IBM Granite: 4 modelos de IA para series temporales

IBM Granite convierte la elección de modelo en un valor por defecto

IBM Research publicó Granite Timeseries Ensemble R1, una receta abierta que combina cuatro modelos preentrenados de su familia Granite y devuelve pronósticos de mediana y cuantiles con una sola llamada, sin reentrenar y sin ajustar pesos. En el benchmark GIFT-Eval, el ensemble logra un MASE agregado de 0.683 frente a 0.685 del mejor miembro individual.

El dato importa menos por el margen —dos milésimas— que por lo que elimina: la necesidad de elegir de antemano qué arquitectura funciona mejor con tus datos. Para un equipo pequeño, esa decisión suele costar semanas de pruebas comparativas que nadie presupuesta.

¿Qué es un ensemble de forecasting y por qué se usa?

La lógica viene de la meteorología. Los pronósticos por ensemble exploran un rango de resultados posibles combinando modelos distintos, y sistemas como el North American Multi-Model Ensemble hacen exactamente eso para la predicción estacional.

En series temporales el principio es el mismo: modelos complementarios ofrecen lecturas distintas de lo que viene, y el ensemble fusiona esas lecturas en un único pronóstico. La fuente cita una revisión de 50 años sobre combinación de pronósticos que documenta cómo combinar reduce el riesgo de elegir el modelo equivocado, aunque advierte que la calidad y la diversidad de los miembros siguen siendo determinantes.

Los cuatro modelos Granite que combina la receta

El ensemble por defecto integra cuatro checkpoints preentrenados con arquitecturas deliberadamente distintas:

• Granite PatchTST-FM-r1: transformer con parches.
• Granite PatchTST-FM-r2: conformer con parches.
• Granite FlowState-r1.1: modelo de espacio de estados.
• Granite TTM-r3: Tiny Time Mixers, un mezclador basado en MLP.

Cada arquitectura captura tendencias, estacionalidad y variación local de forma diferente, de modo que sus errores no tienen por qué coincidir. Esa diversidad es el motor del método: si los cuatro modelos fallaran igual, promediarlos no aportaría nada.

Probabilistic Ensemble vs IQR Ensemble: ¿cuál elegir?

La receta trae dos formas de convertir los cuantiles de cada miembro en una sola distribución predictiva.

Probabilistic Ensemble (pooling uniforme). Da la misma influencia a cada miembro, combina sus cuantiles en el espacio de probabilidad y extrae de ahí los cuantiles solicitados. Como los pesos son fijos, no hay paso de ajuste ni hiperparámetros que calibrar para una serie nueva. Es la receta por defecto.

IQR Ensemble. Pondera a cada miembro según la amplitud de su pronóstico, dando más influencia a los intervalos más estrechos. Aproxima el rango intercuartílico de cada miembro a partir de los cuantiles más cercanos al percentil 25 y 75. Los pesos varían por muestra, objetivo y paso del horizonte, y tampoco se ajusta nada a partir de errores históricos. Una regresión isotónica evita que los cuantiles combinados se crucen.

La propia documentación advierte un matiz importante: un intervalo más estrecho no implica un pronóstico más preciso ni mejor calibrado, y el ponderado por IQR puede favorecer a un miembro demasiado confiado. Para experimentar, la receta expone un parámetro de temperatura —valores más altos acercan los pesos al reparto uniforme— y un tope opcional al peso de cualquier miembro.

Qué dicen los números en GIFT-Eval

La evaluación cubre 97 configuraciones del dataset GIFT-Eval, sin fine-tuning y sin usar los objetivos de test para elegir o ajustar el método de agregación. Los puntajes de leaderboard se capturaron el 20 de octubre de 2026:

Menos es mejor. Ambos ensembles superan a los cuatro miembros individuales en MASE agregado y en rank promedio de MASE. El Probabilistic logra el MASE más bajo de los seis. Pero el PatchTST-FM-r2 conserva el mejor CRPS/MWQL agregado, y el IQR Ensemble obtiene el mejor rank promedio de CRPS. Es decir: el error agregado y el rank promedio favorecen opciones distintas, y eso es exactamente lo que la fuente pone sobre la mesa en lugar de esconderlo.

En la comparación del 20 de octubre de 2026, el enfoque de ensemble queda 3º entre los sistemas elegibles tanto en rank de MASE como en rank de CRPS. La fuente es explícita: algunos sistemas —incluidos los excluidos por estar fine-tuneados o por licencias no permisivas— puntúan mejor. El valor del ensemble no es encabezar el leaderboard, sino que un solo valor por defecto entregue resultados sólidos y consistentes en muchas series sin obligarte a elegir un miembro.

El contexto: el forecasting con modelos fundacionales se mueve rápido

El lanzamiento de IBM llega en una semana cargada para las series temporales. Marktechpost reportó en octubre de 2026 el lanzamiento de Timestral por parte de Mistral AI, una familia de cuatro modelos zero-shot de 5M a 209M parámetros que, según cifras de la propia Mistral, lidera GIFT-Eval entre modelos preentrenados sin ajuste con un MASE de 0.658 y un CRPS de 0.446, y que corre en CPU estándar sin GPU.

