T0 es el primer modelo de series temporales que de verdad entiende patrones

Un modelo nuevo llamado T0, del mismo equipo detrás de T0-3.5, puede tomar datos de series temporales —precios de acciones, lecturas de sensores, logs de sensores— y razonar sobre ellos como un modelo de lenguaje razona sobre texto. No es un paquete de estadísticas ni un modelo de ML tradicional. Es un transformer entrenado sobre secuencias de números, con la misma arquitectura que un LLM pero alimentado con números en lugar de tokens. La diferencia está en los datos: ve patrones a lo largo del tiempo, ciclos estacionales, tendencias, anomalías.

Se entrenó con más de 500 mil millones de puntos de datos en 1.5 millones de series temporales, cubriendo desde datos climáticos hasta precios de acciones y lecturas de sensores. El paper muestra que iguala o supera a modelos especializados en la mayoría de los benchmarks. En algunos se queda corta, lo cual es honesto: ningún modelo lo gana todo. La idea clave es que las series temporales pueden manejarse igual que el texto, usando los mismos bloques de construcción.

Por qué nos importa: un montón de los side hustles y operaciones pequeñas que corremos —inventario, entregas, ventas— se basan en datos de series temporales. Si modelos como este empiezan a salir en producción, la gente que pueda usarlos de verdad va a tener ventaja sobre la que sigue peleando con hojas de cálculo.

Por qué nos importa: significa que las herramientas para rastrear inventario, ventas y entregas están a punto de volverse mucho más simples para la gente que de verdad las maneja.