Tecnología de Prior Labs y sus aplicaciones

TabPFN se publicó en Nature en enero de 2025 y ha sido citado más de 1.000 veces . Es capaz de igualar la precisión de un pipeline de machine learning ajustado durante cuatro horas en un solo paso de inferencia de segundos . La tecnología ya se utiliza en producción en sectores exigentes:

• Mantenimiento ferroviario — Un caso de estudio en el sitio web de Prior Labs muestra que la empresa se asoció con Hitachi para avanzar en el mantenimiento predictivo de trenes .
• Pronósticos financieros — Otro caso de estudio documenta que Prior Labs y TD Bank exploraron el uso de TabPFN para pronósticos financieros a escala empresarial .
• Salud y ciencias de la vida — Las aplicaciones de investigación abarcan el diagnóstico de cáncer de páncreas, oncología, neurología y cardiología ; un caso de estudio con BostonGene utilizó TabPFN para identificar perfiles del sistema inmunitario .
• Medio ambiente y energía — El modelo se ha aplicado a la predicción de riesgos de incendios forestales y a la predicción en tiempo real de energías renovables .
• Materiales para baterías — Las aplicaciones de TabPFN-2.5 se extienden a la predicción ambiental, incluyendo floraciones de algas y riesgos de incendios, así como a la predicción de energías renovables .

Último modelo: TabPFN-3 con Modo Pensamiento

TabPFN-3 se lanzó el 12 de mayo de 2026 . Admite conjuntos de datos de hasta un millón de filas y 200 características, con soporte nativo para características de texto a través de su API . La oferta API TabPFN-3-Plus (Thinking) introduce el escalado de cómputo en tiempo de inferencia (test-time compute), invirtiendo más tiempo durante el ajuste para lograr una precisión significativamente mayor . En el punto de referencia TabArena, TabPFN-3-Plus (Thinking) supera a todos los modelos no basados en TabPFN por más de 200 puntos Elo, y aventaja a AutoGluon 1.5 extreme siendo 10 veces más rápido . TabPFN-3 permanece como código abierto .

Estructura del acuerdo y términos de independencia

• Precio de adquisición — No se ha revelado, pero SAP se comprometió a invertir más de mil millones de euros en cuatro años para hacer crecer Prior Labs .
• Independencia — Prior Labs continúa operando como una entidad independiente, conservando su marca, liderazgo, agenda de investigación y relaciones con clientes .
• Compromiso con el código abierto — SAP apoya plenamente la estrategia de código abierto de Prior Labs; TabPFN-3 se publica como código abierto y el modelo acumula más de 3 millones de descargas .
• Liderazgo — Los fundadores Frank Hutter, Noah Hollmann y Sauraj Gambhir continúan al frente del equipo . Yann LeCun y Bernhard Schoelkopf forman parte del consejo asesor científico .

Justificación estratégica desde la dirección

Philipp Herzig, CTO de SAP, afirmó que SAP reconoció desde el principio que la mayor oportunidad sin explotar en la IA empresarial no eran los grandes modelos de lenguaje, sino la inteligencia artificial diseñada para datos empresariales estructurados. Declaró: "Combinar su trabajo en modelos de frontera con los datos empresariales y el alcance a clientes es cómo pretendemos liderar esta categoría a nivel global" .

Frank Hutter, CEO de Prior Labs, señaló: "Unirnos a la familia SAP nos proporciona los recursos, el entorno de datos y el alcance a clientes necesarios para llevar esta categoría a su máximo potencial" . En una publicación en LinkedIn tras el cierre, añadió: "El mismo equipo, las mismas oficinas, la misma misión, modelos abiertos, respaldados por más de mil millones de euros. ¿Qué cambia? La escala y el horizonte de planificación. SAP es el socio perfecto, con una escala enorme de datos tabulares y distribución" .

La entidad combinada planea realizar investigación de frontera en IA empresarial, descubrimiento científico, causalidad, datos relacionales y sistemas agentivos, avanzando más allá de la correlación hacia la causalidad, y permitiendo una IA agente que comprenda tablas, lenguaje e imágenes para razonar y adaptarse dinámicamente . SAP también esbozó ambiciones de gran envergadura en datos médicos y ciencias de los materiales, con aplicaciones ya demostradas en diagnóstico oncológico, toma de decisiones clínicas e investigación de materiales para baterías .

