AI-mallit ja alustat
Databricks julkaisee taulukkomuotoisten perusmallien oppaan AI Runtime -ympäristöön

Keskeiset kohdatTaulukkomuotoiset perusmallit vaihtavat korkeammat GPU-päättelykustannukset säästöihin…
Näytä lisää
- Taulukkomuotoiset perusmallit vaihtavat korkeammat GPU-päättelykustannukset säästöihin suunnittelu- ja ylläpitoajassa.
- TabICL:n kerrotaan toimivan jopa 10 kertaa nopeammin kuin TabPFNv2 samalla kun se vastaa sen luokittelun vertailutarkkuutta.
- Lisensointi jakaa kentän, ja TabFM:n ja TabPFNv3.5:n painot on rajoitettu ei-kaupalliseen käyttöön.
Databricks julkaisi teknisen oppaan 16. marraskuuta 2026 taulukkomuotoisten perusmallien suorittamisesta AI Runtime -ympäristössä. Oppaan yhteydessä julkaistiin julkinen repositorio, jossa voi vertailla viittä mallintarjoajaa ja testata hienosäätötyönkulkuja.
Julkinen ratkaisuaccelerator sisältää muistikirjoja ja yhteisen testikehyksen TabPFN:lle, TabFM:lle, TabICL:lle, Norille ja KumoTabularille. Se on suunnattu jatkuvaan yrityskäyttöön: ennusteiden tekemiseen taulukoista, joita käytetään luottoriskin arviointiin, asiakaspoistuman ennustamiseen, kysynnän ennustamiseen ja ennakoivaan kunnossapitoon. Tavanomaisessa kehityksessä jokaiselle tehtävälle voidaan joutua rakentamaan erillinen koulutus- ja uudelleenkoulutusputki.
Taulukkomuotoiset perusmallit (TFM) ovat sen sijaan valmiiksi koulutettuja miljoonilla monipuolisilla synteettisillä aineistoilla. Nollanäytepäättelyssä tunnisteelliset rivit toimivat niiden rivien kontekstina, joille tarvitaan ennusteita. Muuntimen huomio kohdistaa uudet rivit näihin esimerkkeihin ja tuottaa ennusteet yhdellä eteenpäinlaskennalla ilman parametrien päivityksiä. Hienosäätö on silti vaihtoehto tiimeille, jotka haluavat päivittää valmiiksi koulutetut painot omalla aineistollaan.
Arkkitehtuuri, GPU-kustannukset ja lisensointi
Erikoistuneet tokenisoijat muuntavat numeeriset, kategoriset ja totuusarvomuotoiset piirteet yhteiseen esitysmuotoon. TabPFNv2 vuorottelee riveihin ja sarakkeisiin kohdistuvaa huomiota oppiakseen niiden välisiä vuorovaikutuksia, mutta sen laskentakustannukset kasvavat nopeasti näytteiden ja piirteiden määrän kasvaessa.
TabICL-tutkimusjulkaisussa esitellään toisenlainen lähestymistapa: siinä muodostetaan kiinteäulotteisia rivien upotuksia kohdistamalla ensin huomio sarakkeisiin ja sitten riveihin, minkä jälkeen hyödynnetään koko aineiston laajuista kontekstinsisäistä oppimista. Kirjoittajien mukaan menetelmä käsittelee enintään 500 000 näytettä ja 500 piirrettä, yltää luokittelun vertailuarvioinnissa TabPFNv2:n tasolle, toimii jopa 10 kertaa nopeammin ja päihittää sekä TabPFNv2:n että CatBoostin 53 aineistossa, joissa on yli 10 000 näytettä. Arvioitu versio oli rajattu luokitteluun, eivätkä vertailussa käytetyt holdout-aineistolla viritetyt yksittäiset mallit huomioineet ristiinvalidointiin perustuvien yhdistelmämallien mahdollisia hyötyjä.
