¿Qué es TwIL-LM3-Pro?
TwIL-LM3-Pro es un modelo de 3.660 millones de parámetros de webAI, la empresa de Austin que vende IA en el dispositivo, anunciado el 30 de septiembre de 2026. Es el Granite 4.2 3B de IBM sometido a ajuste fino LoRA con datos sintéticos de lógica formal, destilación multitrayecto, fusión de checkpoints y una fase de aprendizaje por refuerzo GRPO ponderada por entropía. Lee y escribe texto en inglés y razona dentro de un bloque think antes de responder.
Está hecho para la lógica formal: decidir si una conclusión se sigue de unas premisas, inducir reglas a partir de ejemplos, traducir enunciados a lógica de primer orden o a análisis semánticos, y criticar enunciados de Lean. Los pesos están en Hugging Face en BF16 y en GGUF desde 1,98 GiB (Q4_0) hasta 6,82 GiB (F16), bajo la webAI Non-Commercial License 1.0, que solo permite investigación y educación.
¿Cuánto cuesta TwIL-LM3-Pro?
| Plan | Precio | Qué incluye |
|---|---|---|
| Weights | Free | Solo investigación y educación no comerciales |
| Commercial use | Not published | No permitido por la licencia publicada |
Pesos gratuitos para investigación y educación no comerciales bajo la webAI Non-Commercial License 1.0. No hay API alojada ni precio publicado de licencia comercial.
¿Merece la pena TwIL-LM3-Pro?
TwIL-LM3-Pro es una herramienta estrecha, y dentro de su nicho las cifras que publica webAI son buenas. En el compuesto de lógica formal de la propia webAI obtiene 0,5539, frente a 0,4313 de la base Granite, y queda más o menos a la par de Qwen3-8B, con 0,5336, una diferencia que la propia ficha del modelo considera dentro del ruido. Supera a VibeThinker-3B (0,4118) y a Qwen3.5-4B (0,4466) en el mismo compuesto, y su media lógica de seis tareas, 0,5389, rebasa por poco el 0,5192 de gpt-oss-120b, aunque el modelo grande sigue ganando en inducción de reglas, implicación lógica y formalización en Lean. Todas las cifras son de webAI, medidas por webAI.
No ha pagado esta mejora con razonamiento general, pero tampoco ha ganado mucho. En los diez benchmarks generales reservados de webAI promedia 0,7901 frente a 0,7942 de la base, por detrás de Qwen3-8B (0,8493) y VibeThinker-3B (0,8097). Obtiene un 95,4% en el subconjunto de lógica de BIG-Bench Hard.
Los fallos son concretos. Las respuestas en las tareas de lógica rondan los 1.902 tokens de media y el 24,2% llega al límite de longitud, la traducción a lógica de primer orden por coincidencia exacta saca 0,01, y todas las puntuaciones se tomaron con decodificación greedy sobre pesos BF16 en una ventana de 8.192 tokens, mientras que la configuración distribuida usa muestreo por defecto y los archivos GGUF no se han evaluado. El contexto de 131.072 tokens se hereda de Granite y no está validado.
La licencia decide la mayoría de los casos. La webAI Non-Commercial License limita los pesos y cualquier derivado a la investigación y la educación no comerciales, así que una empresa que quiera un verificador lógico local en un producto necesita un acuerdo aparte, y no hay precio publicado. Para un investigador que quiera un modelo del tamaño de un portátil para traducir y comprobar argumentos, con un solucionador que verifique la salida como aconseja webAI, es una descarga sensata.
Dónde se gana su sitio
Un profesor de filosofía o de informática
Comprobar si las conclusiones de los argumentos de los alumnos se siguen de sus premisas
Ejecuta el GGUF Q4_K_M en llama.cpp en un portátil de clase; la precisión en implicación lógica subió al 67% en las pruebas de webAI. El uso educativo entra en la licencia.
Un grupo de investigación en métodos formales
Criticar enunciados de Lean candidatos antes de enviarlos a un demostrador
webAI informa de un 79,5% en crítica de demostraciones Lean, frente al 66% del TwIL-LM3 original. Usa decodificación greedy para reproducir las puntuaciones y verifica la salida con el demostrador.
Un laboratorio de investigación centrado en la privacidad
Convertir reglas en lenguaje natural en lógica estructurada sin enviar texto a una API en la nube
El modelo entero cabe en entre 2 y 7 GiB según la cuantización y funciona sin conexión. La traducción exacta a lógica de primer orden solo saca 0,01, así que trata la salida como un borrador para un solucionador simbólico.