La misma comparativa de Marktechpost ubica a TimesFM-3 de Google Research (330M parámetros, licencia no comercial), Chronos-2 de Amazon (120M, Apache 2.0) y Toto-2.0 de Datadog (2.5B, Apache 2.0) como los otros actores relevantes del segmento. La diferencia de licencias no es un detalle: el ensemble de Granite y sus cuatro miembros por defecto se publican con licencia permisiva, mientras que las recetas ampliadas que agregan checkpoints de IBM Research traen términos separados, con restricciones de uso no comercial y de investigación.

Del lado de la evidencia independiente, un estudio publicado en BMC Public Health y difundido por Bioengineer.org evaluó cuatro modelos fundacionales de series temporales —TimesFM, Moirai, Chronos y TimeMoE— sobre 289 series de más de 70 enfermedades notificables en seis países, con más de 106.000 observaciones. Una variante de modelo fundacional obtuvo el error más bajo en 30 de 36 configuraciones de evaluación (83,3%) frente a redes neuronales entrenadas específicamente para la tarea. El estudio también encontró que el error no bajó de forma monotónica con el tamaño del modelo: en varios escenarios, versiones más chicas superaron a sus hermanas mayores.

¿Qué significa esto para tu startup?

Tres lecturas concretas.

Primero, baja el costo de entrada al forecasting serio. Hasta hace poco, montar pronósticos probabilísticos decentes exigía un perfil dedicado a comparar arquitecturas serie por serie. Una receta con pesos fijos y sin paso de ajuste convierte esa tarea en una llamada de función. Para un equipo de producto que necesita proyectar demanda, inventario o carga de infraestructura, la barrera pasó de contratar a probar.

Segundo, el cuantil es más útil que el número. El ensemble devuelve cuantiles entre 0.1 y 0.9, y los extremos definen un intervalo central con cobertura nominal del 80%. Eso permite decisiones con buffer explícito: cuánto stock pedir, cuánta capacidad reservar, cuándo disparar una alerta. Un founder que solo mira el valor puntual está desperdiciando la mitad del output.

Tercero, la licencia es parte de la arquitectura. Si tu producto es comercial, verifica miembro por miembro antes de integrar. Las recetas ampliadas con checkpoints de IBM Research no son de uso libre.

Cómo probarlo en tu pipeline esta semana

• Instala y corre el default primero. pip install "granite-tsfm>=0.3.11" y carga la receta ibm-granite/granite-timeseries-ensemble-r1. Ten en cuenta que la receta guarda la configuración, no pesos fusionados: descarga los cuatro checkpoints en tiempo de ejecución, así que la primera corrida tarda más.
• Backtestea con ventanas representativas. La fuente es clara en que las ganancias agregadas no significan que cada serie mejore. Usa ventanas históricas que reflejen los datos disponibles en cada origen de pronóstico, el horizonte que necesitas y las series que esperas servir.
• Compara peras con peras. Corre el Probabilistic Ensemble, el IQR Ensemble y un miembro individual fuerte —como PatchTST-FM-r2— sobre las mismas ventanas.
• Mira más allá del error puntual. Evalúa la pérdida de cuantiles junto al MASE y contrasta la cobertura empírica del intervalo 0.1–0.9 contra su 80% nominal.
• Mide el costo real. Registra tiempo de ejecución y memoria: cargar cuatro checkpoints pesa más que uno solo, y el beneficio tiene que justificarlo en tu carga de trabajo.

Limitaciones que conviene tener presentes

La receta actual pronostica los canales multivariados de forma independiente, sin usar información cruzada entre canales. Además, cargar cuatro checkpoints aumenta el tiempo de inferencia y el consumo de memoria respecto a un solo modelo. Los límites de contexto, horizontes, preprocesamiento y tratamiento de valores faltantes también difieren entre miembros, y ninguno de los dos métodos de agregación garantiza calibración o robustez ante cambios de distribución. La recomendación de la fuente es directa: sigue monitoreando los pronósticos después de desplegar.

Conclusión

Granite Timeseries Ensemble R1 no gana por goleada: gana por ser un valor por defecto razonable. Su aporte real es haber convertido una decisión de ingeniería —qué modelo usar para cada serie— en un punto de partida sensato que funciona sin ajuste y con licencia permisiva. Para un equipo hispanohablante con recursos limitados, eso vale más que dos milésimas de MASE.

Si tu producto depende de pronósticos, la jugada esta semana es simple: corre el default sobre tus propias series, mide cobertura y latencia, y decide con datos si el IQR o un miembro individual te sirven mejor. La comparación honesta con tu propio backtest pesa más que cualquier leaderboard.

Fuentes

• IBM Research — Granite Timeseries Ensemble R1 (fuente original)
• Marktechpost — Mistral AI Releases Timestral
• Bioengineer.org — AI Foundation Models Show Promise for Forecasting Infectious Disease Outbreaks

Artículos relacionados:

IBM Granite Speech 5.0: transcripción precisa y open source IBM Granite 4.2: modelos de razonamiento abiertos en 3B, 8B y 30B Granite Switch 4.1: chat, decisiones y voz en un solo modelo IBM lanza Granite 4.2: razonamiento y agentes bajo Apache 2.0 Los Modelos AI de IBM Granite 4.0 Nano: Pequeños pero Poderosos