Muisti on edelleen käytännön rajoite, vaikka rivit pakataan tiiviimmin. Koska kontekstinsisäinen oppiminen käyttää koulutusaineistoa jokaisen ennusteen yhteydessä, GPU-muistin tarve kasvaa rivien ja piirteiden määrän mukana. Databricks suosittelee testaamaan tarkkuutta, päättelyn viivettä, muistin käyttöä ja kustannuksia organisaation omalla aineistolla. Yhtiön mukaan GPU:lla tehtävä päättely maksaa ennustetta kohden enemmän kuin XGBoostin suorittaminen suorittimella. Mahdollinen säästö syntyy kehitys- ja ylläpitotyöhön kuluvasta ajasta, kun taas jatkuvia kustannuksia aiheuttaa kiihdytetty laskenta.
Lisensointi on toinen käyttöönottoa rajaava tekijä. Oppaan mukaan TabICLv2:n BSD 3-Clause-, Mitra v2:n Apache-2.0- ja KumoTabularin OpenMDW-1.1-lisenssit sallivat kaupallisen käytön joustavasti. TabFM:n ja TabPFNv3.5:n painot on merkitty ei-kaupalliseen käyttöön; kaupallinen käyttö edellyttää sopimusta niiden tekijöiden kanssa. Repositoriossa erotetaan erikseen TabPFN:n kaupalliseen käyttöön tarkoitettu ylläpidetty rajapintapalvelu sen ei-kaupalliseen käyttöön tarkoitetuista painoista.
Yhteinen arviointi ja tuotantokäyttöönotto
Vertailut saavat yhteisen perustan viitetoteutuksesta. Kaikki tuetut toteutukset lukevat samoja synteettisiä vähittäiskaupan ja pakattujen kuluttajatuotteiden aineistoja, käyttävät samoja koulutus- ja testijakoja ja kirjaavat yhteiset mittarit sekä scikit-learn-perusmallien tulokset samaan tulostaulukkoon. Esimerkit kattavat luokittelun, regressioanalyysin, poikkeamien tunnistamisen ja viiveisiin perustuvan ennustamisen, jos kyseinen malli tukee niitä.
Laskentavaatimukset vaihtelevat. Itse ylläpidettäviä TabFM-, TabICL-, Nori- ja KumoTabular-malleja voi suorittaa palvelimettomilla suorittimilla, mutta repositoriossa suositellaan GPU:ita käytännössä riittävän suorituskyvyn saavuttamiseksi. TabPFN-esimerkissä kutsutaan ylläpidettyä rajapintapalvelua, jonka käyttöön suorittimet riittävät. TabICL-esimerkissä taas suorittimilla toimivat putket voivat siirtää päättelyn erilliseen GPU-palvelupäätepisteeseen.
AI Runtime oli olemassa jo ennen oppaan julkaisemista: Databricks toi sen julkiseen esikatseluun 19. maaliskuuta 2026 palvelimettomana kokonaisuutena hajautettuun GPU-koulutukseen. Databricksin mukaan sen tarvittaessa käyttöön otettavat H100-GPU:t tukevat TabPFN-3:a enintään miljoonan rivin ja 200 piirteen aineistoilla. Kokonaisuuteen kuuluvat muistikirjat, Lakeflow Jobs, MLflow-kokeiden seuranta ja GPU:n käyttöasteen seuranta sekä natiivi Docker-tuki ja etäyhteys SSH:lla Databricks CLI:n kautta.
KumoTabularin hienosäätöesimerkissä muistikirjassa näytetään GPU:n käyttö ja MLflow-mittarit, ja tuloksena syntynyt malli rekisteröidään Unity Catalogiin. Tuotantokäyttöä varten oppaassa esitellään suuren läpimenon eräajoputkia tai automaattisesti skaalautuvia reaaliaikaisia REST-päätepisteitä Model Servingin kautta. Unity Catalog hallinnoi malliversioita ja hallintakäytäntöjä.
Tuloksena on toistettava tapa testata, voivatko TFM-mallit vähentää tehtäväkohtaista koneoppimistyötä ilman, että dataa siirretään erillisiin GPU-työkaluihin. Liiketoimintaperuste riippuu silti mittauksista, joita repositorio ei voi tarjota kaikille yleispätevästi: tarkkuudesta organisaation omilla taulukoilla, käyttökelpoisista lisenssiehdoista sekä siitä, kattavatko pienemmät kehityskustannukset GPU:lla tuotettujen ennusteiden jatkuvat kustannukset.












