NEXUS, o Large Tabular Model da Fundamental: LLMs tropeçam em tabelas

Em 5 de fevereiro de 2026, a startup Fundamental saiu do modo furtivo com US$ 275 milhões em investimentos. A empresa apresentou o NEXUS, o primeiro Large Tabular Model (LTM), criado especificamente para analisar dados estruturados em tabelas.

Por que os LLMs não funcionam com tabelas

Modelos como ChatGPT, Claude e Gemini produzem texto e imagens convincentes, mas, se você pede que analisem até uma tabela pequena, parecem perdidos.

• Os LLMs foram feitos para dados sequenciais: cada palavra influencia a seguinte, e a ordem é crítica
• As tabelas não exigem ordem: dá para trocar colunas ou linhas de lugar sem mudar o sentido
• Os LLMs dão respostas diferentes diante da menor mudança na entrada (em geral isso é desejável), mas para prever fraudes é preciso determinismo
• Para a maioria das empresas, os dados mais importantes ficam em planilhas: transações bancárias, logs de vendas, métricas de sites

Como o NEXUS funciona

Diferentemente dos LLMs, que modelam uma sequência de tokens, um LTM modela diretamente a estrutura das tabelas. O modelo aprende com três fontes ao mesmo tempo: o valor numérico, seu significado e suas relações estatísticas com o restante dos dados da coluna.

As empresas precisam de previsões determinísticas e consistentes.

Com LLMs isso é impossível, explica Jeremy Fraenkel, CEO da Fundamental.

A Fundamental treinou o NEXUS com bilhões de tabelas: uma combinação de datasets licenciados, fontes abertas e dados sintéticos. A empresa possui datasets proprietários por meio de parcerias e não treina com dados de clientes. O NEXUS roda em ambientes de computação confidencial, então a Fundamental fisicamente não consegue acessar os dados dos usuários.

Quem mais desenvolve LTMs

Em junho, a Amazon integrou o NEXUS ao SageMaker, a ferramenta padrão de machine learning na AWS. Isso dá ao modelo acesso a dados sensíveis de clientes que as empresas gerenciam localmente.

Em março de 2026, a Feedzai (segurança financeira) e a Mastercard lançaram seus próprios LTMs para combater fraudes. No fim de junho, o Google apresentou o TabFM, treinado com centenas de milhões de tabelas sintéticas. Pesquisadores desenvolveram FlexTab, TabICL e iLTM: os LTMs estão virando tendência.

O que isso significa

Tabelas são a linguagem dos negócios. Por 50 anos, as empresas dependeram do XGBoost e de outras árvores de decisão com gradient boosting para suas análises, que precisavam ser ajustadas por meses para cada tarefa. Os LTMs prometem tornar a análise tabular tão automatizada quanto a geração de texto. LLMs e LTMs juntos podem criar uma IA mais poderosa: o hemisfério esquerdo para o texto e o direito para os números.