Tabular Models Benchmark: Leistung über 19 Datasets hinweg

Wir haben 13 tabellarische Learning Models auf 19 realen Datasets mit rund 272.000 Samples verglichen, bei Dataset-Größen von 435 bis 48.800 Zeilen. Jedes Model wurde mit 5-facher Kreuzvalidierung auf identischen Splits ausgeführt.

Benchmark-Ergebnisse tabellarischer Learning Models

Jeder Dataset ist ein Round-Robin aus Direktvergleichen zwischen Models, entschieden anhand der primären Metrik. Elo fasst alle 1.398 Matches zu einer einzigen Bewertung pro Model zusammen; ein Abstand von 200 Punkten bedeutet, dass das höher bewertete Model etwa 3 von 4 Matches gewinnt. Details stehen in der Methodik.

• Kein einzelnes Model führt. Der Signifikanztest findet keinen signifikanten Abstand zwischen den Top 5: LimiX-2 (1503), Kumo-Tabular (1438), TabPFN-3.5 (1363), TabFM (1325) und Causilo (1192). Die Elo-Intervalle der Top 4 überlappen sich.
• LimiX-2 belegte auf 11 der 19 Datasets den ersten Platz und lag auf 17 unter den Top 3. Kumo-Tabular, das der Test nicht davon trennt, benötigt im Durchschnitt 7,6 Sekunden pro Fold, etwa 15x schneller.
• Auf 15 der 18 Datasets mit einem einzigen Sieger ist der Vorsprung des Siegers kleiner als seine eigene Fold-zu-Fold-Standardabweichung. LimiX-2 führt auf den anderen drei mit mehr als diesem Abstand: diabetes, electricity und employee_salaries.

Elo behandelt partielle Abdeckung ebenfalls fair: Mitra wird nur auf den Matches bewertet, die es spielen konnte, also auf den 12 Datasets innerhalb seiner Trainings-Obergrenze von 10.000 Zeilen¹.

• LimiX-2 führt bei diabetes mit einem ROC-AUC von 0.879, gegenüber 0.844 von Kumo-Tabular, und bei employee_salaries mit einem RMSE von 2.743, gegenüber 3.060 von TabPFN-3.5.
• Auf amazon_employee_access, dessen größte kategoriale Spalte 7.518 Werte hat, erreicht LimiX-2 0.898 gegenüber 0.863 für Logistic Regression, das beste klassische Model. Der Abstand beträgt das 3.5-Fache der Fold-Standardabweichung von LimiX-2.

Der Signifikanztest (Friedman-Test, danach Nemenyi-kritische Differenz) setzt LimiX-2, Kumo-Tabular, TabPFN-3.5, TabFM und Causilo vor alle vier klassischen Models, von denen keines einen Dataset gewonnen hat. LimiX-2 und Kumo-Tabular liegen außerdem vor TabICLv2, Mitra-v2 und TabPFN 3. Der Vorsprung von TabPFN-3.5 gegenüber TabPFN 3 überschreitet die Schwelle um 0.02 Rangpunkte, der engste signifikante Abstand im Test. Details zum Test stehen in der Methodik.

Latenz von tabellarischen Models

• Die GPU-Preisgestaltung basiert auf RunPods On-Demand-Community-Cloud-Tarif von $5,98 pro GPU-Stunde. Die klassischen Models liefen auf CPU (62 Kerne); jedes Foundation Model lief auf einer B200.
• TabFM benötigte im Durchschnitt 173,6 Sekunden pro Fold (Median 16.9) und LimiX-2 111.9 (Median 28.4). Bei dieser Geschwindigkeit kosteten TabFMs Fold-Zeiten für den gesamten Benchmark etwa $27 und die von LimiX-2 etwa $18; TabPFN-3.5 erledigte dieselbe Arbeit für $0,68, und LightGBM lief auf CPU.
• TabPFN-3.5 und Kumo-Tabular benötigen im Durchschnitt 4.3 bzw. 7,6 Sekunden pro Fold; der vollständige Lauf von Kumo-Tabular kostet $1.19. Causilo (1,4 Sekunden) und Mitra-v2 (1.5) sind die schnellsten Foundation Models.
• Die Fold-Zeiten schließen den Kaltstart von TabFM aus: Sein JAX-Backend verbringt vor der ersten Vorhersage rund 20 bis 25 Minuten mit dem Kompilieren von GPU-Kernels. Ein persistenter Kompilierungs-Cache beseitigt dies bei späteren Läufen.
• LimiX-2 verbrauchte auf den größten Datasets etwa 124 GB GPU-Speicher. Das JAX-Backend von TabFM auf B200-Hardware stößt auf einen dokumentierten cuBLAS-Fehler im Standard-CUDA-12-Stack, den JAX als stilles Datenkorruptionsrisiko kennzeichnet; der CUDA-13-Stack vermeidet ihn.
• TabFM verarbeitet die Trainingsdaten bei jedem Vorhersage-Batch erneut als Kontext, sodass wiederholtes Scoring auf großen Daten die Kosten erhöht. Ein trainiertes XGBoost-Model liefert Vorhersagen in Mikrosekunden.

