O que é TwIL-LM3-Pro?
TwIL-LM3-Pro é um modelo de 3,66 bilhões de parâmetros da webAI, a empresa de Austin que vende IA no dispositivo, anunciado em 30 de setembro de 2026. É o Granite 4.2 3B da IBM passado por ajuste fino LoRA com dados sintéticos de lógica formal, destilação multicaminho, fusão de checkpoints e uma etapa de aprendizado por reforço GRPO ponderada por entropia. Ele lê e escreve texto em inglês e raciocina dentro de um bloco think antes de responder.
Foi feito para lógica formal: decidir se uma conclusão decorre das premissas, induzir regras a partir de exemplos, traduzir enunciados para lógica de primeira ordem ou análises semânticas e criticar enunciados em Lean. Os pesos estão no Hugging Face em BF16 e em GGUF de 1,98 GiB (Q4_0) a 6,82 GiB (F16), sob a webAI Non-Commercial License 1.0, que só permite pesquisa e educação.
Quanto custa TwIL-LM3-Pro?
| Plano | Preço | O que inclui |
|---|---|---|
| Weights | Free | Apenas pesquisa e educação não comerciais |
| Commercial use | Not published | Não permitido pela licença publicada |
Pesos gratuitos para pesquisa e educação não comerciais sob a webAI Non-Commercial License 1.0. Não há API hospedada nem preço publicado de licença comercial.
TwIL-LM3-Pro vale a pena?
TwIL-LM3-Pro é uma ferramenta estreita e, dentro do seu nicho, os números que a webAI publica são bons. No composto de lógica formal da própria webAI ele marca 0,5539, contra 0,4313 da base Granite, e fica mais ou menos empatado com o Qwen3-8B, que marca 0,5336, uma diferença que a própria ficha do modelo considera dentro do ruído. Ele supera o VibeThinker-3B (0,4118) e o Qwen3.5-4B (0,4466) no mesmo composto, e sua média de lógica em seis tarefas, 0,5389, passa por pouco os 0,5192 do gpt-oss-120b, embora o modelo maior ainda vença em indução de regras, implicação lógica e formalização em Lean. Todos os números são da webAI, medidos pela webAI.
O ganho não custou raciocínio geral, mas também não trouxe muito. Nos dez benchmarks gerais reservados da webAI, a média é 0,7901 contra 0,7942 da base, atrás do Qwen3-8B (0,8493) e do VibeThinker-3B (0,8097). Ele marca 95,4% no subconjunto de lógica do BIG-Bench Hard.
As falhas são específicas. As respostas nas tarefas de lógica têm em média 1.902 tokens e 24,2% batem no limite de tamanho, a tradução para lógica de primeira ordem por correspondência exata marca 0,01, e todas as notas foram tiradas com decodificação greedy nos pesos BF16 numa janela de 8.192 tokens, enquanto a configuração distribuída usa amostragem por padrão e os arquivos GGUF não foram testados. O contexto de 131.072 tokens é herdado do Granite, não validado.
A licença decide a maioria dos casos. A webAI Non-Commercial License limita os pesos e qualquer derivado a pesquisa e educação não comerciais, então uma empresa que queira um verificador lógico local num produto precisa de um acordo à parte, e não há preço publicado. Para um pesquisador que quer um modelo do tamanho de um notebook para traduzir e checar argumentos, com um solucionador verificando a saída como a webAI recomenda, é um download sensato.
Onde ele se destaca
Um professor de filosofia ou de ciência da computação
Verificar se as conclusões dos argumentos dos alunos decorrem das premissas
Rode o GGUF Q4_K_M no llama.cpp num notebook de aula; a precisão em implicação lógica subiu para 67% nos testes da webAI. O uso educacional está dentro da licença.
Um grupo de pesquisa em métodos formais
Criticar enunciados candidatos em Lean antes de mandá-los a um provador
A webAI relata 79,5% em crítica de provas Lean, contra 66% do TwIL-LM3 original. Use decodificação greedy para reproduzir as notas e confira a saída com o provador.
Um laboratório de pesquisa focado em privacidade
Transformar regras em linguagem natural em lógica estruturada sem mandar texto a uma API na nuvem
O modelo inteiro cabe em 2 a 7 GiB, conforme a quantiza ção, e roda offline. A tradução exata para lógica de primeira ordem marca só 0,01, então trate a saída como rascunho para um solucionador simbólico.
