TwIL-LM3-Proとは？
TwIL-LM3-Proは、端末上で動くAIを販売するオースティンの企業webAIによる36.6億パラメーターのモデルで、2026年9月30日に発表されました。IBMのGranite 4.2 3Bに、形式論理の合成データによるLoRAファインチューニング、マルチパス蒸留、チェックポイントのマージ、エントロピーで重み付けしたGRPO強化学習を施したものです。英語のテキストを読み書きし、回答の前にthinkブロックで推論します。
用途は形式論理です。前提から結論が導けるかの判定、例からの規則の帰納、文の一階述語論理や意味解析への変換、Leanの命題の批評を行います。重みはHugging FaceでBF16と、1.98 GiB（Q4_0）から6.82 GiB（F16）までのGGUFで公開されており、研究と教育のみを認めるwebAI Non-Commercial License 1.0が適用されます。
TwIL-LM3-Proの料金は？
| プラン | 価格 | 内容 |
|---|---|---|
| Weights | Free | 非商用の研究と教育のみ |
| Commercial use | Not published | 公開ライセンスでは認められていません |
webAI Non-Commercial License 1.0のもと、非商用の研究と教育向けに重みは無料。ホスト型APIはなく、商用ライセンスの価格も公開されていません。
TwIL-LM3-Proは使う価値があるか？
TwIL-LM3-Proは用途の狭い道具ですが、その範囲内ではwebAIが公表する数字は良好です。webAI自身の形式論理の総合スコアで0.5539を記録し、ベースのGraniteの0.4313から伸び、Qwen3-8Bの0.5336とほぼ並びます。この差はモデルカード自身が誤差の範囲としています。同じ総合スコアでVibeThinker-3B（0.4118）とQwen3.5-4B（0.4466）を上回り、6タスクの論理平均0.5389はgpt-oss-120bの0.5192をわずかに超えますが、規則の帰納、含意判定、Leanでの形式化では大きいモデルがなお勝っています。数字はすべてwebAIが自ら測ったものです。
一般的な推論力を犠牲にしてはいませんが、大きく伸びたわけでもありません。webAIの10種類の汎用ホールドアウト・ベンチマークでは平均0.7901で、ベースの0.7942とほぼ同じであり、Qwen3-8B（0.8493）やVibeThinker-3B（0.8097）には及びません。BIG-Bench Hardの論理サブセットでは95.4%です。
弱点ははっきりしています。論理タスクの回答は平均1,902トークンで、24.2%が長さの上限に達します。一階述語論理への変換は完全一致で0.01です。また、スコアはすべてBF16の重みでgreedyデコーディングを使い、8,192トークンのウィンドウで測定されたものですが、配布される設定は既定でサンプリングを行い、GGUFファイルは評価されていません。131,072トークンのコンテキストはGraniteから引き継いだもので、検証されていません。
ほとんどの場合、決め手はライセンスです。webAI Non-Commercial Licenseは、重みとすべての派生物を非商用の研究と教育に限っています。製品にローカルの論理チェッカーを組み込みたい企業は別途契約が必要で、その価格は示されていません。ノートPCに収まるモデルで論証を変換・検証したい研究者が、webAIの助言どおりソルバーで出力を確かめるなら、ダウンロードする価値はあります。
真価を発揮する場面
哲学または情報科学の講師
学生の論証の結論が前提から導けるかを確認する
授業用のノートPCでllama.cppを使いQ4_K_MのGGUFを動かします。webAIのテストでは含意判定の正答率が67%に上がりました。教育目的の利用はライセンスの範囲内です。
形式手法の研究グループ
証明器に渡す前に、候補となるLeanの命題を批評する
webAIはLean証明の批評 で79.5%と報告しており、元のTwIL-LM3の66%から向上しています。報告どおりのスコアを得るにはgreedyデコーディングを使い、出力は証明器で確認します。
プライバシーを重視する研究室
自然言語の規則を、クラウドAPIにテキストを送らずに構造化された論理へ変換する
