Toto 2.0: La predicción de series temporales entra en la era del escalado

Resumen

Demostramos que los modelos fundacionales de series temporales escalan: una única receta de entrenamiento produce mejoras confiables en la calidad del pronóstico desde 4M hasta 2.5B de parámetros. Publicamos Toto 2.0, una familia de cinco modelos de pronóstico de pesos abiertos entrenados bajo esta receta. La familia Toto 2.0 establece un nuevo estado del arte en tres puntos de referencia de pronóstico: BOOM, nuestro punto de referencia de observabilidad; GIFT-Eval, el punto de referencia estándar de propósito general; y el reciente punto de referencia TIME, resistente a la contaminación. Este informe describe nuestros resultados experimentales y detalla las decisiones de diseño detrás de Toto 2.0: su arquitectura y receta de entrenamiento, datos de entrenamiento y el pipeline de transferencia de hiperparámetros u-muP. Los cinco puntos de control base se publican bajo licencia Apache 2.0.

English

We show that time series foundation models scale: a single training recipe produces reliable forecast-quality improvements from 4M to 2.5B parameters. We release Toto 2.0, a family of five open-weights forecasting models trained under this recipe. The Toto 2.0 family sets a new state of the art on three forecasting benchmarks: BOOM, our observability benchmark; GIFT-Eval, the standard general-purpose benchmark; and the recent contamination-resistant TIME benchmark. This report describes our experimental results and details the design decisions behind Toto 2.0: its architecture and training recipe, training data, and the u-muP hyperparameter transfer pipeline. All five base checkpoints are released under Apache 2.0.