「来月の売上を予測したいけれど、天気やプロモーションの予定も一緒に加味できないだろうか」。時系列予測に関わったことのある人なら、一度はこう思ったことがあるはずです。2026年8月31日、Google Researchがこの悩みに正面から応える新モデルTimesFM-3を発表しました。時系列予測の基盤モデル（Foundation Model）として知られるTimesFMシリーズの最新版で、目玉は「複数の時系列や、天気予報・プロモーション予定のような“未来にわかっている情報”を、ファインチューニングなしでまとめて扱える」ようになった点です。今回は、その中身と使いどころ、そして導入前に知っておきたい注意点を整理してみます。
そもそもTimesFMって？──「ゼロショットで時系列を予測する」基盤モデル
TimesFMは、Google Researchが開発してきた時系列予測専用の基盤モデルシリーズです。大規模言語モデル（LLM）が大量のテキストで事前学習して汎用的な文章生成能力を身につけるのと同じように、TimesFMは実世界と合成の時系列データを大量に学習し、追加の学習（ファインチューニング）なしで初見のデータに対して予測を行える「ゼロショット予測」を売りにしてきました。
前身にあたるTimesFM-2.5（2025年9月リリース）はApache 2.0ライセンスで商用利用も可能なモデルでしたが、扱えるのは基本的に単変量（1本の時系列を、その系列自身の過去の値だけから予測する）の予測まででした。今回のTimesFM-3は、ここに大きく手を入れています。
何が新しい？──多変量予測と“未来がわかっている情報”への対応
TimesFM-3の最大の特徴は、多変量予測にネイティブ対応したことです。パラメータ数は3億3000万、実世界と合成データ合わせて1兆時点を超えるデータで事前学習されています。ファインチューニングなしで、次の3種類の入力を扱えるようになりました。
複数の目的変数の同時予測。たとえば複数のアイスクリームブランドの売上のように、互いに関連しそうな複数の時系列をまとめて予測できます。過去共変量として、目的変数そのものではないものの参考になる過去データ（過去の来客数など）を使えます。そして最も実務的に嬉しいのが過去未来共変量で、プロモーションの予定日や天気予報のように「未来の値があらかじめわかっている」情報を予測に組み込めます。公式のケーススタディでは、プロモーション情報を共変量として使うことで、プロモーション実施日の売上上昇を単変量モデルより高い精度で捉えられたと報告されています（該当日の売上上昇を約20%と予測)。
これを実現するために、内部のアーキテクチャにも工夫が入っています。時間軸方向に系列内の依存関係を学習する「因果時間注意」と、複数系列間の相関を学習する「完全変量注意」を交互に組み合わせることで、系列同士の関係と時間的な流れの両方を捉える設計です。また、未来の共変量を扱うために各トークンが現在と将来のパッチ情報を結びつける仕組みも導入されています。さらに推論方式も改善され、「連続パッチマスキング」という手法により、従来のように予測期間を少しずつ繰り返し生成するのではなく、予測期間全体を1回のフォワードパスでまとめて生成できるようになりました。これによりレイテンシと計算コストが下がっています。出力は単一の値ではなく、10〜90パーセンタイルの9段階の分位点として得られるため、予測の幅（不確実性）も併せて確認できます。
ベンチマークでは軒並みトップに
Googleの発表によれば、TimesFM-3は時系列予測分野で参照される3つの公開ベンチマーク──GIFT-Eval、fev-bench（100の実世界タスク）、TIME（50ドメイン・98タスク）──のすべてで首位を獲得したとされています。比較対象にはChronos-2やToto 2.0ファミリー、そして前世代のTimesFM-2.5も含まれており、「単変量モードのままでも既存モデルを上回り、多変量モードに切り替えるとさらに精度が上がる」という結果が報告されています。ベンチマークは提供元自身による発表である点は差し引いて見る必要がありますが、複数の第三者ベンチマークで一貫して上位という結果は、多変量対応が単なる機能追加ではなく実際の精度向上に結びついていることを示唆しています。
導入前に要確認──ライセンスが「非商用」に変わった
ここが今回いちばん注意しておきたいポイントです。TimesFM-3の学習済みモデル（重み）は、独自の非商用ライセンス（timesfm-non-commercial-license-v1.0）のもとで公開されており、商用・本番環境での利用は許可されていません。コード自体はApache 2.0ですが、モデルの重みは別扱いという点に注意が必要です。前世代のTimesFM-2.5がApache 2.0で商用利用も可能だったのと比べると、これは明確な方針転換です。
Googleは近い将来、BigQueryのAI.FORECASTコマンドで使われるモデルをTimesFM-3に置き換える計画を示しており、企業が本番環境で多変量予測の恩恵を受けたい場合は、Google Cloud経由での利用が実質的な選択肢になりそうです。裏を返せば、「検証・研究目的ではTimesFM-3を試しつつ、本番導入は当面TimesFM-2.5（Apache 2.0）を使う」という使い分けが、現実的な落としどころになりそうです。この記事の執筆時点の情報であり、ライセンス条件は変更される可能性があるため、実際に導入を検討する際は必ず公式リポジトリの最新のライセンス原文を確認してください。
どこで試せる？
TimesFM-3は次の場所で公開されています。
Hugging Face（google/timesfm-3.0-pytorch）からモデルの重みを取得できるほか、GitHub（google-research/timesfm）にはコードとドキュメントが公開されています。まずは自社のデータの一部を使って、単変量モデルと多変量モデルでどれだけ予測精度が変わるかを検証してみる、というのが取り組みやすい第一歩になりそうです。
まとめ
TimesFM-3は、「時系列予測に、関連する他の系列や“未来にわかっている情報”を素直に組み込みたい」という実務上よくあるニーズに、ファインチューニング不要のゼロショットのまま応えようとする意欲的なアップデートです。複数ベンチマークでの好成績は、多変量対応が実際の精度向上に効いていることを裏付けています。
一方で、目を引く性能とは裏腹に、モデルの重みが非商用ライセンスに変わった点は、企業として導入を検討するうえで見過ごせないポイントです。研究・検証にはTimesFM-3、本番運用には当面TimesFM-2.5、あるいはGoogle Cloud経由での利用を検討する、という整理をしたうえで、まずは自社データでの精度検証から始めてみるのがよさそうです。
本記事は、Google Researchが公開した「TimesFM-3」および各種公開情報（2026年8月31日時点）をもとに、一般向けにわかりやすく整理したものです。ベンチマーク結果・ライセンス条件・提供形態は今後変わる可能性があります。特にライセンス（商用利用の可否）については必ず公式リポジトリ等の最新情報をご確認のうえ、導入をご検討ください。
