Databricks mostra como a IA faz previsões em tabelas sem treinamento: até 1 milhão de linhas
Normalmente, para cada tarefa com tabelas, como risco de crédito ou cancelamento de clientes, treina-se um modelo específico. A Databricks publicou o código de cinco modelos de IA que se ajustam aos seus exemplos no momento da previsão. Em GPUs Nvidia H100, o TabPFN-3 processa até 1 milhão de linhas, mas cada previsão custa mais do que a do XGBoost em um processador comum. Antes de adotar, compare os modelos com os seus próprios dados.
Processado por IA de TNW; editado por Hamidun News
Imagine que um banco precise avaliar o risco de pedidos de crédito, enquanto uma loja quer entender quais clientes devem ir embora em breve. São dados tabulares: as linhas são clientes, e as colunas são atributos como idade, valor das compras ou número de atrasos. Normalmente, a equipe treina um modelo separado para cada tarefa, geralmente o boosting XGBoost, e depois o retreina com regularidade.
Na segunda-feira, a Databricks apresentou outro caminho: modelos de IA que fazem previsões sobre uma tabela sem treinamento específico para a tarefa. A empresa lançou um guia e código aberto para cinco desses modelos. Segundo ela, em GPUs Nvidia H100, um deles, o TabPFN-3, trabalha com tabelas de até 1 milhão de linhas e 200 colunas.
Como funciona, em termos simples
Esses modelos são chamados de fundacionais para tabelas. Eles são treinados antecipadamente com milhões de tabelas artificiais, para absorver padrões gerais: como as colunas costumam se relacionar, como são o ruído e os valores atípicos. Quando a empresa traz a sua tabela, não é preciso fazer ajuste fino. Você fornece ao modelo exemplos de linhas com respostas conhecidas, por exemplo clientes anteriores que saíram ou permaneceram, e ele se ajusta a esses exemplos no momento da previsão.
É parecido com um analista experiente. Ele não constrói um modelo do zero, mas observa os seus casos anteriores e avalia imediatamente um novo. A Databricks publicou código que compara cinco modelos: TabICLv2, Mitra v2, KumoTabular, TabFM e o recente TabPFN. A execução é feita no AI Runtime, o serviço de GPU da Databricks cobrado conforme o uso, que está em prévia desde março.
A tendência ganha força. A SAP, que trabalha de perto com a Databricks, colabora com a Prior Labs, criadora do TabPFN, e a H2O.ai também lançou sua própria solução na área.
Onde está a pegadinha
A própria Databricks aponta as limitações, e elas são relevantes. A primeira é o custo. Uma previsão em GPU sai mais cara do que a do XGBoost clássico em um processador comum. Se você tiver um fluxo de milhões de previsões por dia, a diferença rapidamente vira um item considerável na fatura.
A segunda é a memória. A cada previsão, o modelo relê toda a amostra de treinamento, por isso o consumo de memória cresce junto com o número de linhas. Já no boosting tradicional, depois do treinamento, o modelo pronto ocupa pouco espaço e roda rápido.
A terceira são as licenças. TabICLv2, Mitra v2 e KumoTabular podem ser usados comercialmente. Já o TabFM e a versão mais nova do TabPFN precisam ser obtidos por contrato separado com seus autores. Se você planejava adotar de imediato o modelo mais recente e mais forte, verifique primeiro as condições.
A própria Databricks recomenda não acreditar nas promessas sem verificação e testar os modelos com os seus próprios dados antes. A publicação não indica que os modelos fundacionais para tabelas superem o boosting em precisão em todos os casos. É uma ferramenta nova, com pontos fortes próprios, e não um substituto para tudo o que já funcionava.
O que os praticantes podem fazer com isso
A principal vantagem dessa abordagem é a velocidade de início. Se for preciso validar uma hipótese rapidamente, montar um protótipo ou resolver uma tarefa para a qual não há recursos para um ciclo completo de ML, um modelo pronto, sem treinamento, pode economizar semanas. Isso é especialmente útil quando há poucos dados rotulados e não vale a pena montar um pipeline de retreinamento para uma única tarefa.
Para a produção em larga escala, com orçamento apertado para cada previsão, XGBoost e seus equivalentes em CPU ainda parecem mais confiáveis e baratos. Um esquema razoável é prototipar com um modelo fundacional para tabelas, comparar sua qualidade com o boosting nos mesmos dados e só então decidir se vale a pena pagar pela GPU de forma permanente.
O código aberto da Databricks permite comparar cinco modelos em uma mesma bancada, sem montar a infraestrutura por conta própria. Para as equipes que já usam a Databricks, é uma forma rápida de entender se a ideia se paga nas suas tabelas. Para os demais, vale analisar antes as restrições de licença e o custo por previsão, antes de incorporar esse tipo de modelo à arquitetura.
- 21 de nov. de 2026Nvidia dobrou o lucro, mas ações caem 2% por causa da busca por um novo CEO
- 21 de nov. de 2026Nous Research retreinou o chinês Qwen3.8, e a propaganda nas respostas caiu de 22% para 1%
- 21 de nov. de 2026Samsung quer comprar a Modine, fornecedora de refrigeração para data centers, por quase US$ 6 bilhões
- 21 de nov. de 2026Reuters: projetos de IA na China no valor de US$ 3,2 bilhões dependem de chips da Nvidia, e Huang deixou o cargo
Perguntas frequentes sobre a notícia
Como funciona, em termos simples?
Esses modelos são chamados de fundacionais para tabelas. Eles são treinados antecipadamente com milhões de tabelas artificiais, para absorver padrões gerais: como as colunas costumam se relacionar, como são o ruído e os valores atípicos. Quando a empresa traz a sua tabela, não é preciso fazer ajuste fino. Você fornece ao modelo exemplos de linhas com respostas conhecidas, por exemplo clientes anteriores que saíram ou permaneceram, e ele se ajusta a esses exemplos no momento da previsão.
Onde está a pegadinha?
A própria Databricks aponta as limitações, e elas são relevantes. A primeira é o custo. Uma previsão em GPU sai mais cara do que a do XGBoost clássico em um processador comum. Se você tiver um fluxo de milhões de previsões por dia, a diferença rapidamente vira um item considerável na fatura. A segunda é a memória. A cada previsão, o modelo relê toda a amostra de treinamento, por isso o consumo de memória cresce junto com o número de linhas.
O que os praticantes podem fazer com isso?
A principal vantagem dessa abordagem é a velocidade de início. Se for preciso validar uma hipótese rapidamente, montar um protótipo ou resolver uma tarefa para a qual não há recursos para um ciclo completo de ML, um modelo pronto, sem treinamento, pode economizar semanas. Isso é especialmente útil quando há poucos dados rotulados e não vale a pena montar um pipeline de retreinamento para uma única tarefa.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.