TimesFM-3는 여러 변수를 함께 예측한다…상업용 가중치는 막혔다

Google Research는 2026년 8월 31일 여러 목표 시계열과 보조 변수를 함께 처리하는 TimesFM-3를 공개했다. Google Research의 공식 발표 에 따르면 이 모델은 3억3000만 개 매개변수를 갖췄고, 업무별 미세조정 없이 다변량 시계열을 예측하도록 사전학습됐다.

그러나 2026년 8월 31일 공개된 모델을 내려받을 수 있다는 사실이 상업적 이용 허가를 뜻하지는 않는다. MarkTechPost의 출시 보도 도 여러 시계열을 한 번에 예측하는 기능과 함께, 3.0 사전학습 가중치가 비상업·비프로덕션 용도로 제한된다고 확인했다.

한 시계열의 과거에서 함께 움직이는 변수로

TimesFM-2.5까지 사전학습 모델의 기본 구조는 한 시계열의 과거를 바탕으로 그 시계열의 미래를 추정하는 단변량 예측에 초점이 맞춰져 있었다. 외부 변수를 별도로 결합하는 기능은 있었지만, 여러 목표와 공변량의 관계를 모델 자체가 공동으로 처리하도록 사전학습된 구조는 아니었다. TimesFM-3는 이 지점을 바꿔 여러 목표 시계열과 보조 변수를 하나의 예측 작업에 넣는다.

국내 유통 수요예측을 조건부 사례로 보면 차이가 분명하다. 편의점이 여러 점포의 음료 판매량을 예측한다면 점포·상품별 판매 기록을 복수의 목표 시계열로 구성하고, 과거 방문량이나 관측 기온을 보조 변수로 추가할 수 있다. 이미 확정된 할인 일정이나 예측 시점에 이용할 수 있는 일기예보는 미래 구간까지 값이 주어진 변수로 전달할 수 있다.

다변량 입력은 관련 없는 수치를 많이 넣는 방식이 아니다. 같은 시간축에서 관측된 목표와 설명 변수를 정렬하고, 함께 변하는 패턴을 모델이 참고하도록 만드는 구조다. 이때 모델이 변수 간 관계를 예측에 활용하더라도 그 상관관계 자체가 원인과 결과를 증명하지는 않는다.

목표·과거 변수·미래가 알려진 변수를 구분한다

TimesFM-3가 기본적으로 받는 입력은 세 종류다. 여러 목표 시계열은 공동으로 예측할 값이고, 과거 전용 공변량은 예측 시작점 이전에만 관측된 정보다. 과거·미래 공변량은 예측 대상 기간의 값까지 미리 알 수 있는 일정이나 신호다.

• 여러 목표 시계열: 상품별 판매량이나 지점별 방문량처럼 결과가 각각 필요한 관련 시계열을 함께 예측한다.
• 과거 전용 공변량: 과거 방문량이나 실제 관측 기상값처럼 문맥 구간에서만 확인된 정보를 제공한다.
• 과거·미래 공변량: 공휴일, 확정된 행사와 프로모션, 당시 이용 가능한 기상예보처럼 예측 구간의 값도 알고 있는 정보를 넣는다.

미래 공변량에는 예측을 실행하는 시점에 실제로 확보할 수 있는 값만 들어가야 한다. 이미 편성된 할인 일정은 쓸 수 있지만 아직 관측되지 않은 실제 판매량이나 방문량을 넣으면 미래 정보가 유출된다. 날씨 역시 사후에 집계된 관측값이 아니라 당시 사용 가능한 예보를 입력해야 운영 환경과 같은 조건을 유지할 수 있다.

배열의 길이도 변수 유형에 따라 달라진다. 목표와 과거 전용 공변량은 과거 문맥 구간만 가지지만, 과거·미래 공변량은 과거 문맥에 예측 구간을 더한 길이로 준비한다. 따라서 시계열별 관측 간격과 예측 시작점, 누락 구간을 맞추는 데이터 정렬이 필요하다.

