IBM ปล่อย Granite PatchTST-FM-r2 โมเดลพยากรณ์อนุกรมเวลา 385M แบบ zero-shot ใต้ Apache-2.0 — แต่คำว่า SOTA ในพาดหัวมีเงื่อนไขซ้อนสามชั้น

วันที่ 9 กันยายน 2026 ทีม IBM Research เผยแพร่บทความบนบล็อก Hugging Face ประกาศ Granite-TimeSeries-PatchTST-FM-r2 โมเดลพื้นฐานสำหรับพยากรณ์อนุกรมเวลาแบบ zero-shot คือใช้ทำนายได้เลยโดยไม่ต้องไฟน์จูนกับข้อมูลของคุณก่อน ผู้เขียนคือ Roman Vaculin, Wesley M. Gifford, Jiri Navratil, Chandra Reddy และ Ayhan Sebin

หมวดอนุกรมเวลาเป็นหมวดที่บล็อกนี้ไม่ค่อยได้เขียนถึง แต่มันคือหมวดที่ใกล้งานจริงของนักพัฒนาองค์กรมากที่สุดหมวดหนึ่ง — พยากรณ์โหลดเซิร์ฟเวอร์ ยอดขายรายสาขา ปริมาณทราฟฟิก การใช้ไฟฟ้า หรือดีมานด์สินค้าคงคลัง งานพวกนี้ไม่ต้องการ LLM และไม่ควรจ่ายค่า LLM ประเด็นที่ทำให้รุ่นนี้น่าสนใจกว่ารุ่นก่อนคือไลเซนส์ ส่วนประเด็นที่ต้องอ่านให้ละเอียดคือคำว่า SOTA ในพาดหัว ซึ่งการ์ดโมเดลเองอธิบายเงื่อนไขไว้ครบ

สถาปัตยกรรม: ยืม Conformer จากงานรู้จำเสียงมาใส่

r2 ต่อยอดจาก PatchTST เดิมและรุ่น zero-shot r1 โดยเปลี่ยนแกนสถาปัตยกรรมหลายจุด ที่การ์ดระบุไว้:

• แทน transformer block ธรรมดาด้วย Conformer block — เพิ่มชั้น convolution ต่อจาก multi-head self-attention โดยประกบด้วย FFN แบบ “half-step” สองข้าง เป็นบล็อกที่เคยดังในงานรู้จำเสียงพูด แนวคิดคือให้ชั้น convolution เก็บความสัมพันธ์ระยะใกล้ระหว่างแพตช์ เพื่อปล่อยให้ self-attention ไปโฟกัสความสัมพันธ์ระยะยาว
• สลับขนาดเคอร์เนล convolution ระหว่าง 3 กับ 5 เป็นรูปแบบวนซ้ำ {5, 5, 3, 3}
• ใช้ แพตช์ซ้อนทับกัน ขนาด 16 สไตรด์ 8 (ซ้อน 50%) คู่กับการถ่วงน้ำหนัก loss แบบ Hamming window ตอนเทรน และใช้วิธี overlap-and-add ตอนพยากรณ์
• เพิ่มจำนวนบล็อกจาก 20 เป็น 30 เพื่อรองรับข้อมูลเทรนที่ขยายขึ้น และเพิ่ม pre-head layer norm เพื่อให้เทรนนิ่งขึ้น
• ขยายข้อมูลเทรนด้วยข้อมูลสังเคราะห์จากวิธี CauKer ซึ่งเป็นวิธีเดียวกับที่ใช้เทรน Granite-FlowState

สเปกที่ใช้งานจริง: ราว 385M พารามิเตอร์ คอนเท็กซ์ 8,192 สเต็ป hidden dimension 1,024 patch_length 16 และหัวทำนายแบบ quantile ที่ครอบคลุม 99 ควอนไทล์ — จุดหลังนี้สำคัญกว่าที่เห็น เพราะหมายความว่าโมเดลคืนช่วงความไม่แน่นอนมาให้ ไม่ใช่เส้นค่ากลางเส้นเดียว ซึ่งเป็นสิ่งที่ระบบวางแผนสินค้าคงคลังหรือ capacity planning ต้องใช้จริง

