเดิม รวมจุดข้อมูลที่ติดกันเป็น patch ละ 32 สเต็ป แล้วนอร์มัลไลซ์ต่ออนุกรมเพื่อรับมือกับข้อมูลที่สเกลต่างกันมหาศาล ของใหม่คือหลังจากนั้น token จะถูกจัดเป็น กริดสองมิติ แล้วผ่านสองกลไก attention ที่สลับกันไปมาหลายชั้น:
- Causal temporal attention — มองตามแนวนอน คือมองย้อนเวลา และจำกัดให้มองได้เฉพาะภายในอนุกรมของตัวเองเท่านั้นเพื่อกันข้อมูลอนาคตรั่ว
- Full variate attention — มองตามแนวตั้ง คือ ณ จุดเวลาหนึ่ง token หนึ่งมองเห็นทุกอนุกรมอื่นในชุดข้อมูล เพื่อเรียนความสัมพันธ์ข้ามอนุกรม
จากไฟล์ config.json บน Hugging Face: 20 เลเยอร์, model dim 1280, 16 heads, input_patch_len 32, output_patch_len 64, ใช้ RMS norm ทั้ง attention/feedforward/QK และ RoPE บนแกนเวลา — และตัวเลขที่ควรจดไว้คือ max_variates: 32 นั่นคือเพดานจำนวนอนุกรมที่ป้อนเข้าไปพร้อมกันได้ ไม่ใช่ไม่จำกัด
อีกจุดที่เปลี่ยนจริงคือวิธี decode รุ่นก่อนสร้างพยากรณ์ทีละ patch แบบ autoregressive ซึ่งทั้งช้าและสะสมความคลาดเคลื่อน TimesFM-3 ใช้เทคนิค Contiguous Patch Masking — เติม token ว่างสำหรับช่วงอนาคตทั้งหมดเข้าไปพร้อมกับ context แล้วให้โมเดลเติมทุกช่องพร้อมกันใน forward pass เดียว โดย covariate ที่รู้อนาคตอยู่แล้ว (โปรโมชัน วันหยุด พยากรณ์อากาศ) จะไม่ถูก mask ไว้ ทำให้โมเดลใช้สัญญาณเหล่านั้นตอนพยากรณ์ได้ ผลลัพธ์ออกมาเป็น 9 quantile (เปอร์เซ็นไทล์ที่ 10 ถึง 90) ต่อทุกจุดของ horizon ไม่ใช่แค่เส้นเดียว
สิ่งที่โมเดลรองรับแบบ zero-shot มีสามแบบ: หลายเป้าหมายพร้อมกัน (เช่นพยากรณ์ยอดขายไอศกรีมหลายแบรนด์ไปด้วยกัน), past covariates คือฟีเจอร์ที่รู้เฉพาะอดีต (เช่นจำนวนคนเดินผ่านหน้าร้าน) และ past-future covariates คือสิ่งที่รู้อนาคตแล้ว (เช่นตารางโปรโมชันที่วางไว้) โดยตัวหลังใช้กลไก “lookahead” ที่ต่อ patch ปัจจุบันเข้ากับ patch อนาคตในหนึ่ง token
เบนช์มาร์ก: อันดับหนึ่ง แต่ Google ไม่ปล่อยตัวเลขจริงสักตัว
Google วัดบนสามเบนช์มาร์กสาธารณะ — Gift-Eval, FEV-Bench และ TIME — และบอกว่า TimesFM-3 เป็นอันดับหนึ่งทั้งสามที่ทั้งเมตริกแบบจุดและแบบความน่าจะเป็น เทียบกับโมเดลพื้นฐานรุ่นใหม่รวมถึงตัวที่ทำ multivariate ได้อย่าง Chronos-2 และตระกูล Toto 2.0 รวมทั้ง TimesFM-2.5 ของตัวเอง
