企业预测销量、用电量或设备状态，往往要为每类数据单独训练模型。Mistral推出的Timestral想换一种做法：先在大量不同的时间序列——按时间记录的数据——上预训练，再直接预测新场景。也就是说，企业可以先做“零样本预测”，不必用自己的数据重新训练；但实际业务效果仍需验证。
Timestral共有5M、28M、123M和209M四种规模。Mistral称，最大的209M版本在GIFT-Eval、TIME和fev-bench三个公开基准上，位列预训练零样本模型第一，而且参数量仅为此前最佳模型的三分之二。更具体的是，它无需GPU：在8线程标准服务器CPU上，用三周的15分钟间隔历史数据预测未来一天，5M版耗时10毫秒，209M版为140毫秒。
它还能纳入协变量——例如节假日、价格等会影响结果的辅助信息，并输出概率区间，而非只报一个确定数字。官方文档称，209M版最多可读取32K个时间点。上述性能和速度均来自Mistral自测及其提交的榜单结果。