Antes de decidirte
- Puesta en marcha
- Descarga desde Hugging Face; GGUF Q4_K_M en llama.cpp para CPU o una GPU de 4 GB, BF16 en Transformers, Q4_0 para GenieX en NPU Snapdragon con el contexto subido desde su valor por defecto de 4.096 tokens.
- Integraciones
- Transformers (GraniteForCausalLM), versiones GGUF para llama.cpp, una versión LiteRT-LM para entornos en el dispositivo, GenieX.
- Datos y privacidad
- Funciona en local, así que nada sale de tu máquina. La webAI Non-Commercial License 1.0 limita los pesos y sus derivados a investigación y educación no comerciales; la licencia Apache 2.0 de IBM para la base se conserva en el repositorio. Sin ajuste de seguridad más allá del de Granite.
- Coste a escala
- Gratis en hardware propio; el archivo Q4_K_M ocupa 2,09 GiB y el F16, 6,82 GiB. webAI estima unos 792 tokens de salida por respuesta en sus pruebas en servidor. El uso comercial no tiene precio publicado.
- Límites
- Validado solo con 8.192 tokens de contexto; solo inglés; no probado con código ni uso de herramientas; el razonamiento procedimental saca 0,12; no es un asistente general.
Lo bueno
- Iguala a Qwen3-8B en el compuesto de lógica formal de webAI con 3,66B de parámetros
- El GGUF Q4_K_M ocupa 2,09 GiB y funciona en CPU o en una GPU de 4 GB
- Mejora en lógica formal sin perder media en benchmarks generales
- Ficha del modelo detallada, con tasas de fallo y condiciones de evaluación
Lo malo
- Licencia no comercial; sin condiciones comerciales publicadas
- Prolijo: el 24,2% de las respuestas de lógica llega al límite de longitud
- Por detrás de Qwen3-8B y VibeThinker-3B en benchmarks generales
- Todos los benchmarks los publica el fabricante; versiones cuantizadas sin evaluar
Ideal para
Investigadores y estudiantes que quieren un modelo local para comprobar implicaciones, traducir a lógica de primer orden y criticar Lean, y no necesitan derechos comerciales.
Alternativas a TwIL-LM3-Pro
TwIL-LM3-Pro: preguntas frecuentes
- ¿Merece la pena TwIL-LM3-Pro?
- Un modelo pequeño que hace un tipo de lógica lo bastante bien como para igualar a modelos del doble de tamaño, con una licencia que lo deja en el laboratorio. Le damos un 3.5 sobre 5.
- ¿Cuánto cuesta TwIL-LM3-Pro?
- Pesos gratuitos para investigación y educación no comerciales bajo la webAI Non-Commercial License 1.0. No hay API alojada ni precio publicado de licencia comercial.
- ¿Qué inconvenientes tiene TwIL-LM3-Pro?
- Licencia no comercial; sin condiciones comerciales publicadas; prolijo: el 24,2% de las respuestas de lógica llega al límite de longitud; por detrás de Qwen3-8B y VibeThinker-3B en benchmarks generales; todos los benchmarks los publica el fabricante; versiones cuantizadas sin evaluar.
- ¿Para quién es TwIL-LM3-Pro?
- Investigadores y estudiantes que quieren un modelo local para comprobar implicaciones, traducir a lógica de primer orden y criticar Lean, y no necesitan derechos comerciales.
- ¿Cuánto cuesta TwIL-LM3-Pro para un equipo o en producción?
- Gratis en hardware propio; el archivo Q4_K_M ocupa 2,09 GiB y el F16, 6,82 GiB. webAI estima unos 792 tokens de salida por respuesta en sus pruebas en servidor. El uso comercial no tiene precio publicado.
- ¿Es TwIL-LM3-Pro seguro para los datos de la empresa?
- Funciona en local, así que nada sale de tu máquina. La webAI Non-Commercial License 1.0 limita los pesos y sus derivados a investigación y educación no comerciales; la licencia Apache 2.0 de IBM para la base se conserva en el repositorio. Sin ajuste de seguridad más allá del de Granite.
- ¿Cuáles son las mejores alternativas a TwIL-LM3-Pro?
- Las alternativas más cercanas que hemos analizado son VibeThinker-3B, Granite 4.2 y Qwen3.8-27B.
Respuestas comprobadas el 11 nov 2026.