Google TabFM：ゼロショットで表形式データを予測する新時代の基盤モデル

アーキテクチャ：交互に行・列アテンション

TabFMは交互に行・列アテンション（alternating row-column attention）を採用したハイブリッドアテンション・トランスフォーマーアーキテクチャを採用しています 。テキストデータが1次元であるのに対し、表データは行と列の両方向の関係を同時に理解する必要があります。TabFMは以下のようにアテンションを切り替えます：

• 列方向のアテンション（column-wise attention）：特徴量間の依存関係を捉える
• 行方向のアテンション（row-wise attention）：サンプル間の依存関係を捉える

この2段階のメカニズムにより、行と列の固定次元埋め込みが構築され、推論時に任意のテーブル構造に汎化できるようになります 。このアプローチは、TabPFNスタイルの行・列アテンションと、TabICLスタイルのインコンテキスト学習の要素を組み合わせたものです 。

すべて合成データで学習

TabFMは数億件もの合成データセットのみを使用して学習されています。これらのデータセットは構造的因果モデル（SCM: Structural Causal Models） によって生成されました 。この手法は、オープンソースの表データが不足している問題や、多くの実データに含まれる機密情報や企業秘密といった問題を回避します 。データ生成プロセスを完全に制御することで、現実世界のビジネスデータに依存せず、多様でバランスの取れた学習コーパスが実現しました 。

TabArenaランキング：最高性能を達成

TabFMの性能は、表形式ML手法のためのEloレーティング式リーディングベンチマーク「TabArena」（tabarena.aiで公開）で検証されました 。Googleが報告した結果は以下の通りです：

• TabFM-Ensemble（断面特徴量とSVD特徴量に加え、32種類のアンサンブルを使用）はTabArenaで最高性能を達成し、分類・回帰の両タスクでリーダーボードのトップに立ちました 。
• TabFM-Single（アンサンブルなしの単一順伝搬）も強力な2位の結果を示し、先行する基盤モデル（TabPFN v2など）やチューニングされた勾配ブースティング木と同等以上の性能を発揮しました 。

正確なEloスコアはライブリーダーボードの状態に依存しますが、Googleの図表ではTabFM-Ensembleが分類・回帰の両パネルでトップであることが示されています 。2026年7月初旬の時点では、TabArena分類リーダーボードの単一モデル部門でTabPFN-3（Elo 1721）がトップ、アンサンブルベースの手法（AutoGluon extreme 4hなど）が総合的な上限となっていました 。TabFMの登場により、この競争環境は大きく変化しました。

ライセンス：デュアルライセンスモデル

TabFMはデュアルライセンスモデルを採用しています：

モデル重みは非商用・ソースコード公開ライセンスでリリースされています。つまり、OSIの定義やG7が2026年に定めた4層フレームワークで言うところの「完全なオープンソース」ではありません 。一方、推論コードやサンプルノートブックはパーミッシブなApache 2.0ライセンスです 。このパターンは、GoogleがGemma（後に新しい世代でApache 2.0に移行 ）など他の研究モデルで採用しているアプローチと一致し、Prior LabsがTabPFNのモデル重みを非商用条件でリリースしている方法 とも同様です。

BigQuery統合：AI.PREDICTでSQLから直接利用

Googleは発表から数週間以内にTabFMをBigQueryに直接統合する計画を発表しています 。BigQueryユーザーは**AI.PREDICT SQLコマンド**を使用して、ゼロショットの分類と回帰を実行できるようになります 。構文は、BigQuery MLの既存のマネージド推論関数（TimesFMのAI.FORECASTなど）と同じパターンに従います 。想定される構文は以下の通りです：

この統合により、データチームは別途MLインフラを管理したりモデルをデプロイしたりすることなく、SQL内で直接TabFMの予測を適用できるようになります 。発表日（2026年7月1日）の時点では、この統合は「間もなく」と説明されており、BigQueryのリリースノートにはまだ反映されていませんでした 。Googleの既存のBigQuery MLエコシステムは、TimesFM（AI.FORECAST）、カスタムモデル（ML.PREDICT）、Hugging Faceのサードパーティオープンモデルのマネージド推論をすでにサポートしており 、TabFMはビルトインのAI.PREDICTショートカットを備えた最初の表形式基盤モデルとなります。

注意すべき重要なポイント

• 公式のGoogle Researchブログ記事は2026年7月1日に公開されたばかりであり、非常に新しい情報です 。一部の詳細（完全な学術論文、リリース時点の正確なTabArenaスコア、BigQueryリリースの正確な時期）はまだ確定していない可能性があります。
• 本分析時点では、公式のGoogle Research論文やarXivプレプリントは公開されていません。技術的なアーキテクチャの詳細は、二次的な報道とブログ記事に基づいています 。
• 現在BigQuery MLでドキュメント化されているAI.PREDICT関数は、登録済みモデルオブジェクトでML.PREDICTを使用するものであり 、TabFMのAI.PREDICT構文はTimesFMのAI.FORECASTに類似した新しいビルトインショートカットである可能性があり、本稿執筆時点ではリリースノートにまだ記載されていません。
• TabFMのモデル重みは非商用ライセンスのため、商用利用には別途契約が必要です。これは企業での導入計画に影響を与える可能性があります。