AI 前沿 · 每日整理
TwIL-8B：数学 98.2 分，知识却是短板
webAI 发布了 8.79B 参数的稠密推理模型 TwIL-8B，由 IBM Granite 4.2 8B 后训练而来，分 Balanced 与 Verbose 两版，上下文 131072 token，仅支持英文文本输入输出。厂商自报 MATH-500 为 98.2 分、LiveCodeBench 为 81.6 分，但知识是短板：GPQA Diamond 为 70.2 分，落后 Qwen3.5-9B 约 11.5 分；权重采用 webAI 非商业许可，不可商用。
背景
训练分 SFT、GRPO 与 DAPO、长度感知强化学习三阶段。效率是卖点之一：厂商称在 AIME 2026 上平均每题约 19500 输出 token，比 Qwen3.5-9B 少约 38%，但分数也低 4.2 分，且各家评测工具与分词器不同，对比只具方向性。
影响
对需要数学与代码推理、且不涉及商用的场景，这是一个值得试用的小模型；但对知识密集型任务，它并不适合直接替代同级通用模型。