预测冰淇淋销量，只看过去卖了多少往往不够：天气、促销、客流和相关商品也会一起影响结果。Google Research 发布的 TimesFM-3，正是让模型同时理解这些相互关联的时间序列，并直接预测未来。所谓零样本预测，就是无需针对企业或数据集重新训练，也能拿历史记录开始工作。
TimesFM-3 有 3.3 亿参数，预训练数据超过 1 万亿个时间点。最值得注意的是，它不再逐段生成未来，而是先为整个预测区间放入“空白占位符”，再通过 Contiguous Patch Masking（连续片段掩码）一次填完。已知的未来信息，如节假日或预定活动，仍可供模型参考。这样只需单次前向计算——把输入送入模型并得到一次输出——可减少反复生成造成的等待和误差累积。
模型还会为每个目标序列、每个未来时点给出从第 10 到第 90 百分位的 9 个预测值，用范围表达不确定性。Google 称其在主要基准上显著优于其他预测模型，但供稿未提供具体分数，因此这一效果仍以作者自述为准。