TabPFN-3 blev udgivet den 12. maj 2026 . Den understøtter datasæt på op til 1 million rækker og 200 funktioner, med indbygget understøttelse af tekstfunktioner via API
. API-udgaven TabPFN-3-Plus (Thinking) introducerer inferens-tidsberegning (test-time compute), hvilket betyder, at modellen bruger mere tid under fitting for at opnå markant højere nøjagtighed
. På TabArena-benchmarket slår TabPFN-3-Plus (Thinking) alle ikke-TabPFN-modeller med over 200 Elo og overgår AutoGluon 1.5 extreme, samtidig med at den er 10 gange hurtigere
. TabPFN-3 i sig selv forbliver open source
.
Philipp Herzig, SAP's CTO, udtalte, at SAP tidligt erkendte, at den største uudnyttede mulighed inden for enterprise AI ikke var LLM'er, men AI bygget til struktureret forretningsdata. Han sagde: "At kombinere deres banebrydende modelarbejde med virksomhedsdata og kundedækning er sådan, vi agter at føre denne kategori globalt" .
Frank Hutter, CEO for Prior Labs, sagde: "At blive en del af SAP-familien giver os de ressourcer, data-miljø og kundedækning, der skal til for at udnytte dette kategoris fulde potentiale" . I et LinkedIn-opslag efter lukningen tilføjede han: "Samme team, samme kontorer, samme mission, åbne modeller, bakket op af €1 mia.+. Hvad ændrer sig? Skalaen og planlægningshorisonten. SAP er den perfekte partner med en enorm mængde tabeldata og distribution"
.
Den kombinerede enhed planlægger at forfølge banebrydende forskning inden for enterprise AI, videnskabelige opdagelser, kausalitet, relationelle data og agentiske systemer – og bevæge sig fra korrelation til kausalitet, hvilket muliggør agentisk AI, der forstår tabeller, sprog og billeder for at ræsonnere og tilpasse sig dynamisk . SAP har også skitseret moonshot-ambitioner inden for medicinske data og materialevidenskab, med applikationer, der allerede er demonstreret inden for onkologisk diagnose, klinisk beslutningstagning og forskning i batterimaterialer
.