Was ist TwIL-LM3-Pro?
TwIL-LM3-Pro ist ein Modell mit 3,66 Milliarden Parametern von webAI, dem Unternehmen aus Austin, das KI auf dem Gerät verkauft, angekündigt am 30. September 2026. Es ist IBMs Granite 4.2 3B, weitertrainiert mit LoRA-Fine-Tuning auf synthetischen Daten zur formalen Logik, Multipath-Destillation, Checkpoint-Merging und einer entropiegewichteten GRPO-Phase mit bestärkendem Lernen. Es liest und schreibt englischen Text und denkt vor der Antwort in einem Think-Block nach.
Es ist für formale Logik gebaut: entscheiden, ob eine Schlussfolgerung aus Prämissen folgt, Regeln aus Beispielen ableiten, Aussagen in Prädikatenlogik erster Stufe oder semantische Parses übersetzen und Lean-Aussagen kritisieren. Die Gewichte liegen auf Hugging Face in BF16 und als GGUF von 1,98 GiB (Q4_0) bis 6,82 GiB (F16), unter der webAI Non-Commercial License 1.0, die nur Forschung und Lehre erlaubt.
Was kostet TwIL-LM3-Pro?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| Weights | Free | Nur nicht kommerzielle Forschung und Lehre |
| Commercial use | Not published | Nach der veröffentlichten Lizenz nicht erlaubt |
Gewichte kostenlos für nicht kommerzielle Forschung und Lehre unter der webAI Non-Commercial License 1.0. Keine gehostete API, kein veröffentlichter Preis für eine kommerzielle Lizenz.
Lohnt sich TwIL-LM3-Pro?
TwIL-LM3-Pro ist ein Spezialwerkzeug, und in seiner Nische sind die Zahlen, die webAI veröffentlicht, gut. Im eigenen Composite-Wert für formale Logik erreicht es 0,5539, gegenüber 0,4313 für die Granite-Basis, und liegt etwa gleichauf mit Qwen3-8B bei 0,5336, ein Abstand, den die Model Card selbst als Rauschen einstuft. Im selben Composite schlägt es VibeThinker-3B (0,4118) und Qwen3.5-4B (0,4466), und sein Logik-Durchschnitt über sechs Aufgaben von 0,5389 liegt knapp über den 0,5192 von gpt-oss-120b, wobei das größere Modell bei Regelinduktion, logischer Folgerung und Lean-Formalisierung weiter vorn liegt. Jede Zahl stammt von webAI und wurde von webAI gemessen.
Dafür hat es kein allgemeines Denkvermögen eingebüßt, aber auch nicht viel hinzugewonnen. Über die zehn zurückgehaltenen allgemeinen Benchmarks von webAI kommt es im Schnitt auf 0,7901 gegenüber 0,7942 für die Basis, hinter Qwen3-8B (0,8493) und VibeThinker-3B (0,8097). Auf dem Logik-Teil von BIG-Bench Hard erreicht es 95,4%.
Die Schwächen sind genau benannt. Antworten auf die Logikaufgaben sind im Schnitt 1.902 Tokens lang, und 24,2% stoßen an die Längengrenze; die Übersetzung in Prädikatenlogik erster Stufe erreicht bei exakter Übereinstimmung 0,01; und alle Werte wurden mit Greedy-Decoding auf BF16-Gewichten in einem Fenster von 8.192 Tokens gemessen, während die ausgelieferte Konfiguration standardmäßig sampelt und die GGUF-Dateien ungetestet sind. Der Kontext von 131.072 Tokens ist von Granite geerbt, nicht validiert.
Die Lizenz entscheidet die meisten Fälle. Die webAI Non-Commercial License beschränkt die Gewichte und alle Ableitungen auf nicht kommerzielle Forschung und Lehre. Ein Unternehmen, das einen lokalen Logikprüfer in ein Produkt einbauen will, braucht also eine eigene Vereinbarung, und dafür gibt es keinen Preis. Für Forschende, die ein Modell in Laptopgröße zum Übersetzen und Prüfen von Argumenten suchen und die Ausgabe, wie webAI rät, mit einem Solver verifizieren, ist es ein vernünftiger Download.
Wo es sich lohnt
Eine Dozentin für Philosophie oder Informatik
Prüfen, ob die Schlussfolgerungen in Argumenten der Studierenden aus ihren Prämissen folgen
Das Q4_K_M-GGUF in llama.cpp auf einem Lehr-Laptop laufen lassen; die Genauigkeit bei logischer Folgerung stieg in webAIs Tests auf 67%. Lehre ist von der Lizenz gedeckt.
Eine Forschungsgruppe für formale Methoden
Kandidaten für Lean-Aussagen kritisieren, bevor sie an einen Beweiser gehen
webAI meldet 79,5% bei der Kritik von Lean-Beweisen, gegenüber 66% beim ursprünglichen TwIL-LM3. Greedy-Decoding verwenden, um die gemeldeten Werte zu erreichen, und die Ausgabe mit dem Beweiser prüfen.