Antes de decidir
- Configuração
- Baixe do Hugging Face; GGUF Q4_K_M no llama.cpp para CPU ou GPU de 4 GB, BF16 no Transformers, Q4_0 para o GenieX em NPUs Snapdragon, aumentando o contexto além do padrão de 4.096 tokens.
- Integrações
- Transformers (GraniteForCausalLM), versões GGUF para llama.cpp, uma versão LiteRT-LM para ambientes no dispositivo, GenieX.
- Dados e privacidade
- Roda localmente, então nada sai da sua máquina. A webAI Non-Commercial License 1.0 limita os pesos e derivados a pesquisa e educação não comerciais; a licença Apache 2.0 da IBM para a base continua no repositório. Sem ajuste de segurança além do que o Granite já tinha.
- Custo em escala
- Gratuito no seu próprio hardware; o arquivo Q4_K_M tem 2,09 GiB e o F16, 6,82 GiB. A webAI estima cerca de 792 tokens de saída por resposta nos seus testes em servidor. O uso comercial não tem preço publicado.
- Limites
- Validado só com 8.192 tokens de contexto; só inglês; não testado com código nem uso de ferramentas; o raciocínio procedimental marca 0,12; não é um assistente geral.
O que é bom
- Empata com o Qwen3-8B no composto de lógica formal da webAI com 3,66B de parâmetros
- O GGUF Q4_K_M tem 2,09 GiB e roda em CPU ou numa GPU de 4 GB
- Ganho em lógica formal sem perder média nos benchmarks gerais
- Ficha do modelo detalhada, com taxas de falha e condições de avaliação
O que não é
- Licença não comercial; sem termos comerciais publicados
- Prolixo: 24,2% das respostas de lógica batem no limite de tamanho
- Atrás do Qwen3-8B e do VibeThinker-3B nos benchmarks gerais
- Todos os benchmarks são do fabricante; versões quantizadas sem teste
Ideal para
Pesquisadores e estudantes que querem um modelo local para checar implicações, traduzir para lógica de primeira ordem e criticar Lean, sem precisar de direitos comerciais.
Alternativas ao TwIL-LM3-Pro
TwIL-LM3-Pro: perguntas frequentes
- TwIL-LM3-Pro vale a pena?
- Um modelo pequeno que faz um tipo de lógica bem o bastante para empatar com modelos do dobro do tamanho, sob uma licença que o deixa no laboratório. Damos nota 3.5 de 5.
- Quanto custa TwIL-LM3-Pro?
- Pesos gratuitos para pesquisa e educação não comerciais sob a webAI Non-Commercial License 1.0. Não há API hospedada nem preço publicado de licença comercial.
- Quais são as desvantagens de TwIL-LM3-Pro?
- Licença não comercial; sem termos comerciais publicados; prolixo: 24,2% das respostas de lógica batem no limite de tamanho; atrás do Qwen3-8B e do VibeThinker-3B nos benchmarks gerais; todos os benchmarks são do fabricante; versões quantizadas sem teste.
- Para quem TwIL-LM3-Pro é indicado?
- Pesquisadores e estudantes que querem um modelo local para checar implicações, traduzir para lógica de primeira ordem e criticar Lean, sem precisar de direitos comerciais.
- Quanto custa TwIL-LM3-Pro para uma equipe ou em produção?
- Gratuito no seu próprio hardware; o arquivo Q4_K_M tem 2,09 GiB e o F16, 6,82 GiB. A webAI estima cerca de 792 tokens de saída por resposta nos seus testes em servidor. O uso comercial não tem preço publicado.
- TwIL-LM3-Pro é seguro para dados da empresa?
- Roda localmente, então nada sai da sua máquina. A webAI Non-Commercial License 1.0 limita os pesos e derivados a pesquisa e educação não comerciais; a licença Apache 2.0 da IBM para a base continua no repositório. Sem ajuste de segurança além do que o Granite já tinha.
- Quais são as melhores alternativas ao TwIL-LM3-Pro?
- As alternativas mais próximas que analisamos são VibeThinker-3B, Granite 4.2 e Qwen3.8-27B.
Respostas verificadas em 11 de nov. de 2026.