จุดที่ควรอ่านให้ครบมีสองข้อ ข้อแรกคือกราฟที่แปะมาทั้งหมดเป็น “average rank across tasks” ไม่ใช่ค่าเมตริกจริง — บล็อกโพสต์นี้ไม่มีตัวเลข MASE, CRPS หรือ nDCG สักตัวเดียวให้เทียบ มีแต่อันดับเฉลี่ยที่ยิ่งต่ำยิ่งดี ใครอยากเทียบตัวเลขจริงต้องไปรันเองหรือรอ leaderboard สาธารณะอัปเดต
ข้อสองคือคำที่ Google เลือกใช้ในคำบรรยายภาพ: TimesFM-3 เหนือกว่า “other replicable time-series foundation models” คำว่า replicable ทำงานอยู่ตรงนั้นเงียบ ๆ — มันคือการจำกัดขอบเขตการเปรียบเทียบไว้เฉพาะโมเดลที่ทำซ้ำผลได้ ซึ่งเป็นเงื่อนไขที่สมเหตุสมผล แต่ก็แปลว่าคำว่า “อันดับหนึ่ง” มีวงเล็บติดมาด้วย
สิ่งที่น่าสนใจกว่าคือ Google เปิดเองว่าแม้ใน โหมดตัวแปรเดียว — คือปิดข้อมูลข้ามอนุกรมและ covariate ทิ้งทั้งหมด ให้ทำงานเหมือนโมเดลรุ่นเก่า — TimesFM-3 ก็เสมอหรือชนะคู่แข่งอยู่แล้ว แล้วโหมด multivariate คือส่วนที่กระโดดขึ้นอีกชั้น นั่นแปลว่าตัว backbone เองดีขึ้น ไม่ใช่แค่ได้เปรียบเพราะป้อนข้อมูลเพิ่ม
บรรทัดที่เปลี่ยนทุกอย่าง: จาก Apache-2.0 มาเป็น “ห้ามใช้เชิงพาณิชย์”
ตระกูล TimesFM ปล่อยน้ำหนักใต้ Apache-2.0 มาตลอดสามรุ่น — timesfm-1.0-200m-pytorch (ส.ค. 2024), timesfm-2.0-500m-pytorch (ธ.ค. 2024) และ timesfm-2.5-200m-pytorch (ก.ย. 2025) ทุกตัวติดแท็ก license:apache-2.0 บน Hugging Face
รุ่น 3.0 ไม่ใช่ repo google/timesfm-3.0-pytorch ติดแท็ก license:other และชี้ไปที่ไฟล์ชื่อ TimesFM Non-Commercial License v1.0 ซึ่งอ่านแล้วเข้มกว่าที่ชื่อบอกไว้อีก:
- “Non-Commercial Purpose” ถูกนิยามไว้ว่าคือการทดสอบ ประเมิน หรือวิจัยที่ไม่ผูกกับผลตอบแทนทางการค้า การใช้งานจริง หรือการสร้างรายได้ และระบุชัดว่า ห้าม (ก) กิจกรรมที่สร้างรายได้ (ข) การมีปฏิสัมพันธ์ทางตรงหรือทางอ้อมกับผู้ใช้ปลายทางหรือระบบโปรดักชัน และ (ค) การเทรน ไฟน์จูน หรือ distill โมเดลอื่นเพื่อใช้เชิงพาณิชย์
- ผลลัพธ์ที่โมเดลพยากรณ์ออกมา (Outputs) ไม่นับเป็น Derivative ก็จริง แต่ในหมวดข้อห้ามเขียนไว้ว่าห้ามใช้ตัวโมเดล อนุพันธ์ หรือ Outputs และข้อมูลที่โมเดลผลิต เพื่อวัตถุประสงค์เชิงพาณิชย์หรือโปรดักชัน — เท่ากับตัวเลขพยากรณ์เองก็เอาไปใส่รายงานให้ลูกค้าไม่ได้
- ห้ามแจกจ่ายซ้ำโดยสิ้นเชิง — ข้อความคือ “Distribute the TimesFM Model or a Derivative” อยู่ในรายการข้อห้าม ไม่มีเงื่อนไขผ่อนปรน แปลว่า mirror ขึ้น repo ตัวเอง หรือแพ็ก quantized GGUF แจก ก็ผิดสัญญา
