Google apresenta TabFM, modelo de fundação zero-shot para dados tabulares

O TabFM é uma biblioteca de código aberto do Google Research, não um produto comercializado. Ele opera como um modelo fundacional para dados tabulares que dispensa treinamento específico por tarefa: em vez de ajustar pesos com .fit(), ele recebe toda a tabela, treino + teste, como um único contexto e gera predições em uma única passagem. A arquitetura híbrida combina atenção alternada entre linhas e colunas (como no TabPFN), compressão de cada linha em um vetor denso e um Transformer causal de 24 blocos (inspirado no TabICL) que opera sobre esses vetores comprimidos, não sobre a grade crua. Isso reduz custo computacional e preserva relações estruturais bidimensionais que modelos de linguagem tradicionais ignoram.

Ele é compatível com scikit-learn, aceita colunas mistas (numéricas e categóricas) e oferece backends JAX (com flax.nnx) e PyTorch. Mas há limitações reais: os pesos pré-treinados da versão 1.0.0 têm licença não comercial; o modelo foi treinado só em dados sintéticos gerados por modelos causais estruturais, ou seja, não viu dados reais sensíveis nem domínios especializados como saúde ou logística; e seu uso prático depende da memória disponível, pois o contexto de inferência inclui toda a tabela, o que impõe teto prático em datasets muito largos ou com muitas colunas.

A cobertura anterior do CEVIU sobre o KumoRFM-2, em abril de 2026, já sinalizava a corrida por modelos fundacionais capazes de operar diretamente sobre tabelas de banco de dados, sem pipeline tradicional. Mas o TabFM é a primeira implementação pública com foco exclusivo em zero-shot para classificação e regressão, não apenas previsão temporal (como TimesFM) ou raciocínio relacional (como KumoRFM-2). Enquanto o KumoRFM-2 enfatiza integração com chaves e histórico temporal, o TabFM elimina completamente a necessidade de feature engineering e hiperparâmetros, graças à sua reformulação como problema de in-context learning. Também é o primeiro modelo desse tipo integrado nativamente ao BigQuery via SQL, algo não mencionado nem prometido no anúncio do KumoRFM-2.

Para engenheiros de dados e analistas, o TabFM reduz o ciclo de implantação de predições estruturadas de dias para minutos, basta carregar os dados no BigQuery e rodar AI.PREDICT. Para equipes de ML, ele desloca o esforço do tuning manual para a validação de resultados: como o modelo não vê dados reais durante o treino, sua performance em cenários específicos (ex: detecção de fraude em nichos regulatórios) exige testes rigorosos em holdout real. E para arquitetos de dados, ele pressiona a adoção de padrões como o Open Knowledge Format (lançado pelo Google em 17/06), pois a qualidade das predições zero-shot depende diretamente da clareza semântica dos metadados e da consistência do esquema nas tabelas usadas como contexto.

Repositório oficial: google-research/tabfm