Teknologi dan Aplikasi Prior Labs

TabPFN dipublikasikan di jurnal bergengsi Nature pada Januari 2025 dan telah dikutip lebih dari 1.000 kali . Model ini mampu menyamai akurasi pipeline machine learning yang membutuhkan waktu tuning selama empat jam, hanya dalam satu kali proses (single forward pass) yang berlangsung beberapa detik . Teknologi ini sudah digunakan di berbagai industri yang menuntut presisi tinggi:

• Perawatan Kereta Api — Sebuah studi kasus menunjukkan Prior Labs bermitra dengan Hitachi untuk memajukan predictive maintenance di sektor perkeretaapian .
• Peramalan Keuangan — Studi kasus lain mendokumentasikan bahwa Prior Labs dan TD (TD Bank) menjajaki penggunaan TabPFN untuk peramalan keuangan di skala perusahaan .
• Kesehatan dan Ilmu Hayati — Aplikasi risetnya mencakup diagnosis kanker pankreas, onkologi, neurologi, dan kardiologi ; sebuah studi kasus dengan BostonGene menggunakan TabPFN untuk mengidentifikasi profil sistem imun .
• Lingkungan dan Energi — Model ini telah diterapkan untuk prediksi risiko kebakaran hutan dan prakiraan energi terbarukan (nowcasting) .
• Material Baterai — Aplikasi TabPFN-2.5 juga mencakup prakiraan lingkungan seperti pertumbuhan alga (algal blooms), risiko kebakaran hutan, dan prakiraan energi terbarukan .

Model Terbaru: TabPFN-3 dengan Thinking Mode

TabPFN-3 dirilis pada 12 Mei 2026 . Model ini mendukung kumpulan data hingga 1 juta baris dan 200 fitur, dengan dukungan fitur teks asli pada API . Penawaran API-nya, yaitu TabPFN-3-Plus (Thinking), memperkenalkan inference-time compute scaling (atau test-time compute)—yang menghabiskan lebih banyak waktu selama proses fitting untuk menghasilkan akurasi yang jauh lebih tinggi . Pada tolok ukur TabArena, TabPFN-3-Plus (Thinking) mengalahkan semua model non-TabPFN dengan selisih lebih dari 200 Elo, dan mengungguli AutoGluon 1.5 extreme meskipun 10× lebih cepat . TabPFN-3 sendiri tetap dirilis sebagai perangkat lunak sumber terbuka (open-source) .

Struktur Kesepakatan dan Ketentuan Independensi

• Harga Akuisisi — Tidak diungkapkan secara rinci, namun SAP berkomitmen untuk menginvestasikan lebih dari €1 miliar selama empat tahun untuk mengembangkan Prior Labs .
• Independensi — Prior Labs akan terus beroperasi sebagai entitas independen, mempertahankan merk, kepemimpinan, agenda riset, dan hubungan pelanggan mereka .
• Komitmen Sumber Terbuka — SAP sepenuhnya mendukung strategi sumber terbuka Prior Labs; TabPFN-3 dirilis sebagai open-source dan modelnya telah diunduh lebih dari 3 juta kali .
• Kepemimpinan — Para pendiri, Frank Hutter, Noah Hollmann, dan Sauraj Gambhir, akan terus memimpin tim . Yann LeCun (peraih Turing Award) dan Bernhard Schoelkopf (dari Max Planck) duduk di dewan penasihat ilmiah .

Alasan Strategis dari Pimpinan

Philipp Herzig, CTO SAP, menyatakan bahwa SAP sejak awal menyadari peluang terbesar yang belum tergarap di AI perusahaan bukanlah LLM, melainkan AI yang dibangun khusus untuk data bisnis terstruktur. Ia berkata: "Menggabungkan pekerjaan model frontier mereka dengan data perusahaan dan jangkauan pelanggan adalah cara kami untuk memimpin kategori ini secara global" .

Frank Hutter, CEO Prior Labs, mengatakan: "Bergabung dengan keluarga SAP memberi kami sumber daya, lingkungan data, dan jangkauan pelanggan untuk membawa kategori ini mencapai potensi penuhnya" . Dalam sebuah unggahan di LinkedIn setelah akuisisi selesai, ia menambahkan: "Tim yang sama, kantor yang sama, misi yang sama, model terbuka, didukung oleh €1Miliar+. Apa yang berubah? Skala dan cakrawala perencanaannya. SAP adalah mitra yang sempurna, dengan skala data tabular dan distribusi yang sangat besar" .

Entitas gabungan ini berencana untuk mengejar riset frontier di bidang AI perusahaan, penemuan ilmiah, kausalitas, data relasional, dan sistem agen—bergerak melampaui korelasi menuju kausalitas, serta memungkinkan AI agen yang memahami tabel, bahasa, dan gambar untuk bernalar dan beradaptasi secara dinamis . SAP juga menyoroti ambisi besar (moonshots) di bidang data medis dan ilmu material, dengan aplikasi yang sudah terbukti dalam diagnosis onkologi, pengambilan keputusan klinis, dan riset material baterai .

