webAI 发布 TwIL-8B 推理模型：MATH-500 得分 98.2，权重非商用开放

核心事实

据 MarkTechPost 报道，webAI 发布了 TwIL-8B，这是一个面向数学、代码与指令遵循的稠密解码器推理模型，参数量 8.79B，由 IBM 的 Granite 4.2 8B 后训练而来。模型权重已在 Hugging Face 公开，采用非商用许可。模型继承 131,072 token 上下文，仅支持英文文本输入输出，回答前会先写出 <think> 推理块。官方提供 Balanced 与 Verbose 两个变体，架构与分词器相同，前者推理链更短，后者面向较难的竞赛类题目。

背景与影响

webAI 在发布说明中把重点放在单任务成本而非参数规模上：4-bit 的 Q4_K_M GGUF 构建为 4.98 GiB，可面向 CPU 或显存有限的 GPU 推理；完整 bf16 权重为 16.38 GiB。据模型卡，TwIL-8B 在 MATH-500 上得 98.2，AIME 2025 与 AIME 2026 均为 88.3，LiveCodeBench 为 81.6（仅 Verbose 变体），IFBench 为 74.4（仅 Verbose 变体）。知识类基准是短板：GPQA Diamond 为 70.2，MMLU-Pro 为 76.5（仅 Verbose 变体）。在 AIME 2026 上，该模型平均每题输出约 19.5k token，比 Qwen3.5-9B 的 31.2k 少约 38%，但得分低 4.2 分。TwIL 系列此前在 2026 年 8 月发布过 1.7B 与 3B 的形式逻辑模型。

限制与来源

上述成绩均为厂商自报的高投入 pass@1 结果，且全部基于 bf16 权重测得，量化版本可能出现小幅下降；webAI 也提示不同评测框架与分词器存在差异，token 用量对比仅供参考。LiveCodeBench 所用版本未记录，部分对比分数来自第三方榜单或其他机构的评测运行。模型卡建议设置较大的生成长度预算（示例为 max_new_tokens=32768），预算过短会截断推理并显著拉低得分。目前 Hugging Face 上尚无托管推理服务商提供该模型。许可、可用性与具体功能请以官网及模型卡当前信息为准。来源：MarkTechPost。