Tecnología de Prior Labs y sus aplicaciones

TabPFN se publicó en Nature en enero de 2025 y ha sido citado más de 1.000 veces . Es capaz de igualar la precisión de un pipeline de machine learning ajustado durante cuatro horas en un solo paso de inferencia de segundos . La tecnología ya se utiliza en producción en sectores exigentes:

• Mantenimiento ferroviario — Un caso de estudio en el sitio web de Prior Labs muestra que la empresa se asoció con Hitachi para avanzar en el mantenimiento predictivo de trenes .
• Pronósticos financieros — Otro caso de estudio documenta que Prior Labs y TD Bank exploraron el uso de TabPFN para pronósticos financieros a escala empresarial .
• Salud y ciencias de la vida — Las aplicaciones de investigación abarcan el diagnóstico de cáncer de páncreas, oncología, neurología y cardiología ; un caso de estudio con BostonGene utilizó TabPFN para identificar perfiles del sistema inmunitario .
• Medio ambiente y energía — El modelo se ha aplicado a la predicción de riesgos de incendios forestales y a la predicción en tiempo real de energías renovables .
• Materiales para baterías — Las aplicaciones de TabPFN-2.5 se extienden a la predicción ambiental, incluyendo floraciones de algas y riesgos de incendios, así como a la predicción de energías renovables .

Último modelo: TabPFN-3 con Modo Pensamiento

TabPFN-3 se lanzó el 12 de mayo de 2026 . Admite conjuntos de datos de hasta un millón de filas y 200 características, con soporte nativo para características de texto a través de su API . La oferta API TabPFN-3-Plus (Thinking) introduce el escalado de cómputo en tiempo de inferencia (test-time compute), invirtiendo más tiempo durante el ajuste para lograr una precisión significativamente mayor . En el punto de referencia TabArena, TabPFN-3-Plus (Thinking) supera a todos los modelos no basados en TabPFN por más de 200 puntos Elo, y aventaja a AutoGluon 1.5 extreme siendo 10 veces más rápido . TabPFN-3 permanece como código abierto .

Estructura del acuerdo y términos de independencia

• Precio de adquisición — No se ha revelado, pero SAP se comprometió a invertir más de mil millones de euros en cuatro años para hacer crecer Prior Labs .
• Independencia — Prior Labs continúa operando como una entidad independiente, conservando su marca, liderazgo, agenda de investigación y relaciones con clientes .
• Compromiso con el código abierto — SAP apoya plenamente la estrategia de código abierto de Prior Labs; TabPFN-3 se publica como código abierto y el modelo acumula más de 3 millones de descargas .
• Liderazgo — Los fundadores Frank Hutter, Noah Hollmann y Sauraj Gambhir continúan al frente del equipo . Yann LeCun y Bernhard Schoelkopf forman parte del consejo asesor científico .

Justificación estratégica desde la dirección

Philipp Herzig, CTO de SAP, afirmó que SAP reconoció desde el principio que la mayor oportunidad sin explotar en la IA empresarial no eran los grandes modelos de lenguaje, sino la inteligencia artificial diseñada para datos empresariales estructurados. Declaró: "Combinar su trabajo en modelos de frontera con los datos empresariales y el alcance a clientes es cómo pretendemos liderar esta categoría a nivel global" .

Frank Hutter, CEO de Prior Labs, señaló: "Unirnos a la familia SAP nos proporciona los recursos, el entorno de datos y el alcance a clientes necesarios para llevar esta categoría a su máximo potencial" . En una publicación en LinkedIn tras el cierre, añadió: "El mismo equipo, las mismas oficinas, la misma misión, modelos abiertos, respaldados por más de mil millones de euros. ¿Qué cambia? La escala y el horizonte de planificación. SAP es el socio perfecto, con una escala enorme de datos tabulares y distribución" .

La entidad combinada planea realizar investigación de frontera en IA empresarial, descubrimiento científico, causalidad, datos relacionales y sistemas agentivos, avanzando más allá de la correlación hacia la causalidad, y permitiendo una IA agente que comprenda tablas, lenguaje e imágenes para razonar y adaptarse dinámicamente . SAP también esbozó ambiciones de gran envergadura en datos médicos y ciencias de los materiales, con aplicaciones ya demostradas en diagnóstico oncológico, toma de decisiones clínicas e investigación de materiales para baterías .