TwIL-LM3-Pro의 개요
TwIL-LM3-Pro는 기기 내 AI를 판매하는 오스틴 기업 webAI가 2026년 9월 30일 발표한 36억 6천만 파라미터 모델입니다. IBM의 Granite 4.2 3B에 형식 논리 합성 데이터를 이용한 LoRA 파인튜닝, 다중 경로 증류, 체크포인트 병합, 엔트로피 가중 GRPO 강화학습 단계를 거쳤습니다. 영어 텍스트를 읽고 쓰며, 답하기 전에 think 블록에서 추론합니다.
형식 논리를 위해 만들어졌습니다. 전제에서 결론이 도출되는지 판단하고, 예시에서 규칙을 귀납하고, 문장을 1차 논리나 의미 구문 분석으로 변환하고, Lean 명제를 비평합니다. 가중치는 Hugging Face에 BF16과 1.98 GiB(Q4_0)부터 6.82 GiB(F16)까지의 GGUF로 올라와 있으며, 연구와 교육만 허용하는 webAI Non-Commercial License 1.0이 적용됩니다.
TwIL-LM3-Pro의 가격은 얼마입니까?
| 플랜 | 가격 | 포함 내용 |
|---|---|---|
| Weights | Free | 비상업적 연구와 교육 전용 |
| Commercial use | Not published | 공개된 라이선스로는 허용되지 않음 |
webAI Non-Commercial License 1.0에 따라 비상업적 연구와 교육용 가중치는 무료입니다. 호스팅 API는 없고 상업용 라이선스 가격도 공개되지 않았습니다.
TwIL-LM3-Pro, 쓸 만한 가치가 있습니까?
TwIL-LM3-Pro는 쓰임새가 좁은 도구이며, 그 범위 안에서는 webAI가 공개한 수치가 좋습니다. webAI 자체 형식 논리 종합 점수에서 0.5539를 기록해 Granite 기반 모델의 0.4313보다 올랐고, Qwen3-8B의 0.5336과 거의 같습니다. 이 차이는 모델 카드 스스로 오차 범위라고 봅니다. 같은 종합 점수에서 VibeThinker-3B(0.4118)와 Qwen3.5-4B(0.4466)를 앞서며, 여섯 과제 논리 평균 0.5389는 gpt-oss-120b의 0.5192를 근소하게 넘지만, 규칙 귀납, 함의 판단, Lean 형식화에서는 더 큰 모델이 여전히 앞섭니다. 모든 수치는 webAI가 직접 측정한 것입니다.
일반 추론 능력을 희생하지는 않았지만 크게 늘지도 않았습니다. webAI의 10개 일반 홀드아웃 벤치마크 평균은 0.7901로 기반 모델의 0.7942와 비슷하며, Qwen3-8B(0.8493)와 VibeThinker-3B(0.8097)에 뒤집니다. BIG-Bench Hard 논리 부분집합에서는 95.4%입니다.
약점은 구체적입니다. 논리 과제 답변은 평균 1,902토큰이고 24.2%가 길이 상한에 걸립니다. 1차 논리 변환의 정확 일치 점수는 0.01입니다. 또 모든 점수는 BF16 가중치에서 greedy 디코딩으로 8,192토큰 창에서 측정했지만, 배포된 설정은 기본으로 샘플링을 하고 GGUF 파일은 평가되지 않았습니다. 131,072토큰 컨텍스트는 Granite에서 물려받은 것으로 검증되지 않았습니다.
대부분의 경우 라이선스가 결정합니다. webAI Non-Commercial License는 가중치와 모든 파생물을 비상업적 연구와 교육으로 제한합니다. 제품에 로컬 논리 검사기를 넣으려는 기업은 별도 계약이 필요하며 가격은 공개되어 있지 않습니다. 노트북 크기의 모델로 논증을 변환하고 점검하려는 연구자가 webAI의 조언대로 솔버로 출력을 검증한다면 내려받을 만합니다.
제 역할을 하는 곳
철학 또는 컴퓨터과학 강사
학생 논증의 결론이 전제에서 도출되는지 확인
수업용 노트북에서 llama.cpp로 Q4_K_M GGUF를 실행합니다. webAI 테스트에서 함의 판단 정확도는 67%로 올랐습니다. 교육 목적 사용은 라이선스 범위 안입니다.
형식 기법 연구 그룹
증명기에 보내기 전에 후보 Lean 명제를 비평
webAI는 Lean 증명 비평에서 79.5%를 보고했으며 원래 TwIL-LM3의 66%보다 높습니다. 보고된 점수를 재현하려면 greedy 디코딩을 쓰고, 출력은 증명기로 검증합니다.
개인정보 보호를 중시하는 연구실
클라우드 API로 텍스트를 보내지 않고 자연어 규칙을 구조화된 논리로 변환
전체 모델은 양자화에 따라 2~7 GiB 에 들어가며 오프라인으로 실행됩니다. 1차 논리 정확 일치 변환은 0.01에 그치므로 출력은 기호 솔버용 초안으로 다룹니다.
