# TwIL-8B di webAI ottiene 98,2 in MATH-500

> Il modello di webAI da 8,8 miliardi di parametri è stato addestrato ulteriormente a partire da IBM Granite 4.2 8B. Secondo MarkTechPost, ottiene risultati elevati in matematica e programmazione, ma più deboli nei test di conoscenza.

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

webAI ha presentato TwIL-8B, un modello di ragionamento da 8,8 miliardi di parametri, addestrato ulteriormente a partire da IBM Granite 4.2 8B. MarkTechPost riporta punteggi di 98,2 in MATH-500 e 81,6 in LiveCodeBench. Aggiunge che TwIL-8B è indietro rispetto a modelli di dimensioni simili nei benchmark di conoscenza.

Questi dati indicano che, stando ai risultati riportati, i punti di forza del modello sono la matematica e la programmazione, non tutte le tipologie di valutazione. Tuttavia, i soli punteggi non mostrano come si comporterebbe TwIL-8B con i problemi specifici di una persona, né consentono di confrontarlo con determinati modelli concorrenti in condizioni di test identiche.

## Cosa mostrano i punteggi

MATH-500 è un benchmark di matematica, mentre LiveCodeBench valuta le capacità di programmazione. Il rapporto riporta i punteggi di TwIL-8B in entrambi, ma non specifica le condizioni dei test, le versioni dei modelli usate per il confronto o dettagli come l’eventuale uso di strumenti. Non spiega neanche la scala di valutazione: 98,2 e 81,6 vanno quindi intesi come punteggi riportati nei benchmark, non come percentuali o garanzie di accuratezza.

Il confronto sulle conoscenze è meno dettagliato: non vengono indicati i nomi dei benchmark né i punteggi, e i modelli di dimensioni simili non sono identificati. È quindi difficile capire quanto sia ampio il divario o quali tipi di domande siano stati usati per valutare le conoscenze. Le informazioni disponibili non chiariscono neppure dove si possa accedere a TwIL-8B, se i suoi pesi siano aperti o quanto costi.

## Come si colloca

TwIL-8B parte da IBM Granite 4.2 8B e viene poi sottoposto a un ulteriore addestramento, cioè riceve altra formazione dopo la creazione del modello di base. Con il lancio, webAI presenta un modello che ottiene risultati elevati, secondo quanto riportato, in due benchmark dedicati a compiti specifici, riconoscendo al tempo stesso risultati più deboli nei test di conoscenza. Questo non dimostra che il modello sia complessivamente migliore di altri sistemi di dimensioni simili: i punteggi di matematica e programmazione non risolvono la distinta questione delle prestazioni nelle conoscenze, e mancano i dettagli del confronto.

## I fatti

- TwIL-8B ha 8,8 miliardi di parametri.
- webAI lo ha addestrato ulteriormente a partire da IBM Granite 4.2 8B.
- MarkTechPost riporta punteggi di 98,2 in MATH-500 e 81,6 in LiveCodeBench.
- Secondo MarkTechPost, TwIL-8B è indietro rispetto a modelli di dimensioni simili nei benchmark di conoscenza, che però non vengono identificati.

## Perché conta

Per chi cerca un modello da usare in matematica o programmazione, i punteggi riportati rendono TwIL-8B interessante da seguire, ma non indicano come se la caverebbe con i compiti specifici di quella persona. Non sono precisati accesso, prezzo e condizioni dei test: per ora, quindi, non è possibile capire se sia utilizzabile o confrontarlo equamente con le alternative.

## Fonti e riferimenti

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

Ultimo aggiornamento: 2026-11-04