Bằng cách phân tích mỗi giá trị phần tử cú pháp không nhị phân thành một chuỗi các bin, việc phân tích xa hơn giá trị mỗi bin trong CABAC phụ thuộc vào quyết định chế độ mã hóa có liên quan, thứ có thể được chọn như cách thông thường hoặc bằng chế độ bỏ qua. Cách sau thì được chọn lựa cho các bin mà được giả định là được phân bố thống nhất, do đó toàn thể quy trình mã hóa (và giải mã) số học nhị phân thông thường bị bỏ qua một cách đơn giản. Trong chế độ mã hóa thông thường, mỗi giá trị bin được mã hóa sử dụng bộ máy mã hóa số học nhị phân thông thường, với mô hình xác suất liên quan được xác định bởi một lựa chọn cho trước dựa trên loại phần tử cú pháp và vị trí bin hoặc chỉ số bin (binIdx) trong việc biểu diễn nhị phân hóa của phần tử cú pháp, hoặc được lựa chọn phù hợp từ hai hoặc nhiều mô hình xác suất phụ
thuộc vào thông tin phụ có liên quan. Sự lựa chọn mô hình xác suất được gọi là mô hình hóa thuộc tính. Là một lựa chọn thiết kế quan trọng, trường hợp sau thường được áp dụng tới chỉ các bin được quan sát thường xuyên nhất, trong khi đó đối với các bin còn lại, thường là các bin được quan sát ít thường xuyên hơn, sẽ được xử lý sử dụng một mô hình xác suất bậc 0 chung điển hình. Theo cách đó, CABAC sẽ kích hoạt mô hình xác suất thích nghi chọn lọc ở mức symbol con, và do đó, cung cấp một công cụ hiệu quả cho việc khai thác các độ dư liên symbol cùng với việc giảm đáng kể mô hình tổng thể hoặc chi phí nghiên cứu. Lưu ý rằng với cả trường hợp cố định và thích nghi, theo lý thuyết, một chuyển mạch từ một mô hình xác suất tới một mô hình khác có thể xảy ra giữa bất kì hai bin mã hóa thông thường liên tiếp nào. Thông thường, thiết kế của các mô hình thuộc tính trong CABAC phản ánh mục tiêu để tìm ra một sự thỏa hiệp hợp lý giữa các mục tiêu mâu thuẫn nhau của việc tránh mào đầu chi phí mô hình không cần thiết và việc khai thác các sự phụ thuộc thống kê tới một mức lớn hơn.
Các tham số của các mô hình xác suất trong CABAC là thích nghi, tức là có một sự thích ứng của các xác suất mô hình tới các biến động thống kê của nguồn các bin được thực hiện dựa trên cơ sở bin-bởi-bin trong một kiểu đồng bộ hóa và tương thích ngược cả trong bộ mã hóa và bộ giải mã; quá trình này được gọi là ước lượng xác suất. Với mục đích đó, mỗi mô hình xác suất trong CABAC có thể láy ra một trong số 126 các trạng thái khác nhau mà có liên hệ tới các giá trị xác suất mô hình p trong khoảng thời gian [0:01875; 0:98125] [1]. Hai tham số của mỗi mô hình xác suất được lưu trữ như một đầu vào 7-bit trong bộ nhớ thuộc tính: 6 bit cho mỗi trạng thái trong 63 trạng thái xác suất biểu diễn xác suất mô hình pLPS symbol ít xảy ra nhất (LPS) và 1 bit cho vMPS, giá trị của symbol hay xảy ra nhất (MPS). Bộ ước lượng xác suất trong CABAC được dựa trên một mô hình “lão hóa theo cấp số nhân” với xác suất đệ quy sau được cập nhật sau khi mã hóa một bin b tại thời điểm tức thời t:
Tại đây, lựa chọn của hệ số tỉ lệ xác định tốc độ thích nghi: một giá trị gần với 1 sẽ tạo ra một thích nghi chậm (“chuyển vận trạng thái ổn định”), trong khi thích nghi nhanh hơn có thể đạt được với trường hợp không tĩnh bằng cách làm giảm Lưu ý rằng ước lượng này là tương đương với việc sử dụng một kĩ thuật cửa sổ trượt [1] với kích thước cửa sổ W= (1 – )-1. Trong thiết kế của CABAC, công thức (2.26) được sử dụng cùng với lựa chọn của:
= với min = 0.01875 (2.27)
Và một lượng tử hóa phù hợp của các xác suất mô hình có liên quan tới LPS nền tảng thành 63 trạng thái khác nhau, để xác định được bộ máy trạng thái hữu hạn (FSM) với các qui tắc chuyển tiếp lập bảng. Phương pháp ước lượng xác suất dựa theo bảng này không bị thay đổi trong HEVC, mặc dù có vài đề xuất cho các bô ước lượng xác suất thay thế thể hiện độ tiết kiệm tốc độ bit trung bình khoảng 0.8-0.9% dù cho chi phí tính toán có cao hơn.