도입 전 확인할 점
- 설정
- Hugging Face에서 내려받습니다. CPU나 4 GB GPU라면 llama.cpp에서 Q4_K_M GGUF, Transformers라면 BF16, Snapdragon NPU의 GenieX라면 Q4_0을 쓰고 기본값 4,096토큰보다 컨텍스트를 늘립니다.
- 연동
- Transformers(GraniteForCausalLM), llama.cpp용 GGUF, 기기 내 런타임용 LiteRT-LM 버전, GenieX.
- 데이터와 개인정보
- 로컬에서 실행되므로 데이터가 기기 밖으로 나가지 않습니다. webAI Non-Commercial License 1.0은 가중치와 파생물을 비상업적 연구와 교육으로 제한하며, 기반 모델에 대한 IBM의 Apache 2.0 라이선스도 저장소에 남아 있습니다. Granite 이상의 안전성 튜닝은 없습니다.
- 대규모 사용 시 비용
- 보유한 하드웨어에서 무료로 실행됩니다. Q4_K_M 파일은 2.09 GiB, F16은 6.82 GiB입니다. webAI는 서버 테스트에서 답변당 약 792 출력 토큰으로 추정합니다. 상업용 가격은 공개되지 않았습니다.
- 제한
- 검증 된 컨텍스트는 8,192토큰뿐, 영어 전용, 코드와 도구 사용은 미평가, 절차적 추론 점수 0.12, 범용 어시스턴트가 아닙니다.
좋은 점
- 3.66B 파라미터로 webAI 형식 논리 종합 점수에서 Qwen3-8B와 동급
- Q4_K_M GGUF는 2.09 GiB이며 CPU나 4 GB GPU에서 실행
- 일반 벤치마크 평균을 잃지 않고 형식 논리 향상
- 실패율과 평가 조건까지 담은 상세한 모델 카드
아쉬운 점
- 비상업 라이선스, 상업용 조건 미공개
- 장황함: 논리 답변의 24.2%가 길이 상한에 도달
- 일반 벤치마크에서 Qwen3-8B와 VibeThinker-3B에 뒤짐
- 모든 벤치마크가 제조사 자체 수치, 양자화 버전은 미평가
추천 대상
함의 판단, 1차 논리 변환, Lean 비평을 로컬에서 하고 싶고 상업적 권리는 필요 없는 연구자와 학생.
TwIL-LM3-Pro 대안
TwIL-LM3-Pro: 자주 묻는 질문
- TwIL-LM3-Pro, 쓸 만한 가치가 있습니까?
- 한 종류의 논리를 두 배 크기 모델과 맞먹을 만큼 잘하는 작은 모델이지만, 라이선스가 연구실 밖으로 나가지 못하게 합니다. 평점은 5점 만점에 3.5점입니다.
- TwIL-LM3-Pro의 가격은 얼마입니까?
- webAI Non-Commercial License 1.0에 따라 비상업적 연구와 교육용 가중치는 무료입니다. 호스팅 API는 없고 상업용 라이선스 가격도 공개되지 않았습니다.
- TwIL-LM3-Pro의 단점은 무엇입니까?
- 비상업 라이선스, 상업용 조건 미공개; 장황함: 논리 답변의 24.2%가 길이 상한에 도달; 일반 벤치마크에서 Qwen3-8B와 VibeThinker-3B에 뒤짐; 모든 벤치마크가 제조사 자체 수치, 양자화 버전은 미평가.
- TwIL-LM3-Pro에 적합한 사람은 누구입니까?
- 함의 판단, 1차 논리 변환, Lean 비평을 로컬에서 하고 싶고 상업적 권리는 필요 없는 연구자와 학생.
- 팀이나 프로덕션 환경에서 TwIL-LM3-Pro의 비용은 얼마입니까?
- 보유한 하드웨어에서 무료로 실행됩니다. Q4_K_M 파일은 2.09 GiB, F16은 6.82 GiB입니다. webAI는 서버 테스트에서 답변당 약 792 출력 토큰으로 추정합니다. 상업용 가격은 공개되지 않았습니다.
- TwIL-LM3-Pro에 회사 데이터를 맡겨도 안전합니까?
- 로컬에서 실행되므로 데이터가 기기 밖으로 나가지 않습니다. webAI Non-Commercial License 1.0은 가중치와 파생물을 비상업적 연구와 교육으로 제한하며, 기반 모델에 대한 IBM의 Apache 2.0 라이선스도 저장소에 남아 있습니다. Granite 이상의 안전성 튜닝은 없습니다.
- TwIL-LM3-Pro의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 VibeThinker-3B, Granite 4.2 및 Qwen3.8-27B입니다.
답변 확인일: 2026년 11월 11일.