Toto 2.0: Previsão de Séries Temporais Entra na Era da Escalabilidade

Resumo

Mostramos que modelos de base de séries temporais escalam: uma única receita de treinamento produz melhorias confiáveis na qualidade da previsão, de 4M a 2,5B de parâmetros. Lançamos o Toto 2.0, uma família de cinco modelos de previsão com pesos abertos treinados sob essa receita. A família Toto 2.0 estabelece um novo estado da arte em três referenciais de previsão: BOOM, nosso referencial de observabilidade; GIFT-Eval, o referencial padrão de propósito geral; e o recente referencial TIME, resistente a contaminação. Este relatório descreve nossos resultados experimentais e detalha as decisões de projeto por trás do Toto 2.0: sua arquitetura e receita de treinamento, dados de treinamento e o pipeline de transferência de hiperparâmetros u-muP. Todos os cinco checkpoints base são lançados sob licença 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.