Prior Labs ha lanzado TabPFN-3.5, un modelo base tabular que predice sobre una tabla en un solo pase hacia adelante sin entrenamiento ni ajuste por conjunto de datos. El modelo obtiene 0.375 en el ranking privado del Desafío de Clasificación de Productos Otto Group 2015, superando la puntuación ganadora original de 0.382 lograda por Gilberto Titericz y Stanislav Semenov.

  • TabPFN-3.5 alcanza el primer lugar en siete benchmarks tabulares: TabArena, BeyondArena, STRABLE, MulTaBench, RelArena-α, TALENT y ScoringBench.
  • El modelo base crece a 220M parámetros con un transformador in-context más ancho (1024 dimensiones) y utiliza características de Fourier aprendidas y rangos ECDF para codificaciones de celdas.
  • Un único checkpoint multitarea ahora cubre tanto clasificación como regresión, eliminando la necesidad de transformaciones cuantílicas, escalado robusto y características SVD.
  • El modelo soporta hasta 1M filas con 6.000 características recomendadas (20.000 soportadas) y se ejecuta en aproximadamente un minuto en una GPU RTX PRO 6000.
  • La familia incluye TabPFN-3.5-Fast (84M parámetros), TabPFN-3.5-Plus (API/empresa con manejo de texto) y TabPFN-3.5-Thinking (cómputo de inferencia adicional).

El lanzamiento proporciona pesos abiertos para investigación, evaluación y Kaggle, mientras que el uso en producción requiere la API de Prior Labs o una licencia comercial.