การ์ดยังระบุว่าโค้ดสถาปัตยกรรมใหม่อยู่ในรีโป IBM TSFM และเข้ากันได้ย้อนหลังกับเช็กพอยต์ของ r1 เรียกใช้ได้ผ่าน pip install "granite-tsfm>=0.3.9" แล้วโหลดผ่าน PatchTSTFMForPrediction.from_pretrained(...) กับไปป์ไลน์ของ Hugging Face ตามปกติ

ไลเซนส์: จุดที่แข็งที่สุดของประกาศนี้

การ์ดระบุว่าโมเดล ปล่อยใต้ไลเซนส์คู่ — OpenMDW License 1.0 และ Apache License 2.0 — โดยผู้ใช้เลือกใช้อันไหนก็ได้ นี่คือของจริงในความหมายที่บล็อกนี้ใช้ ต่างจากไลเซนส์แบบ “เปิดแต่มีเพดานรายได้” หรือแบบ community license ที่กำลังแพร่หลาย เลือก Apache-2.0 ได้แปลว่านำไปใช้เชิงพาณิชย์ ดัดแปลง และแจกจ่ายต่อได้โดยไม่มีเงื่อนไขซ่อน

และไลเซนส์นี่เองคือกุญแจของคำว่า SOTA ในพาดหัว เพราะข้อความจริงที่ IBM เคลมคือมันเป็น “โมเดลที่ทำคะแนนสูงสุดในหมวดเดียวกัน ในบรรดาโมเดลที่ใช้ไลเซนส์เชิงพาณิชย์แบบอนุญาตกว้าง” ไม่ใช่ที่หนึ่งของกระดานทั้งหมด

อันดับจริงบน GIFT-Eval — และเงื่อนไขสามชั้น

การ์ดโมเดลตรงไปตรงมามากเรื่องนี้ ตัวเลขที่รายงาน (ณ 31 สิงหาคม 2026):

• ในกลุ่ม zero-shot ที่ทำซ้ำได้ (replicable) — อันดับ 2 ทั้ง CRPS (0.467) และ MASE (0.6846)
• เมื่อรวม โมเดล pretrained เข้ามาด้วย — อันดับ 3 ที่ CRPS และ 4 ที่ MASE โดยยังเอาชนะโมเดลที่ใหญ่กว่าอย่าง Chronos-2, Timer-S1 และ Toto หลายรุ่น

จุดที่ต้องอ่านให้ครบมีสามชั้น ชั้นแรกคือการกรอง — การ์ดบอกวิธีทำซ้ำอันดับนั้นไว้เป็นขั้นตอน: ให้เลือกเฉพาะ “zero-shot” ใน Model Types แล้วเอาเครื่องหมายออกจาก “Yes” ใต้ Test Leak และเอาออกจาก “No” ใต้ Replication Code คือเป็นอันดับหลังกรองสองชั้น ไม่ใช่อันดับดิบบนหน้ากระดาน ชั้นที่สองคือคำว่า pretrained ซึ่งบนกระดานนี้หมายถึงโมเดลที่ได้รับอนุญาตให้ใช้ส่วน train ของชุดข้อมูลประเมินมาอยู่ในคลังเทรนล่วงหน้าได้ — การเทียบข้ามสองกลุ่มนี้จึงไม่ใช่การเทียบที่เงื่อนไขเท่ากัน

ชั้นที่สามสำคัญที่สุดสำหรับคนที่จะไปตรวจสอบเอง: การ์ดระบุเองว่า “ผลของ Granite-PatchTST-FM-r2 อยู่ใน PR ที่ส่งไปยังเบนช์มาร์ก GIFT-Eval และยังรอดำเนินการ” แปลว่าถ้าคุณเปิดหน้า GIFT-Eval วันนี้ตามขั้นตอนข้างบน คุณอาจยังไม่เห็นแถวของโมเดลนี้ ตัวเลขทั้งหมดยังเป็นผลที่ IBM รายงานเอง รอผู้ดูแลกระดานยืนยัน

อีกจุดที่ควรรู้คือรีโปบน Hugging Face สร้างไว้ตั้งแต่ 7 สิงหาคม 2026 และเพิ่งอัปเดตพร้อมประกาศเมื่อ 9 กันยายน — วันประกาศคือวันที่ IBM เล่าเรื่องมัน ไม่ใช่วันที่น้ำหนักขึ้นครั้งแรก ยอดดาวน์โหลดอยู่ที่ราว 2,400 ครั้ง ณ เวลาที่ตรวจ เทียบกับ r1 ที่สะสมไว้เกิน 35,000 และ TTM-r2 ในตระกูลเดียวกันที่เกิน 329,000 — คือรุ่นใหม่ยังต้องพิสูจน์ตัวเองในการใช้งานจริง

