NVIDIA 发布开放权重表格基础模型 Kumo Tabular。它把带标签的行当作上下文，用一次前向计算完成分类或回归，无需针对任务训练或做特征工程。三种模型规模从 28M 到 215M 参数，全部用合成表格预训练。NVIDIA 报告它在 TabArena、BeyondArena、TALENT 与 ScoringBench 的综合排名均为第一。权重免申请并使用 OpenMDW-1.1，推理代码为 Apache-2.0；训练配方与合成数据生成器则仍停留在“即将发布”。
NVIDIA 发布免训练表格预测模型 Kumo Tabular
2026-09-29已核实动态TRIAL
NVIDIA 发布开放权重表格基础模型 Kumo Tabular。它把带标签的行当作上下文，用一次前向计算完成分类或回归，无需针对任务训练或做特征工程。三种模型规模从 28M 到 215M 参数，全部用合成表格预训练。NVIDIA 报告它在 TabArena、BeyondArena、TALENT 与 ScoringBench 的综合排名均为第一。权重免申请并使用 OpenMDW-1.1，推理代码为 Apache-2.0；训练配方与合成数据生成器则仍停留在“即将发布”。
可用状态：免申请权重，加 GPU 原生 structured-data-models 库
对你意味着什么
对维护大量小型梯度提升树模型的团队来说，Kumo Tabular 值得作为冷启动和少标签基线。可以先用 Medium 版本在留出表格上验证准确率与校准，再把端到端延迟和 GPU 成本与调优后的树模型比较。不要把四个 leaderboard 第一当成独立验证：这些都是厂商运行，超出训练范围或 context/query 分布变化时性能可能下降。
证据与关联材料
技术细节与六维评分
| 规模 | 28M 至 215M 参数；Small、Medium、Large | ||||
|---|---|---|---|---|---|
| 任务 | 根据带标签 context 行执行分类与回归 | ||||
| 训练 | 只用 Structural Causal Model 合成表格；约 35M/71M/137M 张表 | ||||
| Context 规模 | 训练阶段扩展到 60,000 行、100 列 | ||||
| 厂商 Benchmark | TabArena、BeyondArena、TALENT、ScoringBench 综合排名第一 | ||||
| 可用性 | 免申请权重，加 GPU 原生 structured-data-models 库 | ||||
| 许可证 |
| ||||
| 限制 | 输入限数值/类别列；单次前向最多 10 类，更多类别靠纠错编码扩展；分布变化或超出训练范围会降准；训练配方和数据生成器尚未发布 |
技术影响 4
工程价值 4
采用信号 2
成熟度 3
验证成本 3
风险 3