Ergebnisse nach Dataset-Größe und Feature-Typ

• Kleine Datasets (1.000 Zeilen oder weniger): Foundation Models belegen auf numerischen und hybriden (numerisch plus kategorial) Daten die ersten neun Plätze. LimiX-2 führt auf numerischen Daten (93,7 % durchschnittlicher ROC-AUC). Logistic Regression hält sich auf numerischen Daten (91,2 %) und bricht auf hybriden Daten ein (77,5 %).
• Mittlere Datasets (1.001 bis 10.000 Zeilen): Foundation Models führen bei beiden Feature-Typen. Der hybride Abstand ist groß: LimiX-2 85,5 % durchschnittlicher ROC-AUC gegenüber 83,4 % für das beste klassische Model, CatBoost.
• Große Datasets (über 10.000 Zeilen): Das alte Muster, dass Boosting bei großer Datenmenge aufholt, ist verschwunden. Auf großen numerischen Daten erreichen LimiX-2, Kumo-Tabular und TabPFN-3.5 durchschnittlich 99,6 % gegenüber 97,0 % von XGBoost. Auf großen hybriden Daten führen LimiX-2 und TabPFN-3.5 mit 89,2 % gegenüber 87,6 % von LightGBM.
• Mitra-v2 erreicht auf großen numerischen Daten durchschnittlich 95,6 % und liegt damit unter XGBoost. Diese Kategorie enthält einen binären Dataset, electricity, bei dem Mitra-v2 aus einem begrenzten Kontext vorhersagt.

Durchschnittlicher Rang nach Regime

Die Rangbetrachtung zeigt zwei Dinge, die ROC-AUC-Durchschnitte verbergen.

• LimiX-2 hält in fünf von sechs Regimen den besten Durchschnittsrang, gleichauf mit TabFM bei mittleren numerischen Daten. Auf kleinen hybriden Daten liegt sein invertierter Rang von 9.5 auf Platz vier, hinter Kumo-Tabular (11.5), TabFM (10.0) und TabPFN-3.5 (9.8).
• Jedes Foundation Model außer Mitra übertrifft jedes klassische Model in allen sechs Regimen.

Model-Siege nach Regime

LimiX-2 erzielt Siegpunkte in allen sechs Regimen und 11.1 der 19 Punkte insgesamt. TabFM punktet in drei Regimen; Kumo-Tabular und TabPFN-3.5 in zwei. Die klassischen Models erzielen keine Punkte. Das Acht-Wege-Unentschieden bei monks-problems-2 teilt einen Punkt in acht Teile, sodass die meisten Foundation Models auf kleinen hybriden Daten 0.1 zeigen.

Model-spezifische Beobachtungen

LimiX-2 (StableAI)

LimiX-2 hat den besten Durchschnittsrang (2.16) und 11 direkte Siege. Außerdem hat es die zweithöchsten Rechenkosten, mit 111,9 Sekunden pro Fold und etwa 124 GB GPU-Speicher auf den größten Datasets².

Kumo-Tabular (NVIDIA)

Kumo-Tabular hat den zweitbesten Durchschnittsrang (2.63) bei 7,6 Sekunden pro Fold, und der Signifikanztest trennt es nicht von LimiX-2³. Es landete auf 16 von 19 Datasets unter den Top 3.

