Amazon’un Chronos 2025 raporu zero-shot forecasting senaryolarında MAPE metriğini geleneksel modellere kıyasla %22 düşürdüğünü gösteriyor. Nixtla TimeGPT 2025 benchmark’i M5 yarışmasında üst %5’lik dilime girdi. 2026’da zaman serisi foundation modelleri ARIMA ve Prophet’in yerini alıyor. Konuyla ilişkili olarak Time-Series Forecasting: Prophet vs Neural Prophet vs Chronos LLM rehberimiz detaylı incelemeyi içerir.
Zaman Serisi Foundation Modelleri ve 2026 Pazar Bağlamı
Zaman serisi foundation modelleri LLM’lerin time-series alanına adapte edilmiş halidir. Geleneksel ARIMA, Prophet, ETS gibi modeller her seri için ayrı eğitim gerektirirken foundation modeller zero-shot çalışıyor. Önceden milyarlarca seri üzerinde eğitilmiş; herhangi bir yeni seri için fine-tune olmadan tahmin üretiyor.
Amazon Chronos (2024 Q1 lanse, 2025 v3 sürümü), Nixtla TimeGPT (2023 sonu lanse), Salesforce Moirai (2024 lanse), Google TimesFM (2024) dört ana oyuncu. Hugging Face üzerinde Chronos T5-large, T5-small varyantları açık kaynak; TimeGPT API-only ticari; Moirai açık kaynak; TimesFM açık kaynak (Google Research). Her birinin farklı güçlü yanı var.
2026’da zaman serisi forecasting pazarı 8,2 milyar USD; finansal tahmin, tedarik zinciri, IoT izleme, enerji yönetimi ana use case’ler. Detaylar için Chronos GitHub ve Nixtla GitHub referans niteliğindedir.
Chronos, TimeGPT ve Moirai Karşılaştırması
Üç model farklı pre-training stratejisi ve mimari ile yaklaşıyor. Chronos T5 encoder-decoder; tokenization ile sürekli değerleri discrete token’lara dönüştürüyor. TimeGPT decoder-only transformer; uzun horizon forecasting’de güçlü. Moirai masked transformer; multivariate ve heterojen frequency desteği güçlü.
| Özellik | Chronos | TimeGPT | Moirai |
|---|---|---|---|
| Mimari | T5 encoder-decoder | Decoder-only | Masked transformer |
| Zero-shot MAPE | -22% vs Prophet | -19% vs Prophet | -24% vs Prophet |
| Multivariate destek | Sınırlı | Native | Mükemmel |
| Lisans | Apache 2.0 | API only | Apache 2.0 |
| Fine-tune desteği | Evet | Evet | Evet |
| Long-horizon (1000+ adım) | İyi | Mükemmel | İyi |
Karar Matrisi: Hangi Senaryoda Hangi Model
Zaman serisi model seçimi dört değişkene bağlı: horizon uzunluğu, multivariate gereksinim, geçmiş veri miktarı, lisans/maliyet. Aşağıdaki kriterler 2025-2026 saha pratiğine dayalı varsayılan tercihleri özetler:
- Kısa horizon (24-48 adım) + univariate: Prophet hala rekabetçi; Chronos da güçlü
- Uzun horizon (500+ adım) + tek seri: TimeGPT veya Chronos
- Multivariate + dış değişkenler: Moirai veya TimeGPT
- Açık kaynak + self-host: Chronos veya Moirai
- Hızlı API entegrasyonu + minimum efor: TimeGPT
- Yetersiz veri (50 örnek altı): Chronos zero-shot lider
İlgili konu: sentetik veri rehberimizde time-series sentetik üretiminin model eğitimini nasıl iyileştirdiğini anlattık.
Production Implementation Pattern
Foundation modeli production’a almak için Hugging Face transformers ile entegre Python kodu yeterli. Chronos için: from chronos import ChronosPipeline; pipeline = ChronosPipeline.from_pretrained(“amazon/chronos-t5-large”); forecast = pipeline.predict(context=tensor, prediction_length=24). Bu basit kod tek bir sorgu için yeterli; production’da batch processing pattern’i gerekiyor.
Ensemble pattern yaygınlaşıyor: foundation model + Prophet veya ARIMA ensemble’ı tek modele kıyasla %8-12 daha doğru. Foundation model zero-shot ile baseline, klasik model fine-tune ile baseline-spesifik patterns yakalıyor. Birleşim her ikisinin avantajını sunuyor. Salesforce Moirai 2025 raporu bu ensemble pattern’i kanıtlıyor; detaylar için Salesforce Moirai blog referans.
