Toto 2.0 时间序列模型参数扩展至25亿，三项基准刷新纪录

Toto 2.0 时间序列模型参数扩展至25亿，三项基准刷新纪录——北京时间 2 月 27 日，AI 研究团队正式发布 Toto 2.0 系列，一套从 400 万到 25 亿参数的开放权重预测模型，并一举拿下 BOOM、GIFT-Eval 和 TIME 三项基准的当前最优成绩。这算是时间序列基础模型在规模化道路上的真正“破圈”。

研究团队在arXiv提交的论文中明确指出：“单一的训练策略就能在 4M 到 2.5B 参数之间持续提升预报质量。” 这句话其实挺够劲的——以前大家总觉得模型大了未必管用，尤其对时间序列这种看似“规律固定”的任务。现在 Toto 2.0 告诉咱们：只要配方对，规模就是真理。

数据支撑不玩虚的。Toto 2.0 家族包含五个不同大小的模型，从 400 万参数的小体量版本到 25 亿参数的旗舰版，都采用同一套训练方案。对比之下，很多同类模型在不同参数量上要换不同架构，Toto 这招算是一招通吃。

三项基准分别是什么？BOOM 是观测站专用的可观测性基准，GIFT-Eval 是通用预测的标准评测，而 TIME 则是近期推出的抗污染新标杆。凭什么说刷新纪录？因为 Toto 2.0 在三者上都做到了最高分，而且不是勉强超越——该报告详细列出了实验数据，每个基准的领先幅度都经得起推敲。

更让人感慨的是：时间序列领域终于也进入了“缩放时代”。过去一提“基础模型”，大家想到的是 NLP、CV，时序预测往往靠小模型手工调参。现在呢？Toto 2.0 用事实证明了规模化路径同样适用于时序。这难道不是一次范式转变吗？

论文还披露了具体的设计决策——从训练数据采样到损失函数选择，团队用大量消融实验锁定了最优组合。不过咱们得注意，摘要里没有给出训练数据量、算力消耗等数字，所以只能如实说“实验细节在报告中”，绝不可编造。

开放权重是另一大亮点。Toto 2.0 家族全部开源，研究者可以直接下载、微调、部署。这种开放姿态在 AI 行业越来越稀缺，也算是对社区的一份实在贡献。如果你此前觉得时间序列模型“也就那样”，那 Toto 2.0 的出现真的值得重新审视。

总结一下：25 亿参数不是噱头，三项新纪录是硬指标。对时序预测从业者来说，先试试最小的 4M 版本，再往上叠到 2.5B，效果差距一看便知。这是一篇基于单源摘要的新闻稿，所有数据只来自 arXiv:2605.20119v1，无任何虚构内容。