IBM Rilis Model Forecasting Time Series Bebas Lisensi Komersial

Kalian yang pernah coba bikin sistem prediksi permintaan barang di gudang tau rasanya: model forecasting yang bagus biasanya nempel di API berbayar luar negeri, atau lisensinya bikin tim legal ragu buat dipakai produksi. IBM baru saja ngerilis jalan keluar dari dilema itu.

Apa yang baru

• PatchTST-FM-r2: model time series terbaru dari keluarga Granite TSFM IBM, 385 juta parameter dengan lisensi ganda Apache-2.0 dan OpenMDW-1.0 — kalian bebas pilih salah satu buat dipakai komersial tanpa royalti.
• Context length sampai 8.192: model bisa "melihat" data historis jauh lebih panjang dari versi sebelumnya, plus forecast length fleksibel dan probabilistic forecasting lewat 99-quantile prediction head, jadi hasilnya bukan cuma satu angka tebakan tapi rentang kemungkinan.
• Ranking #2 zero-shot global: di GIFT-Eval leaderboard per 8 September 2026, model ini nomor dua di kategori zero-shot replicable, dan nomor satu di antara semua model berlisensi permissive untuk metrik CRPS dan MASE.
• Bobot dan kode terbuka penuh: weights, arsitektur, inference pipeline, sampai kode buat mereplikasi hasil benchmark semuanya dirilis publik, bukan cuma klaim di atas kertas.

Cara kerjanya

Bedanya sama transformer biasa ada di lapisan intinya. PatchTST-FM-r2 pakai "conformer block" — gabungan self-attention dan convolution dalam satu lapisan yang sama. Analoginya kayak liat grafik penjualan setahun penuh buat nangkep pola musiman (itu kerjaan attention), sambil bareng-bareng zoom ke tujuh hari terakhir buat nangkep lonjakan mendadak (itu kerjaan convolution).

Karena udah dilatih di korpus besar berbagai jenis time series, model ini bisa dipakai zero-shot — tinggal dikasih data historis kalian, langsung keluar prediksi tanpa training ulang dari nol. Kayak sopir yang udah hafal pola jalan di banyak kota; begitu pindah ke kota baru, dia masih bisa nebak arah macet cuma dari bentuk jalannya.

Kenapa ini penting

Buat developer dan data scientist di Indonesia, ini soal ongkos dan kendali. Selama ini forecasting production-ready yang bagus sering berarti bayar API model asing per-panggilan, atau pakai model open source yang status lisensinya abu-abu buat dipakai jualan. PatchTST-FM-r2 kasih opsi ketiga: model kuat, gratis dipakai komersial, jalan di infrastruktur sendiri.

Ini langsung kepake buat demand forecasting toko online, prediksi beban listrik, sampai perkiraan lalu lintas — kasus yang datanya sensitif secara lokasi atau butuh latensi rendah, jadi kurang ideal kalau harus bolak-balik ke API luar negeri. Sama kayak developer yang milih model chat yang tepat biar agent gak bakar duit, milih model forecasting yang tepat juga soal nyamain kebutuhan sama biaya dan risiko lisensi jangka panjang.

Yang bikin beda, IBM juga rilis kode buat mereplikasi hasil benchmark-nya sendiri. Itu jarang — biasanya klaim ranking cuma bisa dipercaya, bukan bisa dicek ulang.

Buat kalian

• Yang harus peduli: tim yang lagi bangun sistem forecasting produksi — demand planning, energy load, traffic — dan selama ini terjebak antara API berbayar atau model open source yang lisensinya meragukan buat komersial.
• Yang boleh santai: kalau kalian cuma butuh forecasting sesekali buat riset internal non-komersial, model open source lain yang lebih ringan mungkin udah cukup.
• Langkah kecil pertama: unduh PatchTST-FM-r2 dari Hugging Face, coba zero-shot ke satu dataset historis yang udah kalian punya, lalu bandingin hasilnya sama metode forecasting yang sekarang dipakai sebelum migrasi penuh.

Pola yang berulang di rilis-rilis kayak gini adalah kebebasan lisensi sering lebih berharga dari sekadar performa tertinggi — model nomor satu di leaderboard gak ada gunanya kalau tim legal kalian gak berani deploy-nya. Prinsip milih tools berdasarkan kejelasan lisensi dan biaya jangka panjang, bukan cuma angka benchmark, ini yang gw latih bareng murid-murid di kelas gw.

Sumber primer: blog resmi IBM Research di Hugging Face (huggingface.co/blog/ibm-research/ibm-releases-sota-granite-time-series).