Operasyon, Maliyet ve Doğruluk Karşılaştırması
Foundation modellerin inference maliyeti klasik modellere göre yüksek. Chronos T5-large bir tahmin için 200-400 ms GPU üzerinde; ARIMA fit + predict 50 ms CPU. Ancak foundation model fine-tune gerektirmediği için toplam TCO daha düşük olabiliyor. 1000 farklı seri için ARIMA bireysel eğitim 6 saat; Chronos zero-shot 2 dakika.
| Metrik | ARIMA | Prophet | Chronos T5-large | TimeGPT API |
|---|---|---|---|---|
| Zero-shot MAPE (M5) | %24,8 | %18,4 | %14,3 | %14,9 |
| Fine-tune MAPE | %18,2 | %15,1 | %11,8 | %12,3 |
| 1000 seri eğitim süresi | 6 saat | 4 saat | 2 dk (zero-shot) | API |
| Tahmin başı maliyet | 0,0001 USD | 0,0001 USD | 0,002 USD | 0,005 USD |
| Setup karmaşıklığı | Yüksek | Orta | Düşük | Düşük |
Sektörel Use Case’ler
Perakendede 50.000 SKU için talep tahminleme: ARIMA bireysel 50.000 model = 12 saat eğitim. Chronos zero-shot 50.000 seri 8 dakika; doğruluk %18 daha iyi. Enerji sektöründe saatlik elektrik tüketim tahmini Moirai multivariate (sıcaklık + tatil + ekonomik gösterge) ile %23 daha doğru. Finansal piyasada intraday tahmin TimeGPT API tercih ediliyor; düşük kurulum süresi.
Anthropic ve OpenAI’nin zaman serisi alanına girmemesi (henüz) açık bir fırsat penceresi yaratıyor. Salesforce, Amazon, Nixtla gibi specialized oyuncular pazarda. 2026’da kurumsal forecasting projeleri foundation model varsayılan tercih; ARIMA ve Prophet sadece edge case ve baseline olarak kullanılıyor.
Kurumsal Zaman Serisi Foundation Model Dönüşümünde Karşılaşılan Tipik Sorunlar
Danışmanlık projelerinde gözlemlenen tipik darboğazlar:
- Foundation modelleri her senaryoda kullanma; basit haftalık seri için ARIMA daha verimli
- Multivariate ihtiyacını atlayarak univariate model seçme; dış değişken etkisi kayıp
- API maliyetini hesaplamadan TimeGPT seçme; 1M tahmin/ay sonrası self-host daha ucuz
- Ensemble pattern’i denememe; tek model %8-12 doğruluk kaybediyor
- Fine-tune yapmama; foundation model + 100 örnek fine-tune zero-shot’tan %20 daha iyi
- Latency’yi production scale’de test etmeme; 1000 seri batch için yetersiz throughput
Sonuç
Zaman serisi foundation modelleri 2026 forecasting’in temel araçları. Chronos açık kaynak + multivariate ihtiyacı yok ise, Moirai multivariate ve dış değişken senaryolarında, TimeGPT API hızlı entegrasyon için varsayılan tercih. ARIMA ve Prophet baseline olarak kalıyor; çoğu use case’de foundation model %22 daha düşük MAPE. Pilot 4 hafta: 5 kritik seri üzerinde Chronos zero-shot + Prophet karşılaştırması, ardından ensemble. ROI çoğunlukla 6 ay içinde geri ödüyor.
Sıkça Sorulan Sorular
Foundation model ne zaman ARIMA’dan iyi?
Geçmiş veri 100 örnekten az, çok sayıda farklı seri var, dış değişken etkisi mevcut, multi-horizon tahmin gerekiyor. Bu senaryoların herhangi biri için foundation model üstün.
Chronos lisansı kurumsal kullanım için uygun mu?
Evet, Apache 2.0 ile tam serbest. Ticari kullanım, modifikasyon, dağıtım izinli. Amazon resmi destek vermiyor ama açık kaynak topluluğu aktif.
TimeGPT API maliyeti ne kadar?
Tahmin başı 0,005 USD; 100K tahmin/ay 500 USD. Self-host Chronos eşdeğer iş yükü için ~300 USD/ay GPU maliyeti.
Multivariate model gerekir mi?
Dış değişken (tatil, hava durumu, ekonomik göstergeler) seri üzerinde etkili ise evet. Moirai ve TimeGPT bu senaryoda %15-25 daha doğru.
Ensemble pattern pratik mi?
Evet. Foundation model + Prophet weighted average %8-12 doğruluk artışı sağlar. Implementation basit; iki modelin tahminini ağırlıklı toplamı.
Ömer ÖNAL
Mayıs 23, 2026Zaman serisi foundation modellerinin geleneksel ARIMA ve Prophet’i ne kadar geçtiği ezbere değil, veri tipine bağlı. Müşterilerimizde gözlemlediğimiz pattern: kısa horizon ve düzenli mevsimsellik söz konusuysa Prophet hala rekabetçi; uzun horizon, multivariate ve zero-shot ihtiyaç varsa Chronos ya da TimeGPT açık ara lider. Kararı 4 boyutta veriyoruz: horizon uzunluğu, geçmiş veri miktarı, dış değişken sayısı, eğitim bütçesi. — Ömer ÖNAL