英伟达正式发布Kumo Tabular，一组面向表格数据的开源基础模型，参数量从约2800万到2.15亿不等。模型权重、配套软件全部公开，并采用允许商用的OpenMDW 1.1许可证。用户只需提供带标签的上下文行，即可在一次前向传播中完成分类或回归预测，无需针对具体任务训练、调参或特征工程。

真正值得细看的是它如何把“预训练+上下文学习”真正落到结构化数据上。整组模型完全在合成表格上训练，超过1.37亿张由结构因果模型随机生成的表。架构上采用表格专用Transformer：先用列注意力与行注意力把原始单元格压缩成固定维度的行表示，再通过上下文学习Transformer让查询行只关注已标注的上下文行。结果是，在TabArena、BeyondArena、TALENT、ScoringBench四项主流基准上全面排名第一；在TabArena上ELO达到1950，推理速度比LimiX-2快17倍，整体占据精度与推理时延的新帕累托前沿。这与过去二十年依赖梯度提升树、每张表单独建模的路径形成鲜明对比。

表格数据长期被大模型浪潮边缘化，Kumo Tabular把“一次预训练、多任务即用”的范式真正推进到了企业最核心的资产形态。真正的考验不在基准榜单，而在真实业务数据分布漂移与多表关联场景下，它能否持续替代传统流水线。