AI NEWS.ccAI는 지금, 미래는 업데이트 중
♡ 저장한 도구 0
AI NEWS · 모델 정보기능을 이해하고 근거 있게 선택하세요. ↗기본 정보 우선 등록 · 상세 정보 지속 보완
THE AI MODEL DIRECTORY 모델 탐색을 시작하세요

나에게 맞는 AI 모델을 찾아보세요.

언어부터 이미지, 오픈 웨이트부터 API까지. 기능과 실제 비용을 비교하세요.
다음 아이디어에 맞는 AI를 찾아보세요.

인기 검색
84,991 개 모델13202 개 제공사 / 게시자45 개 기능 분류465개 비교 가능 요금 · 30개 공개 평가
T텍스트 생성▧이미지 생성▷영상 생성⌘코드 생성◖음성 합성♫음악 생성⬡3D 모델링▤문서 분석
DISCOVER & COMPARE

AI 모델 탐색 8

주목할 모델을 찾아보세요

TabSTAR

alana89

**Paper:** TabSTAR: A Foundation Tabular Model With Semantically Target-Aware Representations > While deep learning has achieved remarkable success across many domains, it > has historically underperformed on tabular learning tasks, which remain > dominated by gradient boosting decision trees (GBDTs). However, recent > advancements are paving the way for Tabular Foundation Models, which can > leverage real-world knowledge and generalize across diverse datasets, > particularly when the data contains free-text. Although incorporating language > model capabilities into tabular tasks has been explored, most existing methods > utilize static, target-agnostic textual representations, limiting their > effectiveness. We introduce TabSTAR: a Foundation Tabular Model with > Semantically Target-Aware Representations. TabSTAR is designed to enable > transfer learning on tabular data with textual features, with an architecture > free of dataset-specific parameters. It unfreezes a pretrained text encoder and > takes as input target tokens, which provide the model with the context needed > to learn task-specific embeddings. TabSTAR achieves state-of-the-art > performance for both medium- and large-sized datasets across known benchmarks > of classification tasks with text features, and its pretraining phase exhibits > scaling laws in the number of datasets, offering a pathway for further > performance improvements.

번역 대기 중 · 원문 표시

표 및 시계열 예측
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

기본 정보 등록 · 상세 정보 보완 예정

분류 준비 중
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

기본 정보 등록 · 상세 정보 보완 예정

분류 준비 중
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

기본 정보 등록 · 상세 정보 보완 예정

분류 준비 중
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

기본 정보 등록 · 상세 정보 보완 예정

분류 준비 중
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

기본 정보 등록 · 상세 정보 보완 예정

분류 준비 중
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

TabSTAR-v2 classification checkpoint, epoch 17 of `cls50k-active-261004_233909`. Pretrained checkpoint; this file records how it was trained and how it differs from the original TabSTAR (v1). - **Task type**: classification only (separate model per task type) - **Pool**: decontaminated T4 pool `t4_tabstarv1.1_runs_decontamination`, 200,142 classification tables; 50,000 sampled per epoch (`--num_datasets 50000`, `--pool_mode active`) - **Learning rate**: 1e-4, **weight decay**: 1e-3, linear warmup over the first 10% of steps - **Epochs**: 25 planned, early-stopping patience 5 - **Batch size**: 512 global (micro-batch 32, no gradient accumulation) - **Text encoder**: `intfloat/e5-small-v2`, top 6 layers unfrozen, text batch size 1024 - **Finetunability check**: every epoch, 30 minute timeout per check; epoch 17 is among the top finetunability Elo epochs Downstream finetuning (TabArena-Lite) uses the repo defaults, none tuned per checkpoint:

번역 대기 중 · 원문 표시

분류 준비 중
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

TabSTAR-v2 regression checkpoint, epoch 16 of `reg50k-active-261004_233909`. Pretrained checkpoint; this file records how it was trained and how it differs from the original TabSTAR (v1). - **Task type**: regression only (separate model per task type) - **Pool**: decontaminated T4 pool `t4_tabstarv1.1_runs_decontamination`, 200,013 regression tables; 50,000 sampled per epoch (`--num_datasets 50000`, `--pool_mode active`) - **Learning rate**: 1e-4, **weight decay**: 1e-3, linear warmup over the first 10% of steps - **Epochs**: 25 planned, early-stopping patience 5 - **Batch size**: 512 global (micro-batch 32, no gradient accumulation) - **Text encoder**: `intfloat/e5-small-v2`, top 6 layers unfrozen, text batch size 1024 - **Regression head**: dual head, a scalar sub-head plus a distributional sub-head over 200 bins - **Finetunability check**: every epoch, 30 minute timeout per check; epoch 16 had the top finetunability Elo Downstream finetuning (TabArena-Lite) uses the repo defaults, none tuned per checkpoint:

번역 대기 중 · 원문 표시

분류 준비 중
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗
COST EXPLORER

좋은 모델, 명확한 비용.

비용 분석

월간 토큰 사용량으로 예상 API 비용을 비교하세요.

1 M = 100만 토큰 · USD
동일 채널의 기본 텍스트 토큰 요금 비교

수집된 백만 토큰당 USD 요금입니다. 캐시 할인, 구간 요금, 추가 추론 출력, 세금은 제외됩니다. 최신 요금은 출처에서 확인하세요.

MODEL HANDBOOK

이해하고 선택하세요

선택 가이드 및 FAQ
API 요금은 어떻게 비교하나요?+

입력, 출력, 캐시 요금을 구분하고 동일 작업량으로 비교하세요. 이미지, 음성, 영상은 개수, 시간, 해상도로 과금될 수 있습니다.

오픈 웨이트는 무료 상업 이용을 뜻하나요?+

반드시 그렇지는 않습니다. 버전별 라이선스, 상업 이용 제한, 정책을 확인하세요. 자체 호스팅에는 연산 및 유지 비용도 듭니다.

1위 모델이 나에게 가장 적합한가요?+

순위는 작업, 버전, 평가 방식에 따라 다릅니다. 실제 업무로 정확도, 지연, 안정성, 비용을 비교하세요.

AI NEWS · 정보에서 선택으로

뉴스로 흐름을, 도구로 효율을, 모델로 가능성을.

AI 뉴스 탐색 ↗AI 도구 찾기 ↗