Arquitetura: atenção alternada entre linhas e colunas

O TabFM usa uma arquitetura transformer de atenção híbrida (alternada entre linhas e colunas) . Diferente de dados textuais, que são unidimensionais, dados tabulares exigem a compreensão de relações simultâneas entre linhas e colunas. O TabFM alterna a atenção entre:

• Atenção por coluna para capturar dependências entre as features
• Atenção por linha para capturar dependências entre as amostras

Esse mecanismo de dois estágios constrói embeddings de dimensão fixa para linhas e colunas, permitindo que o modelo generalize para estruturas de tabela arbitrárias no momento da inferência . A abordagem combina elementos de modelos fundacionais tabulares anteriores, como a atenção linha/coluna do TabPFN e o aprendizado em contexto do TabICL .

Treinamento inteiramente com dados sintéticos

O TabFM foi treinado inteiramente em centenas de milhões de conjuntos de dados sintéticos gerados por modelos causais estruturais (SCMs) . Essa abordagem contorna a escassez e os problemas de qualidade dos dados tabulares de código aberto, muitos dos quais contêm informações sensíveis ou proprietárias que não podem ser usadas livremente para pré-treinamento em larga escala . Ao controlar o processo de geração de dados, o Google garantiu um corpus de treinamento diverso e bem distribuído, sem depender de dados empresariais reais .

Ranking no TabArena: resultados de ponta

O TabFM foi validado no TabArena, um benchmark vivo com sistema de rating Elo para métodos de ML tabular, com um ranking público disponível em tabarena.ai . De acordo com os resultados divulgados pelo Google:

• TabFM-Ensemble (usando 32 ensembles com features transversais e SVD) alcança resultados de ponta no TabArena, liderando o ranking tanto em tarefas de classificação quanto de regressão .
• TabFM-Single (passagem única sem ensemble) obtém um forte segundo lugar, competitivo ou superior a modelos fundacionais tabulares anteriores, como TabPFN v2 e árvores com gradiente otimizadas (gradient-boosted trees) .

Os ratings Elo exatos dependem do estado ao vivo do ranking, mas as próprias figuras do Google mostram o TabFM-Ensemble no topo em ambos os painéis de classificação e regressão . No início de julho de 2026, a posição de melhor modelo único no ranking de classificação do TabArena era ocupada pelo TabPFN-3 (Elo 1721), com métodos baseados em ensemble, como o AutoGluon extreme (4h), como o teto geral . A entrada do TabFM muda esse cenário competitivo.

Licenciamento: modelo duplo

O TabFM usa um modelo de licenciamento duplo:

Os pesos do modelo são disponibilizados sob uma licença não comercial, de código disponível (source-available) — o que significa que não são totalmente open source de acordo com a definição da OSI ou com a estrutura de quatro níveis do G7 de 2026 . O código de inferência e os notebooks de exemplo, no entanto, usam a licença permissiva Apache 2.0 . Esse padrão é semelhante à abordagem do Google com outros modelos de pesquisa, como o Gemma (que posteriormente migrou para Apache 2.0 em gerações mais novas ) e é consistente com a forma como a Prior Labs libera os pesos do TabPFN sob termos não comerciais .

Integração com BigQuery via AI.PREDICT

O Google planeja integrar o TabFM diretamente no BigQuery nas semanas seguintes ao anúncio . Os usuários do BigQuery poderão executar classificação e regressão zero-shot usando o comando SQL AI.PREDICT, seguindo o padrão de sintaxe das funções de inferência gerenciada do BigQuery ML (semelhante ao AI.FORECAST para o TimesFM) . A sintaxe esperada é:

SELECT * FROM AI.PREDICT(
  MODEL tabfm,
  TABLE seus_dados
)

Essa integração permitirá que as equipes de dados apliquem previsões do TabFM diretamente em SQL, sem precisar gerenciar infraestrutura de ML separada ou implantações de modelo . Na data do anúncio (1º de julho de 2026), essa integração foi descrita como iminente, mas ainda não refletida nas notas de lançamento do BigQuery . O ecossistema existente do BigQuery ML já oferece suporte a inferência gerenciada para TimesFM (AI.FORECAST), modelos personalizados (ML.PREDICT) e modelos abertos de terceiros do Hugging Face ; o TabFM será o primeiro modelo fundacional tabular a receber um atalho AI.PREDICT integrado.

Principais ressalvas

• A postagem oficial do blog do Google Research foi publicada em 1º de julho de 2026, o que significa que é muito recente . Alguns detalhes — o artigo acadêmico completo, as pontuações exatas do TabArena ao vivo no momento do lançamento e o cronograma preciso de lançamento no BigQuery — ainda podem estar em aberto.
• Nenhum artigo oficial do Google Research ou preprint no arXiv estava disponível publicamente no momento desta análise. Os detalhes da arquitetura técnica vêm de reportagens secundárias e do blog .
• A função AI.PREDICT atualmente documentada para BigQuery ML usa ML.PREDICT com um objeto de modelo registrado ; a sintaxe AI.PREDICT para TabFM pode ser um novo atalho integrado, análogo ao AI.FORECAST para TimesFM, ainda não documentado nas notas de lançamento até o momento.
• A licença não comercial dos pesos do TabFM limita o uso comercial sem um acordo separado, o que pode afetar os planos de adoção empresarial.

