Capability Timeline
对表格/结构化数据直接做分类与回归预测，无需为每个数据集单独训练调参
基于MCP协议的零样本AI预测服务器，支持时间序列与表格数据的分类回归任务
Zer0Fit 是一款基于 MCP 协议的零样本预测服务器，可直接将 Google TimesFM 2.5 与 TabFM v1.0.0 基础模型接入 AI 助手。用户只需在聊天中附加 CSV 文件并用自然语言描述预测目标，即可在零训练、无需调整超参数的情况下，自动执行时间序列预测、表格分类与表格回归。该工具提供自动列名探查、多格式文件上传、预计算评估指标输出及显存智能调度等能力，便于开发者快速部署并供大语言模型调用
Causilo 是 Nums AI 发布的预训练表格基础模型，通过 scikit-learn 风格接口支持分类（最多 10 类）与回归任务，可接收 NumPy 数组或 pandas DataFrame，兼容类别特征与缺失值。模型采用上下文学习机制，fit 不更新权重，1.0.1 版支持中位数与分位数预测；在 TabArena 单模型 Elo 中排名第一。代码以 Apache-2.0 开源，权重仅限非商业研究，商用与托管 API 需另行授权。
面向结构化数据的通用表格基础模型，单一模型完成分类、回归、缺失填补与因果推断。
LimiX 是稳准智能（StableAI）与清华大学联合研发的结构化数据基础模型系列（LDM）。它采用为表格数据优化的 Transformer 架构与上下文机制网络（CMN），通过上下文条件掩码建模（CCMM）在结构因果模型合成数据上预训练，单个模型无需任务专属参数更新即可完成分类、回归、缺失值填补、特征选择、样本选择与因果推断。新一代 LimiX-2 参数规模提升至 400M，权重与推理代码已在 GitHub、HuggingFace、ModelScope 开源，采用 StableAI 非商业许可。
表格数据基础模型，秒级出预测结果
TabPFN 是 Prior Labs 推出的表格数据基础模型，基于在数十亿合成数据集上预训练的 Transformer，通过上下文学习一次前向传播即可对新表格数据集给出分类与回归预测，无需针对数据集单独训练或调参。可通过 pip 安装本地使用，也可调用云端 API，并支持时序预测、异常检测、可解释性与微调等能力。
小米开源的通用表格数据基础模型，基于上下文学习完成分类与回归预测
Xiaomi-TabLDM 是小米发布并开源的通表格数据基础大模型，以单一预训练模型和统一默认配置直接适配不同表格数据集，无需针对每个任务重新训练、调参或后置集成即可完成分类与回归预测。该模型基于结构因果模型生成的大规模合成数据预训练，采用双流特征分组、轻量级注意力残差与稀疏混合专家架构，并支持 Test-Time Scaling。在 OpenML-CTR23 回归榜排名第一，提供 scikit-learn 兼容接口，可通过 pip 安装使用。