Modelos Tabulares Grandes NEXUS de Fundamental: Los LLM se Rinden Ante las Tablas

El 5 de febrero de 2026, la startup Fundamental emergió del modo sigiloso con 275 millones de dólares en financiamiento. La compañía presentó NEXUS — el primer Large Tabular Model (LTM), específicamente construido para analizar datos estructurados en tablas.

Por Qué los LLMs No Funcionan con Tablas

Modelos como ChatGPT, Claude, y Gemini producen texto e imágenes convincentes, pero pídeles que analicen incluso una tabla pequeña — se ven perdidos.

• Los LLMs están diseñados para datos secuenciales: cada palabra influye en la siguiente, el orden es crítico
• Las tablas no requieren orden: puedes reorganizar columnas o filas — el significado no cambia
• Los LLMs producen respuestas diferentes con cambios mínimos en la entrada (generalmente útil), pero para detección de fraude necesitas determinismo
• Para la mayoría de las compañías, los datos más importantes viven en hojas de cálculo — transacciones bancarias, registros de ventas, métricas de sitios web

Cómo Funciona NEXUS

A diferencia de los LLMs, que modelan secuencias de tokens, los LTMs modelan directamente la estructura de tablas. El modelo aprende de tres fuentes simultáneamente: valor numérico, su significado, y relaciones estadísticas con otros datos en la columna.

Las compañías necesitan predicciones determinísticas y consistentes.

Con LLMs, esto es imposible, — explica Jeremy Fraenkel, CEO de Fundamental.

Fundamental entrenó NEXUS en miles de millones de tablas: una combinación de datasets licenciados, fuentes abiertas, y datos sintéticos. La compañía posee datasets propietarios a través de asociaciones y no entrena en datos de clientes. NEXUS se ejecuta en computadoras confidenciales — Fundamental físicamente no puede acceder a datos de usuarios.

Quién Más Está Desarrollando LTMs

En junio, Amazon integró NEXUS en SageMaker — la herramienta estándar de aprendizaje automático en AWS. Esto le da al modelo acceso a datos de clientes sensibles que las compañías manejan localmente.

En marzo de 2026, las compañías Feedzai (seguridad financiera) y Mastercard lanzaron sus propios LTMs para luchar contra fraude. A finales de junio, Google introdujo TabFM, entrenada en cientos de millones de tablas sintéticas. Científicos desarrollaron FlexTab, TabICL, e iLTM — los LTMs se están convirtiendo en una tendencia.

Lo que Significa

Las tablas son el lenguaje del negocio. Durante 50 años las compañías se han basado en XGBoost y otros árboles de decisión potenciados por gradiente para análisis, que tenían que ser afinados manualmente durante meses para cada tarea. Los LTMs prometen hacer el análisis tabular tan automatizado como la generación de texto. Los LLMs y LTMs juntos pueden crear IA más poderosa — hemisferio izquierdo para texto, hemisferio derecho para números.