- ใบอนุญาตเป็นแบบ revocable และห้ามโอนสิทธิ์ ถ้าอยากใช้เชิงพาณิชย์ต้องไปขอใบอนุญาตแยกจาก Google ซึ่ง “Company may grant in its sole discretion” และอาจมีค่าธรรมเนียมหรือส่วนแบ่งรายได้
ที่ควรแยกให้ชัดคือ โค้ดยังเป็น Apache-2.0 — repo google-research/timesfm บน GitHub (ราว 28,600 ดาว) ยังเป็น Apache-2.0 ตามเดิม สิ่งที่ปิดคือน้ำหนัก ไม่ใช่ไลบรารี
บริบทที่ทำให้ภาพชัดขึ้นอยู่ในย่อหน้าสุดท้ายของบล็อกเอง: “BigQuery integration landing in the coming weeks” และระหว่างนี้ Google แนะนำให้ใช้ TimesFM-2.5 ผ่านคำสั่ง AI.FORECAST ใน BigQuery ไปก่อน — คือรุ่น Apache-2.0 นั่นแหละ พูดอีกอย่างคือเส้นทางเชิงพาณิชย์ของ TimesFM-3 ถูกวางไว้ให้วิ่งผ่าน Google Cloud
รายละเอียดเล็ก ๆ อีกข้อ: repo บน Hugging Face ถูกสร้างตั้งแต่ 24 ส.ค. 2026 และแก้ไขล่าสุด 31 ส.ค. เวลา 16:45 UTC — คือน้ำหนักถูกอัปขึ้นไปรอราวหนึ่งสัปดาห์ก่อนบล็อกโพสต์จะออก
มุมมอง AI Curator
พยากรณ์ไทม์ซีรีส์เป็น AI ประเภทที่ แปลงเป็นเงินได้เร็วที่สุด ในธุรกิจไทย และเร็วกว่าแชตบอตหลายเท่า — พยากรณ์ยอดขายรายสาขาเพื่อสั่งของ, โหลดไฟฟ้ารายชั่วโมง, จำนวนนักท่องเที่ยวรายสัญชาติ, ราคาสินค้าเกษตรรายฤดู, เตียงว่างในโรงพยาบาล ทั้งหมดนี้เป็นโจทย์ที่ทีมข้อมูลไทยมีข้อมูลอยู่แล้วและวัดผลกำไรได้ตรง ๆ และความสามารถใหม่ของ TimesFM-3 ตรงกับโจทย์เหล่านี้อย่างน่าอึดอัด เพราะการพยากรณ์ยอดขายที่ รู้ตารางโปรโมชันล่วงหน้า คือหัวใจของค้าปลีก ไม่ใช่ฟีเจอร์เสริม
ซึ่งทำให้สัญญาอนุญาตนี้เจ็บเป็นพิเศษ ไม่ใช่ “ห้ามขายโมเดล” แบบที่เราชินจาก non-commercial license ทั่วไป แต่คือ ห้ามเอาตัวเลขที่มันพยากรณ์ออกมาไปใช้ในงานที่มีรายได้ เท่ากับ POC ที่ทีมไทยชอบทำ — ลองกับข้อมูลจริงของบริษัท เทียบกับ baseline เดิม แล้วเสนอผู้บริหาร — ก็เดินเข้าเขตสีเทาแล้ว เพราะมันคือการใช้ผลลัพธ์ใน commercial decision-making ตรงตามนิยามในสัญญา ส่วนข้อห้ามแจกจ่ายซ้ำแปลว่าจะไม่มี GGUF, ไม่มี mirror ในไทย, ไม่มีคนแพ็กใส่ Docker ให้ใช้ง่าย — ระบบนิเวศรอบโมเดลนี้จะไม่เกิด
