Mistral, işlemcide çalışan Timestral modellerini duyurdu
Mistral, sensör ve işletme verilerinden tahmin üreten Timestral modellerini duyurdu. Modeller, tahmin sırasında ekran kartına ihtiyaç duymadan çalışabiliyor.

Mistral, 15 Ekim 2026’da zaman serilerinden tahmin üreten Timestral model ailesini duyurdu. Dört boyutta sunulan modeller, tahmin sırasında ekran kartı gerektirmiyor; işletmelerin sensör verilerini ve önceden bilinen üretim planlarını birlikte değerlendirebiliyor.
Mistral, 15 Ekim’de Timestral adlı zaman serisi model ailesini duyurdu. Zaman serisi, bir makinenin her dakika kaydedilen sıcaklığı gibi zaman boyunca biriken ölçümlere verilen ad. Timestral bu verilerden geleceğe yönelik tahminler çıkarıyor; işletmeler açısından öne çıkan tarafı, tahmin üretirken ekran kartına ihtiyaç duymaması.
Timestral hangi verileri birlikte değerlendirebiliyor?
Mistral’ın 15 Ekim tarihli duyurusuna göre Timestral, birbiriyle ilişkili ölçümleri ve tahmini etkileyen ek bilgileri birlikte işleyebiliyor. Şirketin örneğinde bir pompanın titreşimi, sıcaklığı ve basıncı aynı değerlendirmeye giriyor. Böylece her sensörün geçmişini ayrı ayrı ele almak yerine ölçümler arasındaki ilişkilerden yararlanılıyor.
Model, gelecekte gerçekleşeceği önceden bilinen bilgileri de kullanabiliyor. Planlı üretim artışı veya bakım nedeniyle duruş takvimi buna örnek. Mistral, makinenin çalışıyor ya da bakımda olması gibi kategorik bilgilerin de doğrudan girdi olarak verilebildiğini söylüyor. Bu yaklaşım, üretim planından kaynaklanan beklenen bir değişimin arıza belirtisi sanılmasını önlemeye yardımcı olabilir.
Timestral’ın çıktısı olasılıklı tahminlerden oluşuyor: model, belirsizliğin ne kadar geniş olduğunu görmeye yarayan farklı tahmin seviyeleri üretiyor. Bakım ekibi böylece alarm eşiğini belirlerken tek bir beklenen değere bağlı kalmak zorunda olmuyor. Duyuru bu kullanım biçimini anlatıyor; belirli bir fabrikada elde edilmiş arıza önleme sonucu sunmuyor.
Ekran kartı olmadan ne kadar hızlı çalışıyor?
Timestral, Mistral’ın paylaştığı ölçümde sekiz iş parçacıklı bir sunucu işlemcisinde, model boyutuna göre 10 veya 140 milisaniyede tahmin üretiyor. Bu ölçümün koşulları belli: üç haftalık, 15 dakika aralıklarla kaydedilmiş veriden sonraki bir gün tahmin ediliyor. 10 milisaniyelik sonuç en küçük, 140 milisaniyelik sonuç en büyük modele ait.
Ailede 5 milyon, 28 milyon, 123 milyon ve 209 milyon parametreli dört model bulunuyor. Parametreler, modelin eğitim sırasında öğrendiği sayısal değerler. Mistral küçük modelleri hız ve maliyet, büyük modelleri ise tahmin başarısı açısından konumlandırıyor. İşlemcide çalışabilme özelliği, mevcut sunucularla deneme yapmak isteyen ekipler için değerlendirmeye değer; duyurudaki hızları kendi bilgisayarında göreceğini varsayma.
Mistral ayrıca en büyük modelin GIFT-Eval, TIME ve fev-bench karşılaştırmalarında birinci olduğunu bildiriyor. Bunlar şirketin aktardığı test sonuçları. Duyuru, ayrıntılı teknik raporun daha sonra yayımlanacağını söylüyor; kendi işletmendeki başarıyı bu sıralamadan çıkarmak mümkün değil.
Modeli kendi verilerinle nasıl kullanabilirsin?
