webAI、8.8Bの推論モデルTwIL-8Bを公開 LiveCodeBenchでフロンティアの93%に達すると主張
IBMのGranite 4.2 8Bを追加学習したモデルで、webAI自身の評価ではMATH-500で98.2、LiveCodeBenchで81.6を記録。知識系ベンチマークでは劣り、非商用ライセンスで公開。
なぜ重要か
TwIL-8Bは、小型のオープンモデルが特定の推論タスクでフロンティアに迫っていることを改めて示す。webAIによるとLiveCodeBenchでQwen3.5-9Bを16ポイント上回り、AIME 2026の1問あたりのトークンは38%少ない。伸びは数学とコードに集中し、GPQA DiamondではQwen3.5-9Bに11.5ポイント劣り、Granite 4.2由来以外の安全調整はない。量子化版は4.98 GiBで一般的なノートPCで動く。独立した再現が注目点だ。
要点
- 8.79Bパラメーター、IBM Granite 4.2 8Bから追加学習
- MATH-500は98.2、AIME 2025は88.3
- LiveCodeBenchは81.6でフロンティア最高値の93%
- GPQA Diamondは70.2でQwen3.5-9Bに11.5劣る
- 4.98 GiBのQ4_K_M GGUF
- webAIの非商用ライセンス