W
ИИ-чатwebAITwIL-8BIBM Graniteмодели рассужденийMATH-500

webAI выпустила TwIL-8B: 8,8 млрд параметров и 98,2 на MATH-500

Сергей Сергеев, редактор gen-hub.ru
Сергей Сергеев
Редактор gen-hub.ru
·3 мин чтения
webAI выпустила TwIL-8B: 8,8 млрд параметров и 98,2 на MATH-500

Компания webAI выложила на Hugging Face веса TwIL-8B, модели рассуждений на 8,79 млрд параметров. Основа - IBM Granite 4.2 8B, которую webAI дообучила на математике, коде и следовании инструкциям. Лицензия webAI Non-Commercial 1.0, то есть использовать модель в коммерческих продуктах нельзя.

Что внутри

Это плотная модель без экспертов: 40 слоев, скрытый размер 4096, 32 головы внимания и 8 KV-голов. Контекст 131 072 токена достался от базовой Granite. Вход и выход только текстовые, язык английский.

Выпущены два варианта на одной архитектуре и одном токенизаторе. Balanced стоит по умолчанию и пишет сравнительно короткие цепочки рассуждений. Verbose думает дольше и нацелен на олимпиадные задачи.

Для запуска на своем железе есть сборка Q4_K_M в формате GGUF весом 4,98 GiB: ее можно гонять на CPU или на видеокарте с небольшим объемом памяти. Полные bf16-веса занимают 16,38 GiB.

Как обучали

Три этапа. Сначала полное дообучение (SFT) на трассах рассуждений по математике, естественным наукам и инструкциям. Затем обучение с подкреплением GRPO/DAPO на задачах по математике, коду, наукам и инструкциям - так получился verbose. Наконец, RL с учетом длины: награда поощряет короткие трассы относительно эталонов по каждой области, и это дало balanced. Обучающие выборки webAI очищала от пересечений с AIME, HMMT, MATH-500, GPQA и другими тестами через совпадения по 13-граммам.

Цифры

Все результаты TwIL-8B измерены самой webAI: pass@1 с включенным режимом размышления. Часть оценок, помеченных в карточке модели значком, получена только на verbose.

Математика: 98,2 на MATH-500 против 96,6 у Qwen3.5-9B (данные стороннего рейтинга) и 87,9 у Gemma 4 31B (замер Red Hat). На AIME 2025 у TwIL-8B 88,3, у Gemma 4 31B 87,1. На AIME 2026 те же 88,3, и здесь модель уступает Qwen3.5-9B (92,5) и Gemma 4 31B (89,2).

Код: 81,6 на LiveCodeBench против 65,6 у Qwen3.5-9B и 80,0 у Gemma 4 31B. Оговорка от самой webAI: версию LiveCodeBench для своего замера она не зафиксировала, а у конкурентов указана v6. Сравнение поэтому приблизительное.

Инструкции: IFBench 74,4 против 64,5 у Qwen3.5-9B, IFEval почти вровень - 91,8 и 91,5.

Знания - слабое место. GPQA Diamond 70,2, то есть на 11,5 пункта ниже Qwen3.5-9B (81,7) и сильно ниже Gemma 4 31B (84,3). MMLU-Pro 76,5 против 82,5 у Qwen. По 13 общим тестам TwIL-8B выигрывает у Qwen3.5-9B в семи и проигрывает в шести. Против Gemma 4 31B, втрое с лишним большей по размеру, счет 3:11.

Экономия на токенах

Главный аргумент webAI - стоимость решения задачи, а не масштаб. На AIME 2026 TwIL-8B тратит в среднем около 19,5 тыс. выходных токенов на задачу, Qwen3.5-9B - 31,2 тыс. Разница 38%, правда, ценой 4,2 пункта точности. На HMMT Feb 2026 расход 32,9 тыс. против 40,6 тыс., экономия 19%. До флагманов далеко: для GPT-5.5 webAI называет около 5 тыс. токенов на задачу AIME 2026. Компания сама оговаривает, что обвязки и токенизаторы у моделей разные, поэтому сравнение ориентировочное.

Что с этим делать

TwIL-8B подходит для локальных экспериментов с математикой и кодом, где важна скорость и умеренные требования к памяти. Для задач на фактические знания Qwen3.5-9B выглядит надежнее по тем же таблицам: он же держит 262-тысячный контекст, принимает изображения и видео и выпущен под Apache 2.0. Gemma 4 12B в сводке webAI тоже опережает TwIL-8B по GPQA (78,8) и MMLU-Pro (77,2), но заметно отстает по AIME 2026 (77,5) и LiveCodeBench (72,0).

Основная оговорка: все цифры TwIL-8B получены самой webAI, а лицензия закрывает путь в коммерческие проекты. На мой взгляд, это скорее исследовательская модель, чем готовый рабочий инструмент. webAI до этого выпускала семейство TwIL для формальной логики - модели на 1,7 и 3 млрд параметров в августе 2026 года, и 8B продолжила эту линейку.

Источники

Все эти инструменты - уже на Genova-ai

Картинки, видео, музыка, голос и ИИ-чат в одном месте. Без VPN и зарубежных карт.

Картинки
Видео
Музыка
Голос
ИИ-чат
Попробовать бесплатно

Похожие новости

OpenAI
ИИ-чат

OpenAI выпустила GPT-6.2 Astra и Sol: входные и выходные токены Astra в API на 20% дешевле, чем у GPT-6 Astra

OpenAI представила две модели: флагманскую GPT-6.2 Astra и экономичную GPT-6.2 Sol. Они доступны в ChatGPT Work, Codex и API и тратят меньше выходных токенов. В API Astra дешевле GPT-6 Astra: входные и выходные токены на 20% ниже, на кэшированные входные скидка 60%.

18 ноября3 мин чтения
OpenAI
ИИ-чат

OpenAI показала агентов GPT-6 для клиник: Luna выполняет задачу за 8,5 цента

OpenAI предложила больницам и страховщикам GPT-6 Astra и Luna: агенты сами кликают по программам клиник и порталам страховых. Среди партнеров компании - CVS Health и Cigna Healthcare.

17 ноября3 мин чтения
NVIDIA
ИИ-чат

NVIDIA Vera Rubin NVL72 в MLPerf Endpoints: более 10x токенов на киловатт к GB300

В предварительных результатах MLPerf Endpoints v1.0 система Vera Rubin NVL72 выдала более чем в 10 раз больше токенов на киловатт, чем GB300 NVL72. Результаты еще не верифицированы MLCommons.

17 ноября3 мин чтения