TabPFN-3.5 (Prior Labs)

TabPFN-3.5 hat den drittbesten Durchschnittsrang (3.26) bei 4,3 Sekunden pro Fold, gegenüber 4.2 von TabPFN 3. Sein Rangvorsprung vor TabPFN 3 ist mit dem knappsten Abstand im Test signifikant. SAP kündigte im Mai 2026 die Übernahme von Prior Labs an⁴, was für Unternehmenskäufer bei der Bewertung der Anbieterstabilität relevant ist.

TabFM (Google Research)

TabFM hat den viertbesten Durchschnittsrang (3.53) und wurde auf drei Datasets Erster⁵. Seine Fold-Zeiten sind etwa 40x so hoch wie die von TabPFN 3, sein erster Lauf kompiliert über 20 Minuten lang, und es ist auf 10 Klassen beschränkt und für bis zu 500 Features optimiert.

Causilo (Nums KI)

Causilo hat den fünftbesten Durchschnittsrang (4.89) bei 1,4 Sekunden pro Fold und ist das schnellste Foundation Model im Benchmark⁶. Keines der vier Models darüber liegt signifikant davor.

TabICLv2 (Inria SODA)

TabICLv2 hat den sechstbesten Durchschnittsrang (6.58) bei 3,1 Sekunden pro Fold⁷. Es ergänzt Regressionsunterstützung, die dem ursprünglichen TabICL fehlte, und hat alle 19 Datasets abgeschlossen.

TabPFN 3 (Prior Labs)

TabPFN 3 hat den achtbesten Durchschnittsrang (7.11) und erledigte alle 19 Datasets in 6.6 GPU-Minuten⁸.

Mitra-v2 (Amazon)

Mitra-v2 hat den siebtbesten Durchschnittsrang (7.00) bei 1,5 Sekunden pro Fold⁹. Es entfernt Mitras 10.000-Zeilen-Obergrenze und erledigte alle 19 Datasets, aber auf fünf großen binären Datasets sagt es aus einer Stichprobe von höchstens 16.384 Trainingszeilen vorher.

Mitra (Amazon, via AutoGluon)

Ein Spezialist für kleine Daten nach Design: Eine harte Trainings-Obergrenze von 10.000 Zeilen macht es auf 7 von 19 Datasets zu k. A. Auf seinen 12 Datasets erreicht es einen durchschnittlichen Rang von 9.12 unter den 13 Models. Mitra-v2 entfernt die Obergrenze und rangiert höher.

Gradient Boosting: LightGBM, CatBoost, XGBoost

Gradient-geboostete Trees führen in keinem Regime mehr bei der Genauigkeit. LightGBM war das beste klassische Model (Durchschnittsrang 9.74). CatBoost war das beste klassische Model auf mittleren hybriden Daten. XGBoost landete beim Durchschnittsrang auf dem letzten Platz (10.79) und zeigte eine bemerkenswerte Schwäche: Mit nativen kategorialen Splits bei der Regression mit hoher Kardinalität employee_salaries erzielte es einen RMSE von 10.894, während LightGBM bei identischen Eingaben 4.367 erreichte. Das ist ein Ergebnis aus einem einzelnen Dataset, aber es lohnt sich, dies zu prüfen, bevor man sich auf den kategorialen Modus von XGBoost verlässt.

Das Argument für geboostete Trees im Jahr 2026 ist operativ: Training unter einer Sekunde, Inference in Mikrosekunden, keine GPU, keine Zeilenobergrenzen, ausgereifte Tooling.

Logistische Regression

Logistische Regression hat einen Durchschnittsrang von 10.53, schlägt aber auf amazon_employee_access jedes gradient-geboostete Tree Model, TabPFN 3 und TabICLv2. Sparse One-Hot plus ein lineares Model bleibt eine starke, nahezu kostenlos Baseline auf kategorialen Daten mit hoher Kardinalität. Man sollte sie in jedem Benchmark behalten.

