webAI presenta TwIL-8B, un modelo de razonamiento de 8.8B parámetros que alcanza altas puntuaciones en math-500

webAI ha presentado TwIL-8B, un modelo de razonamiento de 8.8 mil millones de parámetros diseñado para tareas que involucran matemáticas, código e instrucciones. Este modelo denso, solo decodificador, que se ha entrenado posteriormente a partir de IBM's Granite 4.2 8B, cuenta con 40 capas y está disponible bajo una licencia no comercial en Hugging Face. El modelo se ofrece en dos variantes: Balanced y Verbose, siendo esta última la que se dirige a problemas complejos de estilo de concurso. La versión de 4 bits de TwIL-8B es compacta, con 4.98 GiB, lo que permite realizar inferencias en hardware modesto. En las comparaciones de rendimiento, TwIL-8B obtiene una ventaja de 7-6 sobre Qwen3.5-9B en 13 benchmarks compartidos, aunque queda por detrás de Gemma 4 31B en un margen de 3-11. En el benchmark AIME 2026, TwIL-8B utiliza un 38% menos de tokens de salida (19.5k frente a 31.2k) que Qwen3.5-9B. webAI ha señalado que las puntuaciones del modelo son auto-reportadas, basadas en un alto rendimiento de pass@1 con pensamiento habilitado. El modelo extiende la familia TwIL de webAI, que anteriormente incluía modelos de lógica formal de 1.7B y 3B, lanzados en agosto de 2026. La empresa también ha destacado que GPT-5.5 supuestamente requiere alrededor de 5k tokens por problema de AIME 2026, lo que sugiere que los modelos de vanguardia siguen siendo significativamente más ligeros.