据量子位报道，9月16日，稳准智能联合清华大学计算机系崔鹏教授发布新一代数据大模型LimiX-2，参数规模提升至400M。在TabArena、BCCO、TALENT三个国际主流结构化数据Benchmark中，LimiX-2总体Elo分数分别为1935、1432和1506，均列第一，超过Google、SAP、Amazon等国际大厂同类模型。据量子位报道，LimiX-2在TabArena上的回归、二分类、多分类Elo均为最优。

Elo是衡量模型综合能力的排名指标。TabArena、BCCO、TALENT覆盖多类任务，用于评估模型在不同数据集上的泛化能力和预测性能，已成为当前结构化数据基础模型竞争的重要评价依据。

此次升级沿三条技术路线推进。上下文机制网络CMNs将建模重点从预先指定的目标变量转向变量之间的相互关联。传统PFNs以指定目标的预测分布为核心，CMNs则以全变量联合依赖为建模对象。LimiX通过上下文条件掩码建模（CCMM）在不同观测模式下组织跨变量监督，把变量关系推断确立为预训练目标。网络采用单元格级建模，以变量在各样本中的观测为基本表示单元，保留列身份、取值和缺失状态，支持跨变量、跨样本信息交互。

在训练数据上，LimiX-2升级了大规模自动化合成数据的生成引擎。结构化数据多存在于企业内部系统，难以像互联网文本一样大规模公开获取，TabPFN、Mitra等表格基础模型也普遍使用合成数据预训练。LimiX-2可自动生成线性、非线性、多变量交互、周期变化和噪声扰动等不同分布的数据。继去年11月稳准智能发现并提出“结构化数据基础模型遵循Scaling Law”后，此次新模型进一步把参数规模提升到400M。

除分类、回归等预测能力外，LimiX-2在因果发现方面也有突破。传统因果发现方法依赖专家先验或严格统计假设，难以应对高维企业数据。LimiX-2在Sachs、UF、Causal Chamber等多个因果发现公开标准数据集上显著领先传统因果发现方法。

截至2026年世界人工智能大会，上一代LimiX已完成3800余个结构化数据场景的通用性验证，并与60多个客户达成战略合作。此前在多个真实场景验证中，LimiX把“一项任务训练一个专用模型”转变为由一个基础模型跨场景、跨数据集提供通用预测能力，典型方向包括工艺参数优化、设备故障预测、电力预测、能耗优化和材料科学。

跟LLM赛道发展类似，结构化数据基础模型即将迎来GPT3时刻，国际竞争烈度不断增强。Google、Amazon、SAP等团队不断加速模型研发，LimiX等中国技术团队也在持续打磨自创技术路线，并探索依托产业场景驱动模型迭代的中国模式。

稳准智能首席科学家崔鹏表示：“LimiX-2的发布和此次Benchmark成绩，是团队在结构化数据大模型方向持续探索的重要阶段性成果。我们仍将长期坚持这一技术路线，并不断提升模型对数据规律和变量因果关系的理解能力。未来，我们将继续推动模型在因果智能方向上的发展，助力人工智能更快速地从预测走向决策。”技术报告标题为LimiX-2: A Contextual Mechanism Network Towards General Structured-Data Intelligence。