表格基础模型榜首换人

把一张客户流失表交给传统机器学习系统，工程师通常要选算法、调参数，再反复训练。表格基础模型想省掉这套流程：它先在大量任务上预训练，拿到新表后直接参考其中已有的样本和答案，预测其余行。这叫上下文学习——模型临场从当前表格找规律，不一定更新全部参数。

最近，这条赛道突然拥挤起来。LimiX-2、TabPFN-3.5 和 Causilo 都宣称在 TabArena 达到或超过榜首水平；TabICLv2、Mitra-v2 等模型也在逼近。问题在于，它们采用的榜单快照、参赛范围和评测设置并不完全相同。因此，“榜首换人”更准确的理解是：旧秩序已被打乱，但统一口径下的新冠军尚未坐实。下文数字均来自各论文或官方仓库，效果表述也主要是作者自报。

LimiX-2换了一个观察角度

LimiX-2 于 9 月 15 日提交论文。作者称，它在 TabArena、TALENT 和 BCCO 三套基准上超过现有的数据集专用模型与表格基础模型。

它的新意不只是扩大模型和训练数据。常见表格模型关注的是：给定一行特征 $x$ 和参考表 $D_{\mathrm{c}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{e}\mathrm{x}\mathrm{t}}$，如何预测答案 $y$，也就是：

$$p(y\mid x,D_{\mathrm{c}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{e}\mathrm{x}\mathrm{t}})$$

LimiX-2 的 Contextual Mechanism Networks（CMNs，可理解为“上下文机制网络”）试图学习更完整的联合结构：

$$p(x,y\mid D_{\mathrm{c}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{e}\mathrm{x}\mathrm{t}})$$

打个比方，前一种思路像看着病人的指标直接猜诊断；后一种则试图同时理解指标与诊断是怎样共同产生的。它用 Context-Conditional Masked Modeling（CCMM，即根据上下文补全被遮住的信息）预训练，数据来自结构因果模型生成的合成表格，覆盖不同的关系图、生成机制和观测过程。

论文摘要还称，模型对特征的注意力能编码直接因果关系，并用于恢复“因果骨架”——变量之间哪些存在直接连接。不过，摘要没有给出逐项成绩、运行成本、模型规模和许可条件，暂时无法据此完成同口径复核。

第一名为什么出现了三个版本？

Causilo 给出的成绩最具体。其官方仓库称，在排除 system methods、使用默认八成员集成的官方 TabArena 流程中，它在 Full 总榜、分类榜和回归榜均列第一，Elo 分别为 1792.9、1771.8 和 2032.6；Lite 三项也均列第一。不过，这仍是单一官方来源。

同在 9 月 15 日提交的 TabPFN-3.5，则称自己刷新了 TabArena 标准表格预测的最佳水平，并扩展到时间或分组切分、包含字符串、文本和图像的表格，以及类别很多、列数很宽的数据。它没有在摘要中给出可与 Causilo 逐项对齐的 Elo。TabICLv2 的 9 月 16 日版本又称，无需调参便可在 TabArena 和 TALENT 超过 RealTabPFN-2.5。

这不一定是谁写错了。基准榜单会受数据集构成、切分方式、调参预算、是否集成和参赛模型集合影响；Elo 也会随对手与榜单更新而变化。Full、Lite、分类、回归和 Overall 混在一起比较，就像拿不同赛道的成绩排一张总表。

真正拉开差距的，不只精度

速度已经成为第二条战线。TabPFN-3.5-Fast 据作者称最高可比 TabPFN-3 快 3 倍，同时保留大部分精度增益；增加推理计算的 TabPFN-3.5-Thinking，则最高比上一代 Thinking 快 12 倍。

Causilo 仓库给出的本地 H100 测试中，每千行拟合和预测分别用时 2.504 秒与 0.251 秒；同一张表里的 TabPFN-3 为 4.18 秒与 0.686 秒。但 Causilo 拟合时平均峰值显存为 8.15 GiB，TabPFN-3 为 0.88 GiB。它用更多显存换来了更快处理，不能只看秒数。

模型大小也未必决定名次。Mitra-v2 只有 7700 万参数，约为 16 亿参数 TabFM 的 5%。论文称，它在完整 TabArena 上达到 TabFM 和 EXAONE Tabular 的同级表现，并明显超过 TabPFN-3。EXAONE Tabular 约 2100 万参数，在其引用的较早榜单快照中以 1755 Elo 位列总榜第二，仅低于 TabFM 的 1765。

能下载，不等于能商用

许可差异可能比几个 Elo 更影响企业选择。TabFM 的代码采用 Apache-2.0，但默认预训练权重只允许非商业、非生产用途。Causilo 同样把代码和权重分开：代码是 Apache-2.0，权重允许非商业研究；商业部署以及托管、API 或 SaaS 服务需要另行取得许可。EXAONE Tabular 的公开代码较宽松，已发布权重则限非商业用途。

Mitra-v2 的作者称，模型权重、推理与微调代码以及评测结果都以 Apache-2.0 发布。若企业需要自行部署或继续开发，这比“代码开源、权重受限”少一道许可门槛。这里必须分别检查代码与权重；一句“开源可用”远远不够。

为什么值得关注

较早的榜单还由 TabFM、EXAONE Tabular 和 TabPFN-3占据前列，如今多个基础模型同时争夺领先位置。竞争焦点也从单一精度，扩展到速度、显存、模型大小、复杂表格适应能力和商用条件。

TabArena 还公开说明了一层利益冲突：部分维护者同时开发榜上模型，另一些人受雇于商业机构。其应对方式是由相互竞争的机构共同维护，并公开代码、预测结果和评测流程。换句话说，每次“登顶”不仅在考模型，也在考排行榜能否让外界复核。

局限与未知

• 三个领先声明缺少共同快照、相同参赛范围和逐项成绩，现阶段不能确认唯一新榜首。
• LimiX-2 与 TabPFN-3.5 的摘要未披露足够的逐项分数、资源消耗及完整许可信息，无法做严格的精度—成本—商用对照。
• 榜单成绩不代表模型在每家公司的每张表上都最好；数据形态、延迟预算和许可条件仍需单独验证。