Kernerkenntnisse

Fünf Foundation Models (LimiX-2, Kumo-Tabular, TabPFN-3.5, TabFM und Causilo) übertreffen alle vier klassischen Models mit statistischer Signifikanz über die 19 Datasets hinweg, und Foundation Models führen in jedem Größen- und Feature-Regime. Dies gilt nur, wenn jedes Model die kategoriale Eingabe erhält, für die es entwickelt wurde; One-Hot-Kodierung für In-Context-Models zu erzwingen, beeinträchtigt diese auf Daten mit hoher Kardinalität.

Der Signifikanztest trennt LimiX-2, Kumo-Tabular, TabPFN-3.5, TabFM und Causilo nicht. Ihre Fold-Zeiten reichen von 1,4 Sekunden (Causilo) bis 173,6 Sekunden (TabFM).

Von diesen fünf erlaubt nur die Lizenz von Kumo-Tabular die kommerzielle Nutzung des Models und seiner Ausgaben ohne gesonderte Vereinbarung.

Zero-Shot bedeutet null Training, nicht null Rechenleistung. Kalkulieren Sie das Vorhersagevolumen Ihrer Workload, bevor Sie sich für TabFM oder LimiX-2 entscheiden.

Was sind tabellarische Foundation Models?

Traditionelle tabellarische Models werden auf jedem Dataset von Grund auf trainiert. Tabellarische Foundation Models (TFMs) werden einmal auf großen Sammlungen tabellarischer Probleme – überwiegend synthetisch – vortrainiert und passen sich zur Inference-Zeit an neue Datasets an: Die Trainingszeilen gehen als Kontext ein, und Vorhersagen kommen aus einem Vorwärtsdurchlauf. Kein Gradiententraining, keine Hyperparameter-Optimierung.

TabPFN definiert tabellarisches Lernen als amortisierte Bayessche Inference neu: Ein auf Millionen synthetischen Aufgaben vortrainierter Transformer konditioniert auf den beobachteten Dataset, um Vorhersagen zu erzeugen⁸. TabPFN 3 ist für bis zu 1.000.000 Zeilen und 2.000 Features ausgelegt, mit nativer kategorialer Verarbeitung.

TabICL erweitert In-Context-Lernen auf Tabellen: Zeilen werden zu strukturierten Tokens, und das Model leitet Entscheidungsregeln aus Kontextbeispielen ab¹⁰. TabICLv2 hat im Februar 2026 Regressionsunterstützung ergänzt.

TabFM kombiniert die beiden Ansätze: abwechselnde Zeilen- und Spalten-Attention über rohe Zellen, Komprimierung jeder Zeile in einen dichten Vektor und dann ein In-Context-Transformer über die komprimierten Zeilen. Es wurde auf Hunderten Millionen synthetischer Datasets trainiert, die aus strukturellen kausalen Models erzeugt wurden.

Mitra folgt der TabPFN-Linie innerhalb von AutoGluon und ist für kleine Daten optimiert.

LimiX-2, Kumo-Tabular, TabPFN-3.5, Causilo und Mitra-v2 funktionieren in diesem Benchmark auf dieselbe Weise: Jedes sagt aus den Trainingszeilen als Kontext vorher, ohne Gradiententraining auf dem Dataset.

Verpassen Sie nicht unsere Benchmarks und datengestützten Erkenntnisse. Die Schaltfläche öffnet Google; die Auswahl von AIMultiple bestätigt, dass Sie AIMultiple häufiger in den Google-Suchergebnissen sehen möchten.

Als bevorzugte Quelle hinzufügen

Methodik des Tabular Models Benchmarks

Models (13): LogisticRegression (Ridge-Regression auf den drei Regression-Datasets), XGBoost, LightGBM, CatBoost, TabPFN 3, TabICLv2, TabFM, Mitra, LimiX-2, Kumo-Tabular, TabPFN-3.5, Causilo, Mitra-v2.

Datasets (19, OpenML): 15 binäre Klassifikation, 1 Multiklassen, 3 Regression; 435 bis 48.800 Zeilen; nur numerische oder hybride (numerisch plus kategorial) Features. Bekannte Leakage-Spalten wurden entfernt.

Evaluierung: 5-fache stratifizierte Kreuzvalidierung (einfache CV für Regression), Seed 42, identische Splits für jedes Model. Primäre Metriken: ROC-AUC (binär), Makro-F1 (Multiklassen), RMSE (Regression). Standard-Hyperparameter, kein Tuning. Dies begünstigt tuning-free Models: Ein getuntes XGBoost würde besser abschneiden, und Tuning-Budgets sind selbst Kosten, die wir nicht modelliert haben.

