webAI تطلق TwIL-8B، نموذج استدلال بـ 8.8B ومعاملات ونتائج رياضية عالية

أطلقت webAI نموذج TwIL-8B، وهو نموذج استدلال بـ 8.8B مصمم للرياضيات والبرمجة واتباع التعليمات. جرى تدريب هذا النموذج لاحقاً انطلاقاً من Granite 4.2 8B من IBM. تتوفر أوزان النموذج على Hugging Face بموجب ترخيص غير تجاري. وبحسب منشور الإطلاق لـ webAI، ينصب التركيز على التكلفة لكل مهمة بدلاً من الحجم الخام. تبلغ سعة النسخة الرباعية البتات من النموذج 4.98 GiB، ما يجعلها مناسبة للاستدلال على CPU أو على GPU بذاكرة VRAM متواضعة.

باختصار

• الحجم: 8.79B معامل، كثيف، بسياق 131,072 رمزاً موروث من النموذج الأساسي.
• يعمل على: CPU أو GPU بذاكرة VRAM متواضعة عبر ملف Q4_K_M GGUF بحجم 4.98 GiB؛ أما أوزان bf16 الكاملة فتبلغ 16.38 GiB.
• الأداء: يتصدر فئته الحجمية في الرياضيات والبرمجة لكنه يقصر في اختبارات المعرفة.
• الأفضل: نتيجة 98.2 في MATH-500، وهي الأعلى في مقارنة webAI.
• الأضعف: نتيجة 70.2 في GPQA Diamond، متأخراً عن Qwen3.5-9B بـ 11.5 نقطة.

ما هو TwIL-8B؟

TwIL-8B هو نموذج استدلال كثيف يعتمد على فك التشفير فقط من webAI. يضم 40 طبقة، وحجم مخفي 4096، و32 رأس انتباه مع 8 رؤوس KV. يعالج النموذج المدخلات والمخرجات بالنص الإنجليزي حصراً، ويتضمن كتلة <think> قبل كل إجابة.

يتوفر النموذج بنسختين لهما البنية نفسها والمجزئ نفسه: نسخة Balanced التي تنتج مسارات استدلال أقصر، ونسخة Verbose التي تولد استدلالاً أطول مناسباً للمسائل التنافسية الصعبة.

TwIL-8B جزء من عائلة TwIL من webAI، التي بدأت بإطلاق نماذج المنطق الصوري بحجم 1.7B و3B في أغسطس 2026.

كيف دُرِّب TwIL-8B؟

استخدمت webAI ثلاث مراحل تدريب لاحق:

1. ضبط دقيق كامل المعاملات (SFT) على مسارات استدلال في الرياضيات والعلوم والتكنولوجيا والهندسة والرياضيات (STEM) واتباع التعليمات.
2. تعلّم معزز GRPO/DAPO على تعليمات الرياضيات والبرمجة وSTEM واتباع التعليمات، ما أنتج نسخة Verbose.
3. تعلّم معزز يراعي الطول بنظام مكافآت يفضّل مسارات أقصر مقارنة بمراجع طول لكل مجال، ما أنتج نسخة Balanced.

جرى تنقية مجموعات بيانات التدريب باستخدام مطابقة 13-gram مقابل AIME وHMMT وMATH-500 وGPQA وتقييمات أخرى.

كيف يؤدي TwIL-8B في الاختبارات المعيارية؟

جميع نتائج TwIL-8B مُبلَّغ عنها ذاتياً وتعكس pass@1 بجهد عالٍ مع تفعيل التفكير. النتائج المعلَّمة بعلامة † قيست على نسخة Verbose فقط.

• الرياضيات: يحقق TwIL-8B نتيجة 98.2 في MATH-500، بينما يسجل Qwen3.5-9B نتيجة 96.6 في لوحة صدارة طرف ثالث. سجل Gemma 4 31B نتيجة 87.9 في تشغيل lighteval من Red Hat. في AIME 2025، يسجل TwIL-8B نتيجة 88.3 مقابل 87.1 لـ Gemma 4 31B، وفي AIME 2026 يسجل 88.3، متأخراً عن Qwen3.5-9B عند 92.5 وGemma 4 31B عند 89.2.
• البرمجة: نتيجة LiveCodeBench† هي 81.6، مقابل 65.6 لـ Qwen3.5-9B و80.0 لـ Gemma 4 31B. تشير webAI إلى أن إصدار LiveCodeBench الذي استخدمته لم يُسجَّل؛ ونتائج المنافسين من الإصدار v6.
• اتباع التعليمات: نتيجة IFBench† هي 74.4، أي أعلى بـ 9.9 نقطة من Qwen3.5-9B عند 64.5. نتائج IFEval متقاربة، إذ يسجل TwIL-8B 91.8 مقابل 91.5 لـ Qwen3.5-9B.
• المعرفة: يظهر أداء أضعف في هذا المجال، بنتيجة 70.2 في GPQA Diamond، مقابل 81.7 لـ Qwen3.5-9B و84.3 لـ Gemma 4 31B. نتيجة MMLU-Pro† هي 76.5 مقابل 82.5 لـ Qwen3.5-9B.

عبر 13 اختباراً معيارياً مشتركاً، يحقق TwIL-8B سجل 7-6 مقابل Qwen3.5-9B و3-11 مقابل Gemma 4 31B، الذي يبلغ حجمه نحو 3.5 أضعافه.

هل يستخدم TwIL-8B رموز استدلال أقل؟

نعم، مقارنة بأقرب نموذج مفتوح منافس له. في AIME 2026، يستهلك TwIL-8B في المتوسط نحو 19.5 ألف رمز إخراج لكل مسألة، بينما يستخدم Qwen3.5-9B نحو 31.2 ألف رمز، أي انخفاض بنسبة 38% في استهلاك الرموز. لكن TwIL-8B يسجل أقل بـ 4.2 نقطة. في HMMT فبراير 2026، الفرق هو 32.9 ألف مقابل 40.6 ألف، أي أقل بـ 19% من الرموز.

النماذج المتقدمة أخف بكثير، إذ تذكر webAI أن GPT-5.5 يستهلك نحو 5 آلاف رمز لكل مسألة في AIME 2026. وتشير webAI إلى أن أدوات التشغيل والمجزئات تختلف، لذا ينبغي التعامل مع هذه الأرقام كمؤشرات اتجاهية.

TwIL-8B مقابل Qwen3.5-9B وGemma 4

أرقام TwIL-8B مصدرها بطاقة النموذج. النتائج المعلَّمة بعلامة † من نسخة Verbose. جميع النتائج مُبلَّغ عنها ذاتياً من كل بائع ما لم يُذكر خلاف ذلك.

رابط ذو صلة: huggingface.co

المصدر: MarkTechPost