# انتشار NVIDIA Kumo Tabular در Hugging Face با سه اندازه مدل

> مدل پایه متن‌باز برای داده‌های جدولی اکنون در Hugging Face در سه نسخه Small، Medium و Large با ۲۸ تا ۲۱۵ میلیون پارامتر عرضه شده و در چهار بنچمارک مهم صدرنشین است.

Oossa · 2026-09-29 · https://oossa.com/fa/nvidia-kumo-tabular-released-on-hugging-face-with-three-model-sizes

NVIDIA مدل Kumo Tabular را در Hugging Face منتشر کرده است. این مدل بدون نیاز به آموزش یا مهندسی ویژگی، مستقیماً از روی یک جدول برچسب‌دار، برچسب ردیف‌های جدید را پیش‌بینی می‌کند. این مدل در سه اندازه عرضه شده است: Small با حدود ۲۸ میلیون پارامتر، Medium با حدود ۷۱ میلیون و Large با حدود ۲۱۵ میلیون پارامتر. Kumo Tabular در جدول رتبه‌بندی TabArena با امتیاز Elo برابر با ۱۹۵۰ پیشتاز است و هنگام ارزیابی روی یک پردازنده گرافیکی RTX 6000 Pro، حدود ۱۷ درصد سریع‌تر از مدل قبلیِ برتر، LimiX‑2، اجرا می‌شود. همین مدل‌ها در BeyondArena، TALENT و ScoringBench نیز رتبه نخست را دارند.

## حقایق

- سه اندازه مدل: ۲۸، ۷۱ و ۲۱۵ میلیون پارامتر (وبلاگ Hugging Face، ۲۹ سپتامبر ۲۰۲۶)
- امتیاز Elo برابر با ۱۹۵۰ در TabArena؛ ۱۷ درصد سریع‌تر از LimiX‑2 روی RTX 6000 Pro (همان منبع)

## چرا مهم است

این مدل به شرکت‌ها امکان می‌دهد خط لوله‌های اختصاصی پردازش داده‌های جدولی را با یک مدل ازپیش‌آموزش‌دیده جایگزین کنند؛ مدلی که هم دقت بیشتری دارد و هم سریع‌تر اجرا می‌شود.

## منابع و ارجاع‌ها

1. [NVIDIA Kumo Tabular Sets a New Accuracy-Efficiency Frontier for Tabular Prediction](https://huggingface.co/blog/nvidia/kumo-tabular) – Hugging Face, 2026-09-29

آخرین به‌روزرسانی: 2026-09-29