多模态大语言模型（MLLMs）在时间序列推理方面进展有限。本文提出一种新颖的多模态时间序列LLM方法，利用轻量级编码器提取时间序列信息，并通过链式思维任务进行微调，以提升模型的推理能力。实验结果表明，该模型在零-shot推理任务中优于GPT-4o，并能有效学习时间序列特征。