# Gizzai Sense-T-E2B: локальные решения и прогнозы по временным рядам

Источник: https://modelium.tech/zhurnal/gizzai-sense-t-e2b-local-time-series-decisions/

GizzAI 24 сентября разместила веса Sense-T-E2B: модель принимает временной ряд и текстовое условие, возвращает вероятности заданных вариантов или прогнозные квантили. В репозитории лежат веса Gemma-производной модели, замороженный энкодер Chronos-2, головы и код для локального запуска через Transformers. Авторская лицензия бесплатна не для всех организаций: при выручке выше $100 000 требуется отдельное соглашение; другие runtime-пути требуют отдельной проверки.

## Что вышло

24 сентября 2026 года GizzAI создала репозиторий **Gizzai-Sense-T-E2B**; к ревизии от 06:15 UTC в нём уже находятся три шарда основных весов, замороженный Chronos-2, проектор, голова прогнозирования и исходный код для локального запуска. Это новая производная от ранее выпущенной Sense-E2B, а не новый релиз Gemma 4 или Chronos-2 [s1](#src-s1) [s2](#src-s2) [s3](#src-s3).

Модель читает временной ряд вместе с текстовым описанием условий. Например, можно спросить, пересечёт ли ряд заданный порог, или указать будущую акцию как условие прогноза. Вместо свободного ответа Sense-T возвращает вероятности предложенных вариантов либо квантили 10/50/90% для будущих значений. Архитектура соединяет замороженный энкодер Chronos-2 с языковой моделью через обученный проектор; значения ряда также передаются в текстовой части запроса [s2](#src-s2) [s4](#src-s4).

## Как попробовать локально

Официальная карточка предлагает установить `huggingface_hub`, `torch`, `chronos-forecasting` и `transformers>=5.17`, затем скачать полный репозиторий командой `hf download GizzAI/Gizzai-Sense-T-E2B --local-dir Gizzai-Sense-T-E2B`. Код `sense_t.py` поставляется рядом с весами: `from sense_t import SenseT`, затем `s = SenseT("Gizzai-Sense-T-E2B")`. В карточке показаны `s.noul(..., series, horizon=7)` для вероятности ответа и `s.forecast(series, step=2, horizon=7)` для прогнозных квантилей. Пример использует поля `names`, `values`, `unit` и `step` [s2](#src-s2).

В репозитории есть и адаптер `modeling_sense_t.py` для Transformers. Разработчик называет этот путь рабочим. Документация к другим движкам описывает C++-прототип на llama.cpp, но **сам выпуск не даёт готовой проверенной сборки для Ollama, vLLM или MLX**: для Sense-T важны мягкие токены энкодера и доступ к вероятностям/скрытым состояниям. Нельзя приравнивать обычную загрузку GGUF к воспроизведению функции прогнозирования. Modelium модель и код не запускал [s1](#src-s1) [s5](#src-s5).

## Что показывают авторские оценки

Авторы обучали модель на созданных для проекта синтетических временных рядах, в том числе с условием в тексте. На собственной оценке они приводят общую точность 0,797 для отложенных рядов из обучающих доменов и 0,771 для новых доменов; сравнивают отдельные типы вопросов с ответом большинства. Для интервала между 10-м и 90-м квантилями заявлен фактический охват 0,77 на отложенных рядах и 0,70 на новых доменах при номинальном 0,80. Это **данные авторов, не независимый тест**: особенно важно не выдавать заявленную калибровку за гарантию на своих данных. Карточка прямо оговаривает, что модель не обучалась на пользовательском домене, а текстовые условия при обучении были китайскоязычными; иные языки не проверены [s2](#src-s2) [s4](#src-s4).

## Лицензия и практический выбор

Веса доступны для скачивания, однако **Gizzai Sense License v1.1 — не открытая лицензия Apache 2.0 без оговорок**. Файл NOTICE относит Sense-T к этой лицензии и сохраняет условия производной Gemma 4 и политику запрещённых применений; включённый Chronos-2 указан как Apache 2.0. По дополнительным условиям организация с годовой совокупной выручкой вместе с аффилированными лицами свыше $100 000 должна оформить отдельную коммерческую лицензию даже для внутреннего применения; для личных, исследовательских и учебных целей физических лиц, а также аккредитованных академических и некоммерческих исследовательских учреждений предусмотрены исключения при отсутствии коммерческой услуги для третьих лиц. Перед внедрением проверьте полный текст условий, в том числе требования к атрибуции и использованию производных [s3](#src-s3) [s4](#src-s4).

Практическая ниша — прототип решения по ряду с явными вариантами и прогнозными интервалами в своей инфраструктуре. Для производственного применения сначала проверьте калибровку и ошибки на собственных рядах и закрепите тот же runtime: оценки авторов сделаны в их среде, минимальных требований к RAM или VRAM для такого развёртывания не заявлено [s2](#src-s2) [s5](#src-s5).

## Источники

1. [Hugging Face API: Sense-T-E2B, файлы, дата и ревизия](https://huggingface.co/api/models/GizzAI/Gizzai-Sense-T-E2B?blobs=true) — получено 2026-09-24
2. [GizzAI/Gizzai-Sense-T-E2B: модельная карточка и локальный quick start](https://huggingface.co/GizzAI/Gizzai-Sense-T-E2B/blob/0d1df2741195e51a511031c1ccc1525fcd082f70/README.md) — получено 2026-09-24
3. [Gizzai Sense License v1.1](https://huggingface.co/GizzAI/Gizzai-Sense-T-E2B/blob/0d1df2741195e51a511031c1ccc1525fcd082f70/LICENSE) — получено 2026-09-24
4. [Sense-T NOTICE: происхождение, Chronos-2 и ограничения](https://huggingface.co/GizzAI/Gizzai-Sense-T-E2B/blob/0d1df2741195e51a511031c1ccc1525fcd082f70/NOTICE) — получено 2026-09-24
5. [GizzAI: состояние runtime-адаптеров Sense-T](https://github.com/wzsxb233/gizzai-sense/blob/9c192f299ebaed30282387829d5fc883c233981f/docs/runtimes.md) — получено 2026-09-24