전체 예측 구간을 한 번의 패스로 채운다

TimesFM-3는 연속된 관측치를 32개 시점 단위의 패치로 묶고 각 시계열을 정규화한다. 이후 한 시계열의 과거 토큰만 참조하는 인과적 시간 어텐션과 같은 시점의 다른 시계열을 참조하는 변수 어텐션을 번갈아 적용한다. 전자는 미래 목표값의 유출을 막고, 후자는 판매량·방문량·프로모션처럼 시계열 사이에서 함께 나타나는 패턴을 반영한다.

예측 구간을 만드는 방식도 달라졌다. 이전 세대가 미래 패치를 차례로 생성했다면 TimesFM-3는 전체 미래 구간에 마스킹된 자리를 만든 뒤 한 번의 순전파로 동시에 채운다. 목표 시계열과 과거 전용 변수의 미래 부분은 가려지는 반면, 일정처럼 미래 값이 알려진 공변량은 모델이 계속 볼 수 있다.

모델은 각 목표와 미래 시점에 대해 점 예측과 아홉 개 분위수 예측을 제공한다. 분위수 범위는 10%부터 90%까지여서 단일 예상값뿐 아니라 예측 불확실성도 함께 표현할 수 있다. 다만 공개된 벤치마크 우위는 Google이 GIFT-Eval, FEV-Bench와 TIME에서 측정한 결과이므로 개별 기업의 데이터에서도 같은 순위가 재현된다고 단정할 수는 없다.

설치 경로와 가중치 사용 권한은 별개다

Google Research의 TimesFM 저장소 에는 PyTorch 의존성을 포함한 PyPI 패키지 설치법과 로컬 설치 절차, TimesFM3Evaluator와 ModelConfig를 이용한 예제가 공개돼 있다. 다변량 예제는 목표 배열과 과거 전용 공변량, 과거·미래 공변량을 predict_batch에 전달하며 목표별 점 예측과 분위수 결과를 돌려준다.

하지만 설치 가능한 코드와 내려받는 모델 가중치에는 서로 다른 조건이 적용된다. 저장소 소스 코드는 Apache-2.0이고 TimesFM 2.5까지의 가중치도 같은 조건을 유지하지만, TimesFM 3.0 사전학습 가중치는 별도의 TimesFM Non-Commercial License v1.0으로 배포된다.

• 저장소 소스 코드: Apache-2.0 라이선스가 적용된다.
• TimesFM 2.5까지의 가중치: 저장소 안내상 Apache-2.0 조건이 유지된다.
• TimesFM 3.0 사전학습 가중치: 비상업·비프로덕션 사용으로 제한된다.

3.0 가중치 라이선스는 상업적 이익이나 매출 창출, 프로덕션 배포와 연결되지 않은 테스트·평가·연구를 비상업적 목적으로 정의한다. 내부 벤치마크와 학술 연구, 실험은 포함되지만 결과를 상업적 의사결정, 고객 납품물이나 유료 제품·서비스에 사용하는 것은 허용 범위에서 제외된다. 상업 또는 프로덕션 용도로 이용하려면 Google로부터 별도의 상업 라이선스를 받아야 한다.

공개는 끝났지만 상업 이용 조건은 열리지 않았다

공개 시점에 확인되는 상태는 기능과 배포 조건이 선명하게 갈린다. TimesFM-3 코드와 체크포인트, 다변량 예측 예제는 공개됐지만 다운로드한 3.0 기본 가중치를 실제 발주량·재고·인력 배치나 고객 대상 예측 서비스에 투입하는 것은 현재 라이선스로 허용되지 않는다. 공개 저장소도 이 버전을 Google이 공식 지원하는 제품으로 설명하지 않는다.

Google은 TimesFM-3의 BigQuery 통합이 향후 몇 주 안에 제공될 예정이라고 밝혔으나 구체적인 출시일과 그 통합에 적용될 상업 이용 조건은 발표하지 않았다. 따라서 현재 확정된 결론은 연구·평가용 다운로드는 가능하되 상업 운영은 별도 허가가 필요하다는 것이다. 이후 확인할 핵심 변수는 가중치 라이선스 변경, 상업 라이선스 제공 방식, BigQuery 통합의 실제 조건이다.