Ein auf Datenschutz ausgerichtetes Forschungslabor
Regeln in natürlicher Sprache in strukturierte Logik übersetzen, ohne Text an eine Cloud-API zu schicken
Das ganze Modell passt je nach Quantisierung in 2 bis 7 GiB und läuft offline. Die exakte Übersetzung in Prädikatenlogik erster Stufe erreicht nur 0,01, die Ausgabe ist also ein Entwurf für einen symbolischen Solver.
Bevor du dich festlegst
- Einrichtung
- Download von Hugging Face; Q4_K_M-GGUF in llama.cpp für CPU oder eine 4-GB-GPU, BF16 in Transformers, Q4_0 für GenieX auf Snapdragon-NPUs, wobei der Kontext vom Standard von 4.096 Tokens erhöht werden muss.
- Integrationen
- Transformers (GraniteForCausalLM), GGUF-Versionen für llama.cpp, eine LiteRT-LM-Version für Laufzeiten auf dem Gerät, GenieX.
- Daten und Datenschutz
- Läuft lokal, nichts verlässt also deinen Rechner. Die webAI Non-Commercial License 1.0 beschränkt die Gewichte und Ableitungen auf nicht kommerzielle Forschung und Lehre; IBMs Apache-2.0-Lizenz für die Basis liegt weiter im Repository. Kein Sicherheitstuning über das von Granite hinaus.
- Kosten im großen Maßstab
- Kostenlos auf eigener Hardware; die Q4_K_M-Datei ist 2,09 GiB groß, F16 6,82 GiB. webAI schätzt in seinen Servertests etwa 792 Ausgabe-Tokens pro Antwort. Für kommerzielle Nutzung gibt es keinen veröffentlichten Preis.
- Grenzen
- Nur mit 8.192 Tokens Kontext validiert; nur Englisch; nicht mit Code oder Tool-Nutzung getestet; prozedurales Schließen erreicht 0,12; kein allgemeiner Assistent.
Was gut ist
- Mit 3,66B Parametern gleichauf mit Qwen3-8B im Logik-Composite von webAI
- Das Q4_K_M-GGUF ist 2,09 GiB groß und läuft auf CPU oder einer 4-GB-GPU
- Zugewinn bei formaler Logik ohne Verlust im allgemeinen Benchmark-Schnitt
- Ausführliche Model Card mit Fehlerquoten und Testbedingungen
Was nicht
- Nicht kommerzielle Lizenz; keine kommerziellen Bedingungen veröffentlicht
- Weitschweifig: 24,2% der Logikantworten stoßen an die Längengrenze
- Bei allgemeinen Benchmarks hinter Qwen3-8B und VibeThinker-3B
- Alle Benchmarks vom Hersteller; quantisierte Versionen ungetestet
Am besten für
Forschende und Studierende, die ein lokales Modell für Folgerungsprüfungen, Übersetzung in Prädikatenlogik und Lean-Kritik suchen und keine kommerziellen Rechte brauchen.
Alternativen zu TwIL-LM3-Pro
TwIL-LM3-Pro: häufige Fragen
- Lohnt sich TwIL-LM3-Pro?
- Ein kleines Modell, das eine Art von Logik gut genug beherrscht, um mit doppelt so großen Modellen mitzuhalten, unter einer Lizenz, die es im Labor hält. Wir bewerten es mit 3.5 von 5.
- Was kostet TwIL-LM3-Pro?
- Gewichte kostenlos für nicht kommerzielle Forschung und Lehre unter der webAI Non-Commercial License 1.0. Keine gehostete API, kein veröffentlichter Preis für eine kommerzielle Lizenz.
- Welche Nachteile hat TwIL-LM3-Pro?
- Nicht kommerzielle Lizenz; keine kommerziellen Bedingungen veröffentlicht; Weitschweifig: 24,2% der Logikantworten stoßen an die Längengrenze; Bei allgemeinen Benchmarks hinter Qwen3-8B und VibeThinker-3B; Alle Benchmarks vom Hersteller; quantisierte Versionen ungetestet.
- Für wen eignet sich TwIL-LM3-Pro?
- Forschende und Studierende, die ein lokales Modell für Folgerungsprüfungen, Übersetzung in Prädikatenlogik und Lean-Kritik suchen und keine kommerziellen Rechte brauchen.
- Was kostet TwIL-LM3-Pro für ein Team oder im Produktivbetrieb?
- Kostenlos auf eigener Hardware; die Q4_K_M-Datei ist 2,09 GiB groß, F16 6,82 GiB. webAI schätzt in seinen Servertests etwa 792 Ausgabe-Tokens pro Antwort. Für kommerzielle Nutzung gibt es keinen veröffentlichten Preis.
- Ist TwIL-LM3-Pro sicher für Firmendaten?
- Läuft lokal, nichts verlässt also deinen Rechner. Die webAI Non-Commercial License 1.0 beschränkt die Gewichte und Ableitungen auf nicht kommerzielle Forschung und Lehre; IBMs Apache-2.0-Lizenz für die Basis liegt weiter im Repository. Kein Sicherheitstuning über das von Granite hinaus.
- Was sind die besten Alternativen zu TwIL-LM3-Pro?
- Die nächsten Alternativen, die wir getestet haben, sind VibeThinker-3B, Granite 4.2 und Qwen3.8-27B.
Antworten geprüft am 11. Nov. 2026.