Databricks представила ИИ, который делает прогнозы по таблицам без обучения
- Databricks выпустила руководство и бесплатный код для сравнения пяти табличных моделей на GPU-сервисе AI Runtime.
- Один прогноз на GPU стоит дороже, чем на XGBoost с CPU; для TabFM и TabPFN нужно отдельное коммерческое соглашение.
- По данным компании, Nvidia H100 запускает TabPFN-3 на таблицах до 1 млн строк и 200 столбцов.
Почему это важно: Такие модели предназначены для прогнозов кредитного риска, оттока клиентов и спроса без отдельного обучения под каждую задачу.

Databricks опубликовала руководство и открытый код для запуска пяти табличных фундаментальных моделей — ИИ, который делает прогнозы на основе данных в виде электронных таблиц без обучения под конкретную задачу, — на своём GPU-сервисе AI Runtime. По словам компании, один прогноз с помощью этих моделей обходится дороже, чем с XGBoost на CPU, а для использования двух из них требуется коммерческое соглашение с разработчиками.
Databricks опубликовала руководство по запуску »табличных фундаментальных моделей» на своей платформе, сообщила компания в понедельник в своём блоге. Эти ИИ-модели делают прогнозы на основе данных в виде электронных таблиц без обучения под каждую задачу. К руководству прилагается бесплатный код, позволяющий сравнить пять таких моделей.
Компании используют табличные данные, чтобы прогнозировать, например, кредитный риск, отток клиентов и спрос. Обычно команды создают и переобучают отдельную модель для каждой задачи. Табличные же фундаментальные модели предварительно обучаются на миллионах синтетических наборов данных, а затем учатся на примерах строк компании непосредственно в момент прогнозирования.
Идея набирает популярность. SAP, которая тесно сотрудничает с Databricks, в июле закрыла сделку стоимостью более 1 млрд евро по приобретению Prior Labs — разработчика модели TabPFN. H2O.ai в мае представила собственную модель.
Databricks открыто говорит о компромиссах. По словам компании, запуск этих моделей на GPU обходится дороже в расчёте на один прогноз, чем классическая модель XGBoost на обычном процессоре. Кроме того, потребление памяти растёт с каждой строкой, поскольку модель каждый раз считывает весь обучающий набор.
Ещё одна загвоздка — лицензии. Из перечисленных Databricks моделей TabICLv2, Mitra v2 и KumoTabular можно использовать в коммерческих целях. Для TabFM и новейшей версии TabPFN требуется отдельное соглашение с их разработчиками.
Всё это служит рекламой AI Runtime — GPU-сервиса Databricks с оплатой по факту использования, который находится в режиме предварительного доступа с марта. По словам Databricks, её чипы Nvidia H100 способны запускать TabPFN-3 на таблицах объёмом до 1 млн строк и 200 столбцов. Компания, недавно оценённая в 190 млрд долларов, всё же советует фирмам сначала протестировать модели на собственных данных.
