{"id":3443104,"date":"2026-09-01T11:13:28","date_gmt":"2026-09-01T09:13:28","guid":{"rendered":"https:\/\/datanorth.ai\/?post_type=news&#038;p=3443104"},"modified":"2026-09-01T11:13:06","modified_gmt":"2026-09-01T09:13:06","slug":"google-lanceert-timesfm-3","status":"publish","type":"news","link":"https:\/\/datanorth.ai\/nl\/nieuws\/google-lanceert-timesfm-3","title":{"rendered":"Google lanceert TimesFM-3"},"content":{"rendered":"\n<p class=\"wp-block-paragraph\"><em>Publicatiedatum: 1 september 2026<\/em><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Google Research heeft TimesFM-3 op 31 augustus 2026 uitgebracht, een foundation model met 330 miljoen parameters voor <strong>zero-shot tijdreeks-voorspellingen<\/strong>. Het is de eerste TimesFM-versie die vanaf de training is ontworpen voor multivariate voorspellingen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Het model is nu beschikbaar via GitHub en Hugging Face. Voor bedrijven is de belangrijkste beperking de licentie: de openbare TimesFM-3-gewichten mogen niet commercieel of in productie worden gebruikt.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Wat kan TimesFM-3?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Eerdere TimesFM-versies richtten zich vooral op univariate voorspellingen, waarbij \u00e9\u00e9n tijdreeks uit zijn eigen geschiedenis wordt voorspeld. TimesFM-3 kan meerdere gerelateerde reeksen tegelijk voorspellen en aanvullende variabelen meenemen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Google gebruikt retail als voorbeeld. Een verkoopprognose kan historische vraag combineren met verwante producten, bezoekersaantallen, geplande promoties en toekomstig weer. Hetzelfde principe is relevant voor finance, productie, observability en zorg.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">TimesFM-3 ondersteunt ook probabilistische voorspellingen. Het model kan quantielen produceren die een bandbreedte rond de verwachte uitkomst geven. Dat helpt planningsteams die onzekerheid expliciet willen meenemen.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">TimesFM-3 specificaties, toegang en licentie<\/h2>\n\n\n\n<figure class=\"wp-block-table\"><table><thead><tr><th>Specificatie<\/th><th>TimesFM-3<\/th><\/tr><\/thead><tbody><tr><td>Parameters<\/td><td>330M<\/td><\/tr><tr><td>Trainingscorpus<\/td><td>Meer dan 1 biljoen tijdpunten<\/td><\/tr><tr><td>Voorspellingen<\/td><td>Univariaat en multivariaat<\/td><\/tr><tr><td>Covariaten<\/td><td>Historisch en bekende toekomstige variabelen<\/td><\/tr><tr><td>Offici\u00eble weights<\/td><td>Hugging Face<\/td><\/tr><tr><td>Broncode<\/td><td>GitHub<\/td><\/tr><tr><td>Weights-licentie<\/td><td>TimesFM Non-Commercial License v1.0<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">De offici\u00eble Hugging Face-checkpoint is ongeveer 1,32 GB groot en gebruikt een transformer met twintig lagen. In de gepubliceerde configuratie ondersteunt het model maximaal 32 variabelen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">De licentie is het belangrijkste aandachtspunt. De broncode in de Google-repository gebruikt Apache 2.0, maar de TimesFM-3-gewichten hebben een aparte licentie. Die staat alleen niet-commercieel gebruik buiten productie toe.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Google zegt dat een BigQuery-integratie in de komende weken volgt. Voor zakelijke gebruikers kan die route uiteindelijk relevanter worden, afhankelijk van beschikbaarheid en gebruiksvoorwaarden.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Hoe vergelijkt TimesFM-3 met andere forecastingmodellen?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Google testte TimesFM-3 op GIFT-Eval, FEV-Bench en TIME. Volgens Google eindigt het model op alle drie als beste pretrained foundation model voor zowel puntvoorspellingen als probabilistische voorspellingen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">De vergelijking bevat onder meer Chronos-2, de Toto 2.0-familie en TimesFM-2.5. Google meldt bovendien dat TimesFM-3 in univariate modus al sterk presteert en verder verbetert wanneer het relaties tussen reeksen en aanvullende variabelen mag gebruiken.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Dit zijn benchmarkresultaten van Google zelf. De openbare weights mogen bovendien nog niet commercieel worden ingezet. Test daarom vooral op eigen vraag-, voorraad- of capaciteitsdata voordat je conclusies trekt uit de ranglijsten.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Wat ontbreekt nog aan de TimesFM-3 release?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">De grootste ontbrekende schakel is een commercieel bruikbare productieroute voor de openbare weights. Technisch zijn ze downloadbaar, maar de licentie verhindert direct zakelijk gebruik in productie.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Google publiceert ook geen eenvoudige kostenvergelijking met een traditionele forecastingpipeline. De waarde hangt uiteindelijk af van nauwkeurigheid, inferencekosten en hoeveel handmatig feature engineering het model kan vervangen.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Wat dit betekent<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Nu het testen waard voor datateams, maar nog niet geschikt voor commerci\u00eble productie met de openbare checkpoint. Een retail- of supply-chainteam kan onderzoeken of promoties, weer en verwante producten de forecast verbeteren zonder eerst een eigen multivariaat model te bouwen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Vergelijk TimesFM-3 met je huidige baseline op echte planningsbeslissingen. Meet forecastfout, onzekerheidskalibratie en de impact op voorraad of personeelsplanning. Een commercieel bruikbare BigQuery-route kan het model later veel interessanter maken.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><em>Voor meer informatie, bekijk <a href=\"https:\/\/www.research.google\/blog\/timesfm-3-a-zero-shot-foundation-model-for-multivariate-forecasting\/\" target=\"_blank\" rel=\"noopener noreferrer nofollow\">de offici\u00eble aankondiging van TimesFM-3 op de website van Google Research<\/a>.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Google bracht TimesFM-3 op 31 augustus 2026 uit. Het time-series foundation model met 330 miljoen parameters voegt native multivariate forecasting toe en is getraind op meer dan \u00e9\u00e9n biljoen tijdpunten. De openbare weights zijn voorlopig alleen toegestaan voor niet-commercieel gebruik buiten productie.<\/p>\n","protected":false},"author":12,"featured_media":3443102,"template":"","tags":[],"news-category":[],"class_list":["post-3443104","news","type-news","status-publish","has-post-thumbnail"],"meta_box":[],"_links":{"self":[{"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/news\/3443104","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/news"}],"about":[{"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/types\/news"}],"author":[{"embeddable":true,"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/users\/12"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/media\/3443102"}],"wp:attachment":[{"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/media?parent=3443104"}],"wp:term":[{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/tags?post=3443104"},{"taxonomy":"news-category","embeddable":true,"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/news-category?post=3443104"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}