webAI lance TwIL-8B, un modèle de raisonnement de 8,8 milliards de paramètres qui obtient 98,2 sur MATH-500
webAI a publié TwIL-8B, un modèle de raisonnement dense de 8,79 milliards de paramètres dédié aux mathématiques, au code et au suivi d'instructions. Issu d'un post-entraînement du modèle Granite 4.2 8B d'IBM, il hérite de sa fenêtre de contexte de 131 072 tokens et produit un bloc de réflexion avant chaque réponse. Ses poids sont disponibles sur Hugging Face sous une licence non commerciale. Il existe en deux variantes : « balanced », par défaut, qui génère des raisonnements plus courts, et « verbose », qui réfléchit plus longtemps pour les problèmes de type concours. L'entraînement a combiné un ajustement supervisé complet sur des traces de raisonnement, un apprentissage par renforcement GRPO/DAPO (qui donne la variante verbose), puis un renforcement sensible à la longueur qui récompense les traces courtes (variante balanced). Selon les scores auto-déclarés de l'entreprise, TwIL-8B atteint 98,2 sur MATH-500 contre 96,6 pour Qwen3.5-9B, 88,3 sur AIME 2025 contre 87,1 pour Gemma 4 31B, et 81,6 sur LiveCodeBench contre 65,6 pour Qwen3.5-9B. Sur IFBench, il obtient 74,4, soit 9,9 points de plus que Qwen3.5-9B.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de MarkTechPost. Lire l'article original →
L'intérêt tient surtout au coût par tâche plutôt qu'à la taille brute. La version quantifiée en 4 bits (Q4KM) pèse 4,98 GiB, contre 16,38 GiB pour les poids complets en bf16, ce qui permet de l'exécuter sur processeur ou sur un GPU à la mémoire modeste. Le modèle se montre aussi plus économe en tokens que son concurrent ouvert le plus proche : sur AIME 2026, il consomme environ 19,5 k tokens par problème contre 31,2 k pour Qwen3.5-9B (38 % de moins), au prix de 4,2 points de score en moins, et l'écart sur HMMT février 2026 est de 32,9 k contre 40,6 k (19 % de moins). Les modèles de pointe restent toutefois bien plus sobres, GPT-5.5 se contentant d'environ 5 k tokens. Les points faibles sont les connaissances : 70,2 sur GPQA Diamond contre 81,7 pour Qwen3.5-9B et 84,3 pour Gemma 4 31B, et 76,5 sur MMLU-Pro contre 82,5. Sur 13 benchmarks communs, il s'impose 7 fois contre 6 face à Qwen3.5-9B, mais ne gagne que 3 fois sur 14 face à Gemma 4 31B, environ 3,5 fois plus gros.
TwIL-8B prolonge la famille TwIL de webAI, dont les premiers membres, des modèles de logique formelle de 1,7 et 3 milliards de paramètres, étaient sortis en août 2026. Il se positionne face à des concurrents sous licence Apache 2.0, plus ouverts et multimodaux : Qwen3.5-9B accepte texte, image et vidéo avec 262 144 tokens de contexte, tandis que TwIL-8B se limite au texte anglais. Les chiffres sont à prendre avec prudence : ils sont publiés par webAI elle-même, la version de LiveCodeBench utilisée n'a pas été consignée, et l'entreprise précise que les outils d'évaluation et les tokenizers diffèrent, de sorte que les comparaisons de consommation de tokens restent indicatives. Les données d'entraînement ont été décontaminées par correspondance de 13-grammes contre AIME, HMMT, MATH-500 et GPQA.
Pas d'impact direct sur la France/UE