# TwIL-8B de webAI obtiene 98,2 en MATH-500

> El modelo de 8.800 millones de parámetros de webAI se entrenó posteriormente a partir de IBM Granite 4.2 8B. MarkTechPost destaca sus resultados en matemáticas y programación, pero señala que rinde peor en pruebas de conocimientos.

Oossa · 2026-11-04 · https://oossa.com/es/webai-s-twil-8b-scores-98-2-on-math-500

webAI ha lanzado TwIL-8B, un modelo de razonamiento de 8.800 millones de parámetros entrenado posteriormente a partir de IBM Granite 4.2 8B. Según MarkTechPost, obtuvo 98,2 en MATH-500 y 81,6 en LiveCodeBench. El medio también señala que TwIL-8B queda por detrás de modelos de tamaño similar en pruebas de conocimientos.

Estas cifras apuntan a que las fortalezas comunicadas del modelo están en tareas de matemáticas y programación, y no en todos los tipos de evaluación. Sin embargo, por sí solas no permiten saber cómo respondería TwIL-8B a los problemas de una persona ni cómo se comparan sus resultados, en condiciones de prueba idénticas, con los de modelos competidores concretos.

## Qué muestran los resultados

MATH-500 es una prueba de matemáticas y LiveCodeBench evalúa la programación. El informe indica los resultados de TwIL-8B en ambas, pero no detalla las condiciones de las pruebas, las variantes de los modelos usados para comparar ni aspectos como si se habilitaron herramientas. Tampoco explica la escala de puntuación, por lo que 98,2 y 81,6 deben entenderse como resultados comunicados en pruebas de referencia, no como porcentajes ni garantías de precisión.

La comparación en conocimientos es menos concreta: no se indican los nombres ni las puntuaciones de las pruebas, y tampoco se identifican los modelos de tamaño similar. Por eso, es difícil determinar la magnitud de la diferencia o qué tipos de preguntas de conocimientos se evaluaron. La información disponible tampoco aclara dónde se puede acceder a TwIL-8B, si sus pesos son de código abierto ni cuánto cuesta.

## Cómo se posiciona

TwIL-8B parte de IBM Granite 4.2 8B y luego recibe entrenamiento adicional; es decir, se entrena después de crear el modelo base. El lanzamiento muestra que webAI presenta un modelo con resultados destacados, según lo informado, en dos pruebas de referencia específicas, aunque también reconoce que obtuvo resultados inferiores en pruebas de conocimientos. Esto no demuestra que el modelo sea mejor en términos generales que otros sistemas de tamaño similar: sus resultados en matemáticas y programación no resuelven la cuestión aparte de su desempeño en conocimientos, y no se ofrecen detalles de la comparación.

## Los hechos

- TwIL-8B tiene 8.800 millones de parámetros.
- webAI lo entrenó posteriormente a partir de IBM Granite 4.2 8B.
- MarkTechPost informa que obtuvo 98,2 en MATH-500 y 81,6 en LiveCodeBench.
- MarkTechPost afirma que TwIL-8B queda por detrás de modelos de tamaño similar en pruebas de conocimientos, pero no los identifica.

## Por qué importa

Para quien busque un modelo para tareas de matemáticas o programación, los resultados comunicados hacen que valga la pena seguir de cerca a TwIL-8B, pero no muestran cómo se desenvolvería con sus propias tareas. No se especifican el acceso, el precio ni las condiciones de las pruebas, así que todavía no es posible saber si se puede usar ni compararlo de forma justa con otras opciones.

## Fuentes y referencias

1. [webAI Releases TwIL-8B, an 8.8B Reasoning Model Scoring 98.2 on MATH-500](https://www.marktechpost.com/2026/11/04/webai-twil-8b-reasoning-model/) – MarkTechPost, 2026-11-04

Última actualización: 2026-11-04