Datadog Toto 2：开源时间序列预测模型家族

Signal Datadog 发布开源 Toto 2 时间序列预测模型家族 · twitter · 2026-05-15 Datadog 已发布 Toto 2，一个涵盖 400 万至 25 亿参数的开源时间序列预测模型家族。此次发布标志着首个基础模型家族在时间序列领域实证验证了缩放定律（scaling laws），并在不同参数规模下展现出一致的性能提升。

Context Toto 2 代表了时间序列数据向基础模型（foundational models）的演进，超越了传统的统计方法与专门的小型神经网络。通过覆盖 400 万至 25 亿参数的范围，该模型家族为评估模型容量与预测复杂度之间的关系提供了梯度。其核心技术创新在于实证验证了该领域的缩放定律，确立了参数量与性能指标之间可预测的关联。作为开源发布，Toto 2 支持集成至本地与云端的推理（inference）栈中，为需要可靠时序分析且不愿依赖专有 API 的自主智能体（autonomous agents）提供支持。

Relevance 本条目将知识库（knowledge base）的模型基础设施拓展至语言与视觉领域之外，证实了基础模型范式同样适用于结构化时序数据。对于自主智能体工作流而言，Toto 2 提供了一个标准化的开放权重（open-weight）组件用于时间序列预测，从而降低对闭源预测 API 的依赖。缩放定律的验证为评估实际运行环境中的模型效率提供了基准，在此类场景中，延迟与精度的权衡必须被量化。这也标志着开源基础设施的成熟：专业领域模型正通过规模扩张而非专有数据垄断来实现前沿性能。

Current State Datadog 已以开放权重（open weights）形式发布 Toto 2 模型家族，覆盖 400 万至 25 亿参数规模。此次发布包含对缩放定律的验证，确认了模型容量提升带来的性能增益。该系列模型可供集成至推理（inference）运行时环境，支持部署于本地硬件或云端基础设施。当前生态中，非大语言模型（LLM）领域尚缺乏直接对标产品，使其成为时间序列基础模型中一个独立的条目。

Open Questions

• Toto 2 所使用的训练数据的构成与许可协议为何，尤其是涉及 Datadog 专有遥测数据的部分？
• 在消费级硬件上，25 亿参数变体的推理（inference）延迟如何随规模扩展？与较小的统计基线相比表现如何？
• 是否为 Toto 2 定义了标准化的基准测试或评估套件，以促进时间序列领域的跨模型对比？
• 该模型如何应对真实监控环境中常见的分布偏移（distribution shifts）与非平稳数据？

Connections 尚未发现与现有流通（currency）条目的直接关联。

译注

• "Scaling laws" 译为“缩放定律”，在中文技术语境中亦常作“规模定律”，此处保留原词以指代参数规模与性能间的经验性比例关系。
• "Current" 在此处对应 Openflows 的流通层级（currencyType: current），指代处于流动、尚未闭合为稳定回路（circuit）的技术信号。中文以“当前状态”意译，以贴合数据在生态中尚未沉淀的语境。
• 术语如 推理 (inference)、智能体 (agent)、开放权重 (open weights) 均依《音译词汇表》保留中英对照，以维持技术语境的精确性与跨语言可追溯性。