一句话看懂：webAI 于 2026 年 11 月 4 日发布 8.79B 参数稠密推理模型 TwIL-8B，基于 IBM Granite 4.2 8B 后训练，主打数学与代码任务，量化后 4.98 GiB 即可在 CPU 或小显存 GPU 上本地推理。
事件核心：发生了什么
TwIL-8B 是 webAI 在 TwIL 系列（此前为 1.7B 和 3B 形式逻辑模型）上的扩展，采用 40 层、隐藏维度 4096、32 个注意力头与 8 个 KV 头的稠密解码器架构，继承 131,072 token 上下文，仅支持英文输入输出，回答前会生成 <think> 推理块。权重已上传 Hugging Face，采用非商用许可。
模型分“Balanced”和“Verbose”两个版本：前者推理链更短，后者面向竞赛级难题。训练经历三阶段——数学、STEM 与指令跟随数据的全参数 SFT，GRPO/DAPO 强化学习，以及偏好短推理链的长度感知 RL；训练数据用 13-gram 匹配对 AIME、MATH-500、GPQA 等评测集做了去污染。
性能上，webAI 自报 MATH-500 得分 98.2，AIME 2025 为 88.3，LiveCodeBench（Verbose 版）81.6，IFBench 74.4；但知识类基准偏弱，GPQA Diamond 仅 70.2，MMLU-Pro 为 76.5。在 13 项共同基准中，它对 Qwen3.5-9B 为 7 胜 6 负，对约 3.5 倍参数量的 Gemma 4 31B 为 3 胜 11 负。
为什么重要
webAI 的发布叙事不拼参数规模，而是强调“单任务成本”。4-bit GGUF 仅 4.98 GiB，意味着普通笔记本或入门级 GPU 也能跑推理；AIME 2026 上它平均输出约 19.5k token，比 Qwen3.5-9B 的 31.2k 少 38%，但分数低 4.2 分。这给开源小模型的竞争提供了一个新坐标：在数学与代码上做专精，靠更少 token 换取更低部署和运行成本。同时，非商用许可限制了商业集成，与 Apache 2.0 的 Qwen、Gemma 形成明显区别。
对用户/开发者/创作者的影响
对开发者，最直接的价值是本地可跑：from_pretrained(“webAI-Official/TwIL-8B”) 加载 Balanced 版，传 subfolder=”verbose” 切换 Verbose 版；llama.cpp 可用的 GGUF 包括 Q4_K_M（4.98 GiB，两版）、Q8_0（8.70 GiB）和 F16（16.38 GiB，仅 Verbose）。注意生成预算要给足，模型卡示例设为 max_new_tokens=32768，预算太短会截断推理链、分数明显下降；所有报告分数基于 bf16 权重，Q4_K_M 下预计有小幅回落。对需要离线数学推理或代码辅助的个人用户，它降低了硬件门槛；但若依赖通用知识问答，GPQA 与 MMLU-Pro 的短板需要纳入选型。创作者若把推理链直接用于内容生产，也应留意英文输出限制。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是第三方复现：目前分数均为 webAI 自报，LiveCodeBench 版本未记录，与竞品 v6 对比需谨慎；二是商用许可能否松动，这决定它能否进入企业 API 与产品集成；三是 Qwen、Gemma 等竞品是否跟进“短推理链 + 低成本”路线。上述评测结论仅限素材给出的日期与任务条件，不代表长期排名。
