蚂蚁国际发布时序预测模型 Falcon TST 2.0，MASE 降至 0.666
蚂蚁国际时序模型 Falcon TST 2.0 登顶全球基准，聚焦金融场景，用业务验证证明通用时序基础模型可落地风控。
蚂蚁国际推出自研时序 AI 预测大模型鹰序 TST 2.0，在全球基准 GIFT-Eval 上取得最优成绩，平均绝对比例误差降至 0.666。该模型专为跨境支付外汇风险管理打造，已获巴克莱、花旗、德意志、渣打等机构应用，预测准确率稳定超过 93%，并计划拓展至电商、航空等领域。
正文摘录
Falcon TST 2.0 获得世界权威测评第一名，推动时间序列基础模型从通用预测走向金融应用 蚂蚁国际日前正式发布自研时序 AI 预测大模型 “鹰序 TST”（FalconTST，Time-Series Transformer）2.0 版。“鹰序 TST” 2.0 在全球权威基准测试中取得最优成绩（SOTA，即当前最优水平），平均绝对比例误差（MASE，一种衡量预测精度的标准化指标）降至 0.666，超越多家全球顶尖科技公司的时间序列预测模型。该模型专为跨境支付外汇风险管理打造，并将拓展至电商供应链需求预测、航空运营管理等更多行业场景。 目前，巴克莱银行、花旗银行、德意志银行、渣打银行等大型金融机构已将 “鹰序 TST” 2.0 应用于现金流预测与外汇管理，提升流动性风险敞口的预测能力。“鹰序 TST” 2.0 的预测准确率已稳定超过 93%，具备向物流、航空、电商等金融以外行业拓展的应用能力。 2025 年以来，Amazon Chronos-2、Google TimesFM 2.5、Salesforce Moirai 2.0 和 IBM FlowState 相继把多变量、长上下文、概率预测、跨采样率适配等能力推向前台；与此同时，金融市场的低信噪比、机制切换、厚尾风险和跨市场联动，使通用榜单优势很难直接转化为稳定的金融预测收益。蚂蚁国际 Falcon TST 的演进具有代表性：2025 年先在外汇敞口和资金管理中完成业务验证，2026 年又以 Falcon-2.0 强化单变量预测效率，以 Falcon-X 补足异构多变量关系建模，Falcon TST 2.0 是 “通用时序基础能力 + 金融流程验证” 的专用化尝试，持续迭代和稳定进步展现了蚂蚁国际在 AI + 金融领域的先锋力量。 通用时间序列基础模型已经具备明显的跨数据集迁移能力。