Konfiguration: die festen Einstellungen des Benchmarks für die klassischen Models, TabPFN 3, TabICLv2, TabFM und Mitra; für LimiX-2, Kumo-Tabular, TabPFN-3.5, Causilo und Mitra-v2 die Standardkonfiguration in TabArena, einem öffentlichen Leaderboard für tabellarische Models. Kein Model wird fine-tuned. TabArenas Standard für Mitra-v2 fine-tuned für 50 Schritte auf jedem Trainings-Fold; hier läuft Mitra-v2 ohne Fine-Tuning.

Kategoriale Verarbeitung, je nach Model-Design: nativer Kategorie-dtype für CatBoost, XGBoost, LightGBM, Causilo und Mitra-v2; rohe Features mit kategorialen Indizes für TabPFN 3, TabPFN-3.5 und TabFM, rohe Textspalten für LimiX-2; Spaltentypen, die vom Model für Kumo-Tabular abgeleitet werden; ordinale Kodierung für TabICLv2; One-Hot plus StandardScaler nur für Logistic Regression. Kein Model, das native kategoriale Verarbeitung unterstützt, wird durch One-Hot gezwungen. Der Kompromiss: Zellen unterscheiden sich designbedingt in der Eingabedarstellung. Eine Darstellung für jedes Model zu erzwingen, wirkt fairer, bestraft aber Models, die für eine andere Eingabe gebaut wurden.

Umgebung: ein RunPod-Pod mit 2x NVIDIA B200 (183 GB), Treiber 580, Ubuntu 24.04. Klassische Models auf CPU (62 Kerne), jedes Foundation Model auf einer B200. PyTorch 2.8.0 cu128 für TabPFN 3, TabICLv2 und Mitra; JAX 0.10.1 mit CUDA-13-Wheels für TabFM. LimiX-2, Kumo-Tabular, TabPFN-3.5, Causilo und Mitra-v2 liefen auf Single-B200-RunPod-Pods (Treiber 595, CUDA 13.2), jeweils ein Model pro GPU zur gleichen Zeit, jedes in seiner eigenen Python-Umgebung.

Latenz: tatsächliche Zeit pro Fold für Anpassen plus Vorhersage, aufgezeichnet im Harness. Die einmalige Kompilierung von TabFM wird von den Fold-Zeiten ausgeschlossen und separat ausgewiesen.

k. A.-Richtlinie: Eine Zelle ist nur bei einem dokumentierten Model-Limit k. A., wobei der Grund in Logs erfasst wird. Die einzigen k. A.-Werte in den endgültigen Daten sind Mitras 7 Datasets oberhalb seiner 10.000-Zeilen-Obergrenze.

Kontext-Obergrenze von Mitra-v2: Auf binären Datasets mit mehr als 16.384 Trainingszeilen (adult, amazon_employee_access, bank-marketing-full, default_credit, electricity) sagt Mitra-v2 aus einer klassenbalancierten Stichprobe von 16.384 Trainingszeilen vorher, die für jeden Batch von 16.384 Testzeilen neu gezogen wird. Dies ist der Standard von TabArena. Die Obergrenze beträgt 32.768 Zeilen für Multiklassen und Regression und wird von keinem Dataset hier überschritten.

Rangmetriken: Innerhalb jedes Datasets werden Models von 1 (beste) bis k nach der primären Metrik sortiert; der Durchschnittsrang eines Models mittelt diese über die von ihm abgeschlossenen Datasets. Das Regime-Diagramm zeigt den invertierten Rang, k + 1 minus Rang, sodass höher besser ist und 13 den ersten Platz unter acht bedeutet. Siegpunkte vergeben den einzelnen Punkt jedes Datasets an die beste Punktzahl; exakte Gleichstände teilen ihn gleichmäßig auf, sodass ein Acht-Wege-Gleichstand jeweils 0.125 ergibt.