คำแนะนำเชิงปฏิบัติของผมชัดมาก: ถ้าจะใช้จริง อย่าเริ่มที่ TimesFM-3 ทางเลือกที่ใช้ได้ทันทีคือ TimesFM-2.5 (Apache-2.0) ซึ่ง Google เองก็แนะนำให้ใช้ระหว่างรอ และ Chronos-2 ของ Amazon ที่ติดแท็ก Apache-2.0 บน Hugging Face และมียอดดาวน์โหลดกว่า 28 ล้านครั้ง — เป็นคู่แข่งที่ Google เอ่ยชื่อเองในบล็อก และเป็นตัวที่คุณเอาขึ้นโปรดักชันได้โดยไม่ต้องคุยกับฝ่ายกฎหมาย ให้ TimesFM-3 ทำหน้าที่เป็น เพดานอ้างอิง: รันเทียบเพื่อดูว่าโมเดลที่คุณใช้จริงห่างจากของที่ดีที่สุดแค่ไหน ถ้าห่างมากพอจนคุ้ม ค่อยไปคุยเรื่องใบอนุญาตเชิงพาณิชย์หรือรอ BigQuery
ภาพใหญ่ที่ไม่ควรมองข้ามคือ นี่เป็นการปิดที่เกิดขึ้นย้อนหลังในตระกูลเดียวกัน โมเดลเดิมของสายนี้เปิดมาสามรุ่นติดจนคนสร้างระบบทับไปแล้ว พอรุ่นที่เก่งขึ้นจริงมาถึง เงื่อนไขก็เปลี่ยน — และแพตเทิร์นเดียวกันนี้เราเพิ่งเห็นในเดือนนี้กับ GLM-5.3 ที่รุ่น Flash เป็น MIT จริงแต่รุ่นใหญ่มีเงื่อนไข MaaS ต่อท้าย บทเรียนสำหรับทีมไทยคือข้อเดิมที่เราย้ำมาตลอด: อย่าอ่านแค่แท็กสีเทา ๆ ข้างชื่อโมเดล ให้เปิดไฟล์ LICENSE ตัวจริงในรีโป และถ้าโครงสร้างพื้นฐานของคุณผูกกับโมเดลเปิดตัวใดตัวหนึ่ง ให้ตรึงเวอร์ชันที่สัญญาอนุญาตยังเป็นแบบที่คุณใช้ได้ พร้อมเก็บสำเนาน้ำหนักไว้เองตั้งแต่วันแรก เพราะสัญญาของรุ่นถัดไปไม่ได้ต่อยอดจากรุ่นก่อนโดยอัตโนมัติ
แหล่งข่าว
อ่านเพิ่มในหมวด โมเดลใหม่
Google เปิดตัว Gemini 4 Carbon ขึ้นอันดับ 1 Artificial Analysis v5 ด้วยคะแนน 59 แต่ยังให้ใช้แค่นักป้องกันไซเบอร์กลุ่มเล็ก
Gemini 4 Carbon เปิดตัว 28 ต.ค. แซง Claude Opus 5.5 บน Intelligence Index v5 แค่ 1 คะแนน และตามหลังเพียง 3 คะแนนในดัชนี coding agent ราคาเปิดตัว $2/$10 แต่นักพัฒนาทั่วไปยังเรียกใช้ไม่ได้ ระหว่างที่ Google ค่อย ๆ เปิดผ่านโปรแกรม Fairwind
Microsoft ปล่อย Mage-VL-Cowork โมเดล 4B คุมเดสก์ท็อปและเทอร์มินัลในตัวเดียว ได้ 66% บน OSWorld-Verified สัญญาอนุญาต Apache-2.0
Mage-VL-Cowork ขนาด 4B ของ Microsoft เลือกเองว่าจะคลิกหน้าจอหรือสั่ง bash ทำคะแนน OSWorld-Verified 66.0% ใกล้ค่าอ้างอิงมนุษย์ 72.4% ในตารางเดียวกัน แต่คำว่าดีที่สุดในขนาด 4B มีคู่เทียบบนตารางนี้แค่รุ่นเดียว
Mistral ปล่อยน้ำหนัก Large 4 จริงแล้ว — 1T ราคาลดเกือบครึ่ง แต่บน AA ได้ 26 และสัญญาอนุญาตห้ามขายเป็น API ถ้าไม่มีใบอนุญาตแยก
Mistral ปล่อยน้ำหนัก Large 4 (Le Chonk) เมื่อ 29 ต.ค. เป็นรุ่นที่ฝึก RL ต่ออีกสามสัปดาห์หลัง preview ขนาด 1T ใช้พื้นที่ราว 1.06TB ราคา API ลดเหลือ $0.70/$2.10 Mistral นำ open-weight ด้าน coding แต่คะแนนรวม AA 26 ตามหลังโมเดลจีน และสัญญาอนุญาตกันธุรกิจ Model-as-a-Service