Mistral, Timestral’ı kendi verilerinle çalıştırabilmen için bir GitHub deposu yayımladığını belirtiyor. Duyuruya göre model, yeni bir veri kümesine özel ek eğitim yapılmadan da tahmin üretebiliyor. Daha ileri uyarlama isteyen kurumlara Mistral Forge üzerinden şirket verileriyle ek eğitim ve eğitime giren verileri seçme olanağı sunuluyor.
Mistral, eğitim ve uyarlama sürecinin müşterinin donanımına, internetten yalıtılmış ortamlar dahil, kurulabileceğini söylüyor. Duyuruda Türkiye’ye özel erişim koşulları veya fiyat listesi yer almıyor. Lisans ise “Modified MIT” olarak belirtilmiş; kullanım kararı vermeden önce tam lisans metnindeki koşulları okumak gerekiyor. Lisans ve model erişimi arasındaki ayrımı açık kaynak yapay zekâ rehberinde bulabilirsin.
Türkiye’deki işletmeler önce neyi denemeli?
Türkiye’de Timestral’ı değerlendiren bir işletme için ilk adım, tarihli ölçümlerinden bir bölümünü ayırıp modelin tahminlerini gerçekleşen değerlerle karşılaştırmak olabilir. Bu bir deneme önerisi; Mistral duyurusu Türkiye’den bir uygulama örneği vermiyor. Türkçe desteği hakkında da bilgi yok. Timestral sayısal veriye odaklandığı için burada ilk bakılacak konu, elindeki kayıtların modele uygun biçimde hazırlanabilmesi.
Örneğin üretim hattının geçmiş sıcaklık ölçümlerini kullanıyorsan, tahmin edilecek dönemin gerçek sıcaklıklarını modele girdi olarak vermemelisin. O döneme ait önceden hazırlanmış üretim takvimi ise ayrı bir girdi olabilir. Bu ayrım, modelin gerçekten geleceği tahmin edip etmediğini anlamak için gerekli.
Teknik ekibe iletebileceğin başlangıç denemesi şöyle olabilir:
Geçmiş sensör kayıtlarını eğitim ve değerlendirme dönemlerine ayır.
Değerlendirme döneminin gerçek ölçümlerini modelden sakla.
Yalnızca tahmin anında bilinen üretim takvimini ek bilgi olarak kullan.
Tahmin hatasını mevcut yöntemimizle karşılaştır; işlem süresini de kaydet.
İşletmelerde yapay zekâ kullanımı için de aynı ölçüt geçerli: satın alma veya entegrasyon kararından önce kendi verindeki sonucu gör. Timestral denemesinde tahmin hatasıyla birlikte gereksiz alarmların sayısını da kaydet; bakım ekibinin yükünü azaltıp azaltmadığını bu kayıtlarla değerlendir.
Sık sorulanlar
Mistral Timestral ne işe yarıyor?
Timestral, zaman içinde kaydedilen sayısal verilerden geleceğe yönelik tahminler üretiyor. Birbirine bağlı sensör ölçümlerini ve üretim takvimi gibi önceden bilinen bilgileri birlikte kullanabiliyor.
Timestral için ekran kartı gerekiyor mu?
Mistral’a göre Timestral, tahmin üretirken ekran kartı gerektirmiyor. Şirketin yayımladığı hız ölçümleri sekiz iş parçacığı kullanan bir sunucu işlemcisinde yapılmış; kişisel bilgisayarlar için aynı hız garanti edilmiyor.
Timestral Türkiye’den kullanılabiliyor mu?
Duyuruda Türkiye’ye özel erişim koşulları belirtilmiyor. Mistral, modeli kendi verilerinle çalıştırmak için bir GitHub deposu yayımladığını ve kurumsal uyarlama için Mistral Forge sunduğunu belirtiyor.
Haftada bir e-posta. Sadece işe yarayanlar.
Haftanın en iyi yapay zekâ araçları ve yeni rehberler. İstediğin an tek tıkla çık.
Mistral, Studio'ya yönetilen ajan ve uygulama ekledi





