TabPFN-3.5 发布，表格基础模型迈向企业生产环境
Prior Labs 发布新一代表格基础模型，称其在多项评测中领先，并能以更少调参处理原始企业数据。
Prior Labs 发布 TabPFN-3.5，这是其面向结构化数据的基础模型最新版本。与通用语言模型不同，TabPFN 专门服务于预测、欺诈识别、定价、客户流失分析和风险评分等表格数据任务。
公司称，TabPFN-3.5 在 TabArena 和 BeyondArena 两项表格数据评测中排名第一；在启用“思考”模式后，相比传统机器学习方法的胜率达到 99%。这些成绩来自厂商披露，仍需要结合独立评测细节和具体任务构成解读。
减少预处理，加快推理
TabPFN-3.5 试图直接处理真实业务数据中的复杂情况，包括缺失值、类别字段、异常值、自由文本列，以及包含大量不同 ID 的数据集。Prior Labs 表示，新模型原生支持最多 100 万行数据，预测速度也较此前版本明显提升。
公司重点展示了缓存推理能力：在重复预测场景中，缓存可以减少等待时间。其一项对比显示，处理 1000 行数据时，模型延迟可低至 0.5 秒。对企业而言，这一产品逻辑很直接：面对一个新的预测任务时，可以先跳过繁琐的特征工程、算法选择和长时间调参，快速验证数据是否有预测价值。
SAP 同时宣布，TabPFN-3.5 Plus 已进入 SAP AI Core，可用于现金流预测、供应商风险评分和付款延迟预测等企业场景。
为什么值得关注
结构化业务数据仍是传统机器学习最具优势的领域之一。如果模型能以较少准备工作适应新表格，就可能缩短从原始运营数据到可用预测结果的时间，尤其适合数据科学团队规模较小的企业。
但评测领先并不等于能够应对数据分布变化、监管审查或高风险决策。企业仍需建立数据校验、持续监控、可解释性和领域治理机制。因此，TabPFN-3.5 更像是让表格建模变得可复用、易上手的一次重要尝试，而不是对现有机器学习体系的直接替代。
猫叔判断
TabPFN-3.5 最关键的信号是进入 SAP AI Core：它正从评测新奇物走向采购清单，但能否普及仍取决于治理能力。