webAI apresenta o TwIL-8B, um modelo de raciocínio de 8,8 bilhões de parâmetros que alcança altas pontuações no math-500

A webAI apresentou o TwIL-8B, um modelo de raciocínio com 8,8 bilhões de parâmetros, projetado para tarefas envolvendo matemática, código e seguimento de instruções. Este modelo, de apenas decodificador e treinado posteriormente a partir do IBM Granite 4.2 8B, possui 40 camadas e está disponível sob uma licença não comercial no Hugging Face. O modelo está disponível em duas variantes: Balanced e Verbose, sendo esta última voltada para problemas complexos e de estilo de competição. A versão de 4 bits do TwIL-8B é compacta, com 4,98 GiB, permitindo a inferência em hardware modesto. Em comparações de desempenho, o TwIL-8B alcança uma vantagem de 7-6 sobre o Qwen3.5-9B em 13 benchmarks compartilhados, embora fique atrás do Gemma 4 31B por uma margem de 3-11. No benchmark AIME 2026, o TwIL-8B utiliza 38% menos tokens de saída (19,5k vs 31,2k) do que o Qwen3.5-9B. A webAI observou que as pontuações do modelo são auto-relatadas, baseadas em um alto desempenho de pass@1 com pensamento habilitado. O modelo estende a família TwIL da webAI, que anteriormente incluía modelos de lógica formal de 1,7B e 3B, lançados em agosto de 2026. A empresa também apontou que o GPT-5.5 supostamente requer cerca de 5k tokens por problema do AIME 2026, sugerindo que os modelos de ponta permanecem significativamente mais leves.