モデル全体は量子化によって2〜7 GiBに収まり、オフラインで動きます。一階述語論理への完全一致での変換は0.01にとどまるため、出力は記号ソルバー向けの下書きとして扱います。
導入前に確認すること
- 導入
- Hugging Faceからダウンロードします。CPUや4 GBのGPUならllama.cppでQ4_K_MのGGUF、TransformersならBF16、Snapdragon NPU上のGenieXならQ4_0を使い、既定の4,096トークンからコンテキストを引き上げます。
- 連携
- Transformers（GraniteForCausalLM）、llama.cpp向けGGUF、端末上のランタイム向けLiteRT-LM版、GenieX。
- データとプライバシー
- ローカルで動くため、データはマシンの外に出ません。webAI Non-Commercial License 1.0は重みと派生物を非商用の研究と教育に限定しており、ベー スに対するIBMのApache 2.0ライセンスもリポジトリに残っています。Granite以上の安全性チューニングはありません。
- 大規模利用時のコスト
- 手持ちのハードウェアで無料で動きます。Q4_K_Mのファイルは2.09 GiB、F16は6.82 GiBです。webAIはサーバーでのテストで回答あたり約792出力トークンと見積もっています。商用利用の価格は公開されていません。
- 制限
- 検証済みのコンテキストは8,192トークンのみ。英語のみ。コードやツール利用は未評価。手続き的推論は0.12。汎用アシスタントではありません。
良い点
- 3.66Bパラメーターで、webAIの形式論理総合スコアでQwen3-8Bと同等
- Q4_K_MのGGUFは2.09 GiBで、CPUや4 GBのGPUで動作
- 汎用ベンチマークの平均を落とさずに形式論理が向上
- 失敗率や評価条件まで載った詳しいモデルカード
気になる点
- 非商用ライセンスで、商用の条件は非公開
- 冗長で、論理タスクの回答の24.2%が長さの上限に到達
- 汎用ベンチマークではQwen3-8BとVibeThinker-3Bに劣ります
- ベンチマークはすべて開発元の自己申告で、量子化版は未評価
おすすめの人
含意の判定、一階述語論理への変換、Leanの批評をローカルで行いたく、商用の権利を必要としない研究者や学生。
TwIL-LM3-Proの代替
TwIL-LM3-Pro：よくある質問
- TwIL-LM3-Proは使う価値があるか？
- ある種の論理を、倍の大きさのモデルに並ぶほどうまくこなす小型モデルですが、ライセンスが研究室の外に出しません。 評価は5点満点中3.5点です。
- TwIL-LM3-Proの料金は？
- webAI Non-Commercial License 1.0のもと、非商用の研究と教育向けに重みは無料。ホスト型APIはなく、商用ライセンスの価格も公開されていません。
- TwIL-LM3-Proの欠点は？
- 非商用ライセンスで、商用の条件は非公開; 冗長で、論理タスクの回答の24.2%が長さの上限に到達; 汎用ベンチマークではQwen3-8BとVibeThinker-3Bに劣ります; ベンチマークはすべて開発元の自己申告で、量子化版は未評価.
- TwIL-LM3-Proは誰に向いているか？
- 含意の判定、一階述語論理への変換、Leanの批評をローカルで行いたく、商用の権利を必要としない研究者や学生。
- チームや本番環境でTwIL-LM3-Proを使うと費用はいくらか？
- 手持ちのハードウェアで無料で動きます。Q4_K_Mのファイルは2.09 GiB、F16は6.82 GiBです。webAIはサーバーでのテストで回答あたり約792出力トークンと見積もっています。商用利用の価格は公開されていません。
- TwIL-LM3-Proは企業データを扱っても安全か？
- ローカルで動くため、データはマシンの外に出ません。webAI Non-Commercial License 1.0は重みと派生物を非商用の研究と教育に限定しており、ベースに対するIBMのApache 2.0ライセンスもリポジトリに残っています。Granite以上の安全性チューニングはありません。
- TwIL-LM3-Proの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はVibeThinker-3B, Granite 4.2 、 Qwen3.8-27Bです。
回答確認日：2026年11月11日