Перейти к содержанию
modelium.
Начать с задачи
←
Абстрактная композиция: тонкие волокна, ткань и мягкие тени в серо-чёрных тонах.

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

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 s2 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 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.

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 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 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 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 s5.

Источники

  1. Hugging Face API: Sense-T-E2B, файлы, дата и ревизия — Создан 05:46:23 UTC, ревизия 0d1df274 от 06:15:11 UTC; проверен перечень и размеры файлов.. Получено 24.09.2026.
  2. GizzAI/Gizzai-Sense-T-E2B: модельная карточка и локальный quick start — Закреплённая ревизия; примеры кода, архитектура, авторская оценка и ограничения.. Получено 24.09.2026.
  3. Gizzai Sense License v1.1 — Секции A2-A5, выручка и коммерческая лицензия; лицензия не Apache 2.0 без дополнительных условий.. Получено 24.09.2026.
  4. Sense-T NOTICE: происхождение, Chronos-2 и ограничения — Прямое указание на Sense-T и наследование лицензии; происхождение весов.. Получено 24.09.2026.
  5. GizzAI: состояние runtime-адаптеров Sense-T — Закреплённая GitHub-ревизия 24.09; Transformers, C++-прототип, экспериментальные vLLM/MLX.. Получено 24.09.2026.