KumoRFM-2
#311 in Frontier-SprachmodelleKumo Ai · v2 · seit 14. April 2026 · 8× · zuletzt 30. Juni 2026
KumoRFM-2 ist ein von Kumo AI entwickeltes Foundation-Modell für relationale (tabellarische) Unternehmensdaten, kein klassisches Sprachmodell für Text. Es nutzt In-Context-Learning und eine hierarchische Graph-Transformer-Architektur, um Vorhersagen (z.B. Churn, Betrug, Nachfrage) direkt auf verknüpften Datenbanktabellen zu treffen, ohne Feature-Engineering oder Task-spezifisches Training. Das Modell wurde am 14. April 2026 vorgestellt, skaliert auf über 500 Milliarden Zeilen und übertrifft laut Kumo auf mehreren Benchmarks (RelBench, SAP SALT) sowohl klassische Machine-Learning-Modelle als auch Vorgängerversionen. Zugriff erfolgt über eine Python-SDK (pip install kumoai) und eine öffentliche Inferenz-API mit natürlichsprachlicher Abfrage (PQL).
Features
| Key-Benchmark (%) | Übertrifft stärkstes supervised ML-Modell auf Stanford RelBenchV1 um 5%; auf SAP SALT-Benchmark 0,89 Mean Reciprocal Rank (fine-tuned) vs. 0,77 (AutoGluon) |
| Kontextfenster (Token) | Kein Text-Kontextfenster; skaliert auf 500+ Milliarden Datenbankzeilen, Durchsatz bis 5 GB/Sek. und 20 Mio. Lookups/Sek. |
| Lizenz | Proprietäres Modell/SDK mit API-Key-Zugang (kostenloser Key über kumorfm.ai, Limit 1000 Anfragen/Tag); begleitender 'Kumo Coding Agent' separat unter MIT-Lizenz |
| Multimodalität | Verarbeitet relationale Datenbanken (Tabellen als Graph); Knoten können numerische, kategoriale, Zeitstempel-, Text- und Vektor-Embedding-Attribute tragen |
| Plattform | Python-SDK (pip install kumoai, Python 3.10+), öffentliche Inferenz-API unter kumorfm.ai, Anbindung an SQL-Datenbanken und Cloud-Data-Warehouses (Snowflake, Databricks, Spark) |
| Release-Datum | 14. April 2026 |