Statistik: Friedman-Test plus Nemenyi-kritische Differenz über die 12 Models mit vollständiger Abdeckung. Mitra wird ausgeschlossen, weil es 12 von 19 Datasets abgeschlossen hat; die Einbeziehung würde den Test auf diese 12 beschränken. Die in den Model-Abschnitten genannten Durchschnittsränge stammen aus diesem 12-Model-Test; Mitras Rang wird unter allen 13 Models über seine 12 Datasets berechnet.

Der Friedman-Test ergibt Chi-Quadrat 165.8, p unter 10^-29. Die kritische Differenz ist CD = q × sqrt(k(k+1) / (6N)), mit q = 3.268 bei Alpha 0.05 für k = 12 Models und N = 19 Datasets, was CD = 3.82 ergibt: Zwei Models unterscheiden sich signifikant nur, wenn ihre Durchschnittsränge mehr als 3.82 auseinanderliegen. Die Top 4 erstrecken sich von 2.16 (LimiX-2) bis 3.53 (TabFM), sodass kein Abstand zwischen ihnen die Schwelle überschreitet. LimiX-2s Abstand zu TabICLv2 beträgt 4.42; TabPFN-3.5s Abstand zu TabPFN 3 beträgt 3.84. Die Konfidenzintervalle der Durchschnittsränge stammen aus einem Bootstrap mit 10.000 Samples über die Datasets.

Elo-Bewertungen: Jeder Dataset ist ein Round-Robin zwischen allen Models, die ihn abgeschlossen haben, insgesamt 1.398 paarweise Matches. Das Model mit der besseren primären Metrik gewinnt einen Match (Punktzahl 1); exakte Gleichstände ergeben jeweils 0.5 Punkte.

Die Formeln verwenden vier Größen. R(A) ist die aktuelle Bewertung von Model A, die Zahl, die das Diagramm ausweist; jedes Model startet bei R = 1000. S(A) ist die tatsächliche Punktzahl, die Model A aus einem Match geholt hat: 1 für einen Sieg, 0.5 für ein Unentschieden, 0 für eine Niederlage. E(A) ist die erwartete Punktzahl, also die Gewinnwahrscheinlichkeit, die aktuellen Bewertungen für A vor dem Match vorhersagen. K = 32 ist der Aktualisierungsschritt, der begrenzt, wie stark ein Match eine Bewertung verändern kann.

Vor einem Match zwischen den Models A und B ist die erwartete Punktzahl E(A) = 1 / (1 + 10^((R(B) − R(A)) / 400)): Wenn die Bewertungen gleich sind, ergibt das 0.5, und sie nähert sich 1, wenn As Bewertung davonzieht. Nach dem Match wird die Bewertung durch R(A) = R(A) + K × (S(A) − E(A)) aktualisiert, sodass A gewinnt, wenn es besser abschneidet als erwartet, und Punkte verliert, wenn es schlechter abschneidet; ein Überraschungssieg über ein höher bewertetes Model bringt mehr als ein routinemäßiger Sieg über ein schwächeres. Das Update ist ein Nullsummenspiel, sodass der Durchschnitt des Pools bei 1000 bleibt und eine Bewertung nahe 1000, wie Mitra-v2s 977, als durchschnittliches Model in diesem Feld zu lesen ist. Der Divisor 400 legt die Skala fest: Bei einem Abstand von 200 Punkten ist die erwartete Punktzahl 1 / (1 + 10^(−0.5)) = 0.76, woher die Aussage „gewinnt etwa 3 von 4 Matches“ stammt.

Ein einzelner Elo-Durchlauf hängt von der Match-Reihenfolge ab, und die 19 Datasets sind selbst eine Stichprobe. Daher führen wir 1.000 Bootstrap-Runden durch; jede Runde zieht die 19 Datasets mit Zurücklegen neu, erstellt die Match-Liste neu, mischt die Match-Reihenfolge und führt Elo von Grund auf aus. Die veröffentlichte Bewertung ist der Mittelwert über die Runden, und die 95 %-Intervalle sind die Perzentile 2.5th und 97.5th, die sowohl die Dataset-Stichprobe als auch das Reihenfolgerauschen abdecken. Elo ist die zusammenfassende Visualisierung; der Friedman- und Nemenyi-Test bleibt der Signifikanz-Arbiter.