มุมมอง AI Curator

สิ่งที่ควรจดจากประกาศนี้ไม่ใช่ตัวเลข CRPS แต่คือ 385M พารามิเตอร์ วางข้าง Apache-2.0 โมเดลขนาดนี้รันได้บนเครื่องธรรมดา ไม่ต้องมี GPU ระดับดาต้าเซ็นเตอร์ ไม่ต้องส่งข้อมูลออกนอกองค์กร และไม่มีบิลรายเดือน สำหรับงานพยากรณ์ในองค์กรไทย — ยอดขายรายสาขา โหลดระบบ ปริมาณการใช้ไฟ ดีมานด์คลังสินค้า — นี่คือรูปทรงของโมเดลที่เหมาะกว่าการยัดตัวเลขเข้าไปให้ LLM ทายมาก ทั้งเรื่องต้นทุน ความเร็ว และที่สำคัญกว่าคือมันคืนช่วงความไม่แน่นอน 99 ควอนไทล์มาให้ ขณะที่ LLM ให้ตัวเลขที่ฟังดูมั่นใจโดยไม่มีการวัดความไม่แน่นอนอยู่เบื้องหลังเลย

จุดที่อยากให้ผู้อ่านชั่งน้ำหนักคือคำว่า zero-shot ในบริบทของข้อมูลไทย โมเดลพื้นฐานอนุกรมเวลาถูกเทรนบนคลังข้อมูลสาธารณะที่เป็นข้อมูลตะวันตกเป็นหลัก แต่ฤดูกาลของธุรกิจไทยมีจังหวะเฉพาะตัว — สงกรานต์ ตรุษจีน วันหยุดยาวที่เลื่อนตามปฏิทินจันทรคติ ฤดูฝน และผลของโครงการกระตุ้นเศรษฐกิจที่มาเป็นช่วง ๆ รูปแบบพวกนี้ไม่มีอยู่ในคลังเทรนแบบเดียวกับเทศกาลฝั่งตะวันตก สิ่งที่ควรทำจึงไม่ใช่เชื่ออันดับบนกระดาน แต่คือใช้ความที่มันเป็น zero-shot ให้เป็นประโยชน์: โหลดมาแล้วยิงข้อมูลจริงของคุณเข้าไปทันทีเพื่อสร้างเส้นฐานในบ่ายเดียว แล้ววัดว่ามันชนะ SARIMA หรือ Prophet ที่ทีมใช้อยู่หรือไม่ ถ้าชนะก็จบ ถ้าแพ้ก็ยังได้เส้นฐานที่ได้มาฟรี — ต้นทุนของการลองต่ำมากเพราะไม่ต้องไฟน์จูนและไม่ต้องขออนุมัติงบ

ท่าทีของ IBM ในการ์ดนี้ก็เป็นตัวอย่างที่ควรชม: บอกอันดับจริงว่าเป็นที่สอง บอกวิธีกรองที่ใช้ทำซ้ำอันดับได้เป็นขั้นตอน และบอกเองว่าผลยังอยู่ใน PR ที่รอ merge เทียบกับการเปิดตัวโมเดลจำนวนมากในปีนี้ที่โยนกราฟแท่งมาให้แล้วปล่อยให้เดาว่าเงื่อนไขการวัดคืออะไร ความตรงไปตรงมาแบบนี้คือสิ่งที่ทำให้ตัวเลขมีค่า — และเป็นเหตุผลที่ควรอ่านการ์ดโมเดลก่อนอ่านพาดหัวเสมอ

แหล่งข่าว

• IBM releases SOTA Granite Time Series PatchTST-FM-r2 model with commercial-friendly license — IBM Research บน Hugging Face Blog (9 ก.ย. 2026)
• การ์ดโมเดล ibm-granite/granite-timeseries-patchtst-fm-r2 — สเปก ไลเซนส์คู่ และเงื่อนไขการวัด
• GIFT-Eval — กระดานเบนช์มาร์กพยากรณ์อนุกรมเวลา
• ibm-granite/granite-tsfm — โค้ดสถาปัตยกรรมและไปป์ไลน์