Arquitetura: atenção alternada entre linhas e colunas

O TabFM usa uma arquitetura transformer de atenção híbrida (alternada entre linhas e colunas) . Diferente de dados textuais, que são unidimensionais, dados tabulares exigem a compreensão de relações simultâneas entre linhas e colunas. O TabFM alterna a atenção entre:

• Atenção por coluna para capturar dependências entre as features
• Atenção por linha para capturar dependências entre as amostras

Esse mecanismo de dois estágios constrói embeddings de dimensão fixa para linhas e colunas, permitindo que o modelo generalize para estruturas de tabela arbitrárias no momento da inferência . A abordagem combina elementos de modelos fundacionais tabulares anteriores, como a atenção linha/coluna do TabPFN e o aprendizado em contexto do TabICL .

Treinamento inteiramente com dados sintéticos

O TabFM foi treinado inteiramente em centenas de milhões de conjuntos de dados sintéticos gerados por modelos causais estruturais (SCMs) . Essa abordagem contorna a escassez e os problemas de qualidade dos dados tabulares de código aberto, muitos dos quais contêm informações sensíveis ou proprietárias que não podem ser usadas livremente para pré-treinamento em larga escala . Ao controlar o processo de geração de dados, o Google garantiu um corpus de treinamento diverso e bem distribuído, sem depender de dados empresariais reais .

Ranking no TabArena: resultados de ponta

O TabFM foi validado no TabArena, um benchmark vivo com sistema de rating Elo para métodos de ML tabular, com um ranking público disponível em tabarena.ai . De acordo com os resultados divulgados pelo Google:

• TabFM-Ensemble (usando 32 ensembles com features transversais e SVD) alcança resultados de ponta no TabArena, liderando o ranking tanto em tarefas de classificação quanto de regressão .
• TabFM-Single (passagem única sem ensemble) obtém um forte segundo lugar, competitivo ou superior a modelos fundacionais tabulares anteriores, como TabPFN v2 e árvores com gradiente otimizadas (gradient-boosted trees) .

Os ratings Elo exatos dependem do estado ao vivo do ranking, mas as próprias figuras do Google mostram o TabFM-Ensemble no topo em ambos os painéis de classificação e regressão . No início de julho de 2026, a posição de melhor modelo único no ranking de classificação do TabArena era ocupada pelo TabPFN-3 (Elo 1721), com métodos baseados em ensemble, como o AutoGluon extreme (4h), como o teto geral . A entrada do TabFM muda esse cenário competitivo.

Licenciamento: modelo duplo

O TabFM usa um modelo de licenciamento duplo:

Os pesos do modelo são disponibilizados sob uma licença não comercial, de código disponível (source-available) — o que significa que não são totalmente open source de acordo com a definição da OSI ou com a estrutura de quatro níveis do G7 de 2026 . O código de inferência e os notebooks de exemplo, no entanto, usam a licença permissiva Apache 2.0 . Esse padrão é semelhante à abordagem do Google com outros modelos de pesquisa, como o Gemma (que posteriormente migrou para Apache 2.0 em gerações mais novas ) e é consistente com a forma como a Prior Labs libera os pesos do TabPFN sob termos não comerciais .

Integração com BigQuery via AI.PREDICT

O Google planeja integrar o TabFM diretamente no BigQuery nas semanas seguintes ao anúncio . Os usuários do BigQuery poderão executar classificação e regressão zero-shot usando o comando SQL AI.PREDICT, seguindo o padrão de sintaxe das funções de inferência gerenciada do BigQuery ML (semelhante ao AI.FORECAST para o TimesFM) . A sintaxe esperada é:

SELECT * FROM AI.PREDICT(
  MODEL tabfm,
  TABLE seus_dados
)

Essa integração permitirá que as equipes de dados apliquem previsões do TabFM diretamente em SQL, sem precisar gerenciar infraestrutura de ML separada ou implantações de modelo . Na data do anúncio (1º de julho de 2026), essa integração foi descrita como iminente, mas ainda não refletida nas notas de lançamento do BigQuery . O ecossistema existente do BigQuery ML já oferece suporte a inferência gerenciada para TimesFM (AI.FORECAST), modelos personalizados (ML.PREDICT) e modelos abertos de terceiros do Hugging Face ; o TabFM será o primeiro modelo fundacional tabular a receber um atalho AI.PREDICT integrado.

Principais ressalvas

• A postagem oficial do blog do Google Research foi publicada em 1º de julho de 2026, o que significa que é muito recente . Alguns detalhes — o artigo acadêmico completo, as pontuações exatas do TabArena ao vivo no momento do lançamento e o cronograma preciso de lançamento no BigQuery — ainda podem estar em aberto.
• Nenhum artigo oficial do Google Research ou preprint no arXiv estava disponível publicamente no momento desta análise. Os detalhes da arquitetura técnica vêm de reportagens secundárias e do blog .
• A função AI.PREDICT atualmente documentada para BigQuery ML usa ML.PREDICT com um objeto de modelo registrado ; a sintaxe AI.PREDICT para TabFM pode ser um novo atalho integrado, análogo ao AI.FORECAST para TimesFM, ainda não documentado nas notas de lançamento até o momento.
• A licença não comercial dos pesos do TabFM limita o uso comercial sem um acordo separado, o que pode afetar os planos de adoção empresarial.