Reproduzierbarkeit: fester Seed 42, identische Splits, Ergebnisse pro Fold sowie alle Merge-, Statistik- und Elo-Skripte im Benchmark-Repository.

Zitieren Sie diesen Benchmark

Wählen Sie das Format, das zu Ihrem Veröffentlichungsort passt. Wenn Sie die Link-Version in Ihr CMS einfügen, bleibt der Backlink erhalten.

@misc{kalelioglu2026,
  author = {Kalelioğlu, Berk and Dilmegani, Cem},
  title  = {{Tabular Models Benchmark: Leistung über 19 Datasets hinweg}},
  year   = {2026},
  month  = jul,
  howpublished    = {\url{https://aimultiple.com/tabular-models}},
  note   = {AIMultiple. Abgerufen am 3. Juli 2026}
}

Änderungsprotokoll

3 Aktualisierungen

Alle3Allgemein2Methodik1

2026

1. 3. Jul

   TabFM zum Benchmark hinzugefügt, führend in jedem Datensatzregime.

2. 19. Mai

   TabPFN in den Benchmark-Ergebnissen, Rankings und Modellgrenzen durch TabPFN 3 ersetzt.

3. 19. Mai

   TabPFN in der Liste der getesteten Modelle durch TabPFN 3 ersetzt.

Referenzlinks

1.

AutoGluon Tabular - Foundational Models - AutoGluon 1.6.1 documentation

2.

[2609.17488] LimiX-2: A Contextual Mechanism Network Towards General Structured-Data Intelligence

3.

GitHub - NVIDIA/structured-data-models: Foundation Models for Structured Data · GitHub

4.

SAP to Acquire Prior Labs | SAP News Center

SAP

5.

Introducing TabFM: A zero-shot foundation model for tabular data

6.

[2609.22866] Causilo Technical Report

7.

[2602.11139] TabICLv2: A better, faster, scalable, and open tabular foundation model

8.

[2207.01848] TabPFN: A Transformer That Solves Small Tabular Classification Problems in a Second

9.

[2609.04540] Mitra-v2 Technical Report

10.

[2502.05564] TabICL: A Tabular Foundation Model for In-Context Learning on Large Data

Berk Kalelioğlu

KI-Forscher

Folgen auf

Berk ist KI-Forscher im Benchmark-Team von AIMultiple und konzentriert sich auf agentische KI, maschinelles Lernen sowie große und kleine Sprachmodelle (LLMs und SLMs).

Vollständiges Profil anzeigen

Recherchiert von

Cem Dilmegani

Leitender Analyst

Folgen auf

Cem ist seit 2017 leitender Analyst bei AIMultiple.

Cems Arbeit bei AIMultiple wurde von führenden globalen Publikationen wie Business Insider, Forbes, Morning Brew und Washington Post, von globalen Unternehmen wie Deloitte und HPE, von NGOs wie dem World Economic Forum und von supranationalen Organisationen wie der European Commission zitiert. [1], [2], [3], [4], [5]

Im Laufe seiner Karriere war Cem als Tech-Berater, Tech-Einkäufer und Tech-Unternehmer tätig. Er beriet Unternehmen bei ihren Technologieentscheidungen bei McKinsey & Company und Altman Solon über mehr als ein Jahrzehnt. Er veröffentlichte außerdem einen McKinsey-Bericht zur Digitalisierung.

Er leitete Technologiestrategie und -beschaffung eines Telekommunikationsunternehmens und berichtete dabei direkt an den CEO. Außerdem verantwortete er das kommerzielle Wachstum des Deep-Tech-Unternehmens Hypatos, das innerhalb von zwei Jahren von 0 einen siebenstelligen jährlich wiederkehrenden Umsatz und eine neunstellige Bewertung erreichte. Cems Arbeit bei Hypatos wurde von führenden Technologiepublikationen wie TechCrunch und Business Insider aufgegriffen.

Cem spricht regelmäßig auf internationalen Technologiekonferenzen. Er absolvierte die Bogazici University als Computeringenieur und hat einen MBA von der Columbia Business School.

Vollständiges Profil anzeigen

Seien Sie der Erste, der kommentiert

Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich. Kommentare werden in ihrer Originalsprache belassen.

Name

E-Mail-Adresse

Kommentar

0/450

Kommentar posten