TwIL-8Bは推論を短くして何を得たか 数学課題で出力38%減、得点は4.2ポイント差
日本語参考要約訳
webAIが、IBMのGranite 4.2 8Bを基に数学・コード・指示追従を学習した約88億パラメータのTwIL-8Bの重みを公開した。4.98 GiBの量子化ファイルならCPUや比較的小さなGPUでも実行できるという。投稿者が紹介するLiveCodeBenchの成績は81.6点。Qwen3.5-9Bを16.0ポイント上回り、約3.5倍の規模のGemma 4 31Bも上回った。GPT-5.5、Claude Opus 4.8、Grok 4.3のうち最高のスコアに対し、コード評価では93%、指示追従では92%に相当し、IFBenchではClaude Opus 4.8より12.2ポイント高いという。最後に短い推論を報いる学習を加え、AIME 2026の出力はQwen3.5-9Bより38%少なく、MATH-500では比較対象で最高の98.2点を記録した。
※長文投稿のため、参考訳は概要を最大600字まで表示しています。 元投稿をご参照ください
AINNでは投稿本文・投稿者本人の追記・第三者コメントの全文転載を避け、X公式埋め込みと元投稿への導線を中心に表示します。
AIによる見どころ整理
何について
webAIの公開モデルTwIL-8Bは、数学競技のAIME 2026で、短めに推論するbalanced版の出力がQwen3.5-9Bより38%少なかった。一方、得点は4.2ポイント低い。別の数学評価MATH-500では98.2点。提供元の比較表を見ると、出力を短くした効果と、課題によって異なる正答率の両方が分かる。
なぜ注目
コード評価LiveCodeBenchの81.6点は長く推論するverbose版の成績で、balanced版のトークン削減とは測定条件が異なる。比較モデルの値は他の報告から採ったもので、同一環境での再測定ではない。配布条件は非商用ライセンス。
🔰 初学者向け要約
AIが答えを出すまでに長い計算手順を書けば、その分だけ出力が増える。TwIL-8Bには推論を短くする学習を加えた版があり、正答率と出力の長さを見比べて選べる。約88億パラメータのモデルで、CPUなどで使える量子化ファイルの一つは4.98 GiBだ。
用語を調べる
公開記事とWeb上の出典をもとに、Geminiが短く説明します。1日5回まで利用できます。