Teknologi dan Aplikasi Prior Labs

TabPFN dipublikasikan di jurnal bergengsi Nature pada Januari 2025 dan telah dikutip lebih dari 1.000 kali . Model ini mampu menyamai akurasi pipeline machine learning yang membutuhkan waktu tuning selama empat jam, hanya dalam satu kali proses (single forward pass) yang berlangsung beberapa detik . Teknologi ini sudah digunakan di berbagai industri yang menuntut presisi tinggi:

• Perawatan Kereta Api — Sebuah studi kasus menunjukkan Prior Labs bermitra dengan Hitachi untuk memajukan predictive maintenance di sektor perkeretaapian .
• Peramalan Keuangan — Studi kasus lain mendokumentasikan bahwa Prior Labs dan TD (TD Bank) menjajaki penggunaan TabPFN untuk peramalan keuangan di skala perusahaan .
• Kesehatan dan Ilmu Hayati — Aplikasi risetnya mencakup diagnosis kanker pankreas, onkologi, neurologi, dan kardiologi ; sebuah studi kasus dengan BostonGene menggunakan TabPFN untuk mengidentifikasi profil sistem imun .
• Lingkungan dan Energi — Model ini telah diterapkan untuk prediksi risiko kebakaran hutan dan prakiraan energi terbarukan (nowcasting) .
• Material Baterai — Aplikasi TabPFN-2.5 juga mencakup prakiraan lingkungan seperti pertumbuhan alga (algal blooms), risiko kebakaran hutan, dan prakiraan energi terbarukan .

Model Terbaru: TabPFN-3 dengan Thinking Mode

TabPFN-3 dirilis pada 12 Mei 2026 . Model ini mendukung kumpulan data hingga 1 juta baris dan 200 fitur, dengan dukungan fitur teks asli pada API . Penawaran API-nya, yaitu TabPFN-3-Plus (Thinking), memperkenalkan inference-time compute scaling (atau test-time compute)—yang menghabiskan lebih banyak waktu selama proses fitting untuk menghasilkan akurasi yang jauh lebih tinggi . Pada tolok ukur TabArena, TabPFN-3-Plus (Thinking) mengalahkan semua model non-TabPFN dengan selisih lebih dari 200 Elo, dan mengungguli AutoGluon 1.5 extreme meskipun 10× lebih cepat . TabPFN-3 sendiri tetap dirilis sebagai perangkat lunak sumber terbuka (open-source) .

Struktur Kesepakatan dan Ketentuan Independensi

• Harga Akuisisi — Tidak diungkapkan secara rinci, namun SAP berkomitmen untuk menginvestasikan lebih dari €1 miliar selama empat tahun untuk mengembangkan Prior Labs .
• Independensi — Prior Labs akan terus beroperasi sebagai entitas independen, mempertahankan merk, kepemimpinan, agenda riset, dan hubungan pelanggan mereka .
• Komitmen Sumber Terbuka — SAP sepenuhnya mendukung strategi sumber terbuka Prior Labs; TabPFN-3 dirilis sebagai open-source dan modelnya telah diunduh lebih dari 3 juta kali .
• Kepemimpinan — Para pendiri, Frank Hutter, Noah Hollmann, dan Sauraj Gambhir, akan terus memimpin tim . Yann LeCun (peraih Turing Award) dan Bernhard Schoelkopf (dari Max Planck) duduk di dewan penasihat ilmiah .

Alasan Strategis dari Pimpinan

Philipp Herzig, CTO SAP, menyatakan bahwa SAP sejak awal menyadari peluang terbesar yang belum tergarap di AI perusahaan bukanlah LLM, melainkan AI yang dibangun khusus untuk data bisnis terstruktur. Ia berkata: "Menggabungkan pekerjaan model frontier mereka dengan data perusahaan dan jangkauan pelanggan adalah cara kami untuk memimpin kategori ini secara global" .

Frank Hutter, CEO Prior Labs, mengatakan: "Bergabung dengan keluarga SAP memberi kami sumber daya, lingkungan data, dan jangkauan pelanggan untuk membawa kategori ini mencapai potensi penuhnya" . Dalam sebuah unggahan di LinkedIn setelah akuisisi selesai, ia menambahkan: "Tim yang sama, kantor yang sama, misi yang sama, model terbuka, didukung oleh €1Miliar+. Apa yang berubah? Skala dan cakrawala perencanaannya. SAP adalah mitra yang sempurna, dengan skala data tabular dan distribusi yang sangat besar" .

Entitas gabungan ini berencana untuk mengejar riset frontier di bidang AI perusahaan, penemuan ilmiah, kausalitas, data relasional, dan sistem agen—bergerak melampaui korelasi menuju kausalitas, serta memungkinkan AI agen yang memahami tabel, bahasa, dan gambar untuk bernalar dan beradaptasi secara dinamis . SAP juga menyoroti ambisi besar (moonshots) di bidang data medis dan ilmu material, dengan aplikasi yang sudah terbukti dalam diagnosis onkologi, pengambilan keputusan klinis, dan riset material baterai .