Synthefy 融资 650 万美元并开源表格基础模型 Nori V1
Synthefy 于 8 月 19 日宣布完成 650 万美元种子轮融资（Wing VC 领投），同日发布开源表格基础模型 Nori V1：仅 3000 万参数，号称零样本即可在公共回归基准上媲美谷歌 16 亿参数的 TabFM 并跑赢 XGBoost。当前信息主要来自官方与转发渠道，独立第三方验证尚未出现，但其"零训练、可解释、可商用"的组合值得数据科学从业者持续关注。
已确认
- 融资信息：Synthefy 获 650 万美元种子轮融资，Wing VC 领投（m1、m2）。
- 开源协议：Nori V1 代码和权重采用 Apache 2.0 协议，可免费商用（m8）。
- 零样本预测机制：据 @rohanpaulai 分析，Nori 使用上下文学习（ICL），fit 调用仅存储 Xtrain 和 ytrain 作为上下文而非训练新权重，predict 在单次前向传播中返回结果，无需特征工程、训练或超参数调优；支持本地运行（自动从 Hugging Face 拉取）或 API 调用（m4、m6、m8、m9）。
- 训练数据：Nori 完全在合成数据上训练，支持预测分布（m9）。
- 性能宣称：Nori-30M 在公共回归基准中媲美谷歌 16 亿参数的 TabFM，零样本跑赢 XGBoost（m2、m8）。
- 可解释性：@rohanpaulai 介绍 Nori 并非黑盒，可探测预测并分离各特征贡献，重建为透明加性模型；在信用卡违约案例中，仅用 6 个特征即可恢复 95% 精度（m3）。
- 多任务复用：Nori 将传感器读数、交易、股价等结构化数据视为 token，保留表格和时间序列内的关系，单一预训练模型可用于预测、定价、欺诈检测、风险分析和故障预测等任务（m5）。
- API 产品：Nori Thinking 目前仅提供 API 模式，通过增加测试时计算量提升精度，不提供可下载权重（m7）。
为什么重要
- 传统表格机器学习流程依赖逐数据集的特征工程与调优，Nori 若兑现零样本能力，可大幅降低门槛，类似 NLP 领域基础模型带来的范式变化（m6）。
- 30M 参数即对标 16 亿参数竞品，且支持蒸馏为可解释小模型，兼顾性能与合规/审查需求（m2、m3）。
- 需注意：性能对比与 XGBoost 替代能力目前主要来自官方与转发信息，独立第三方验证尚未见诸本批材料。
2026-08-19 ~ 2026-08-19 · 9 条相关
一手来源
- Nori V1 开源：30M 参数零样本跑赢 XGBoost — rohanpaul_ai ·
- Synthefy 发布 Nori V1：开源表格基础模型，号称替代 XGBoost — rohanpaul_ai ·
- 3000 万参数模型 Nori 挑战 16 亿参数竞品，专注结构化数据 — ai ·
- Synthefy 融资 650 万美元，发布表格基础模型 Nori — WhatTheLJW · 2026-08-19
- 【源头】Nori V1 开源：30M 参数零样本跑赢 XGBoost — rohanpaul_ai · 2026-08-19
- 【源头】3000 万参数模型 Nori 挑战 16 亿参数竞品，专注结构化数据 — ai · 2026-08-19
- 【源头】Synthefy 发布 Nori V1：开源表格基础模型，号称替代 XGBoost — rohanpaul_ai · 2026-08-19
- Nori 用单一模型处理多种表格数据 — rohanpaul_ai · 2026-08-19
- Nori 表格模型无需训练即可预测 — rohanpaul_ai · 2026-08-19
- Nori 表格模型可蒸馏为可解释模型 — rohanpaul_ai · 2026-08-19
- Nori 模型仅限 API，以算力换精度 — rohanpaul_ai · 2026-08-19
- Nori 表格大模型：无训练回归，合成数据预训练 — rohanpaul_ai · 2026-08-19