Google выпустила две базовые ИИ-модели, которые работают не с текстом, а напрямую с «сырыми» данными: SensorFMi — для сигналов с носимых устройств (часы, браслеты, трекеры), TabFMi — для табличных данных. Обе призваны заменить множество узкоспециализированных решений универсальными платформами и решают проблему, когда числовые данные пытаются «впихнуть» в обычную языковую модель типа ChatGPT или Claude — при переводе в текст структура и точность чисел теряются.

SensorFM обучена на триллионе минут данных пяти миллионов человек и, по данным источников, на 34 из 35 медицинских задач превосходит модели, которые эксперты годами настраивали вручную. TabFM решает похожую задачу для таблиц (данных бизнеса и аналитики) без обучения на реальных данных — только на синтетике — и без необходимости ручной подготовки признаков.

• SensorFM обучена прямо на сырых сигналах носимых устройств (пульс, кислород, сон, движение, температура) без перевода в текст.
• Модель строит индивидуальный «цифровой слепок» физиологии человека и улавливает микро-изменения, незаметные стандартными методами; пропуски данных (например, снятые часы) она воспринимает как нормальную часть сигнала, а не как сбой.
• Лучше всего SensorFM ловит то, что не видно по одному пульсу — депрессию и тревожность.
• TabFM для табличных данных работает в режиме zero-shot: таблица подаётся «как есть» и сразу выдаётся прогноз, без предварительного обучения и ручной подготовки признаков (обычно на это у дата-сайентиста уходит неделя работы с XGBoosti).
• TabFM обучена на сотнях миллионов сгенерированных (синтетических) таблиц и никогда не видела реальных данных, но по качеству догоняет тюнингованные классические модели.
• TabFM планируется встроить в BigQuery — доступ будет по одной SQL-команде.
• Обе модели анонсированы в блоге research.google примерно за две недели до 15 июля 2026 года (то есть около начала июля).