TabPFN i TabICL tvrde da predviđaju na tablicama bez ikakvog dodatnog treniranja i da i dalje nadmašuju podešeni XGBoost. Autori su to provjerili na četrnaest skupova podataka iz Grinsztajn benchmarka, koristeći istu podjelu podataka i istu vremensku ograničenost za sve metode. Model koji ne provodi treniranje pobijedio je u svakom od četrnaest testova, a prednost se održavala i do 32.000 redaka po tablici. Najcitiraniji model više nije moguće preuzeti bez registracije računa. Tabularni temeljni model unaprijed je naučen na milijunima sintetičkih tablica i prilikom predviđanja ne mijenja težine, već koristi kontekst podataka u jednom prolazu.