# TwIL-8B, da webAI, marca 98,2 no MATH-500

> O modelo da webAI, com 8,8 bilhões de parâmetros, foi pós-treinado a partir do IBM Granite 4.2 8B. Segundo o MarkTechPost, teve bons resultados em matemática e programação, mas desempenho inferior em testes de conhecimento.

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

A webAI lançou o TwIL-8B, um modelo de raciocínio com 8,8 bilhões de parâmetros, pós-treinado a partir do IBM Granite 4.2 8B. O MarkTechPost informa que o modelo obteve 98,2 no MATH-500 e 81,6 no LiveCodeBench. Também afirma que o TwIL-8B fica atrás de modelos de tamanho semelhante em benchmarks de conhecimento.

Esses números apontam para um modelo cujos pontos fortes declarados estão em tarefas de matemática e programação, e não em todos os tipos de avaliação. Mas, por si só, os resultados não mostram como o TwIL-8B se sairia nos problemas de cada pessoa nem como se compara a modelos concorrentes específicos em condições de teste idênticas.

## O que os resultados mostram

O MATH-500 é um benchmark de matemática, enquanto o LiveCodeBench avalia programação. A reportagem apresenta as pontuações do TwIL-8B nos dois, mas não informa as condições dos testes, quais versões dos modelos foram usadas na comparação nem detalhes como a ativação de ferramentas. Também não explica a escala de pontuação; portanto, 98,2 e 81,6 devem ser entendidos como resultados informados nos benchmarks, não como porcentagens ou garantias de precisão.

A comparação em conhecimento é menos específica: não são informados os nomes dos benchmarks nem as pontuações, e os modelos de tamanho semelhante não são identificados. Assim, é difícil saber qual é a dimensão da diferença ou que tipos de perguntas sobre conhecimento foram testados. Os detalhes disponíveis também não dizem onde o público pode acessar o TwIL-8B, se seus pesos são abertos ou quanto custa.

## Como se posiciona

O TwIL-8B parte do IBM Granite 4.2 8B e depois passa por pós-treinamento, ou seja, recebe treinamento adicional após a criação do modelo-base. O lançamento apresenta um modelo da webAI com bons resultados declarados em dois benchmarks específicos, mas também reconhece um desempenho inferior em testes de conhecimento. Isso não demonstra que o modelo seja melhor, no geral, do que sistemas de tamanho semelhante: as pontuações em matemática e programação não respondem à questão distinta do desempenho em conhecimento, e os detalhes da comparação não foram informados.

## Os fatos

- O TwIL-8B tem 8,8 bilhões de parâmetros.
- A webAI fez o pós-treinamento do modelo a partir do IBM Granite 4.2 8B.
- O MarkTechPost informa pontuações de 98,2 no MATH-500 e 81,6 no LiveCodeBench.
- Segundo o MarkTechPost, o TwIL-8B fica atrás de modelos de tamanho semelhante em benchmarks de conhecimento, mas eles não são identificados.

## Por que importa

Para quem escolhe um modelo para tarefas de matemática ou programação, os resultados informados fazem do TwIL-8B uma opção a acompanhar, mas não mostram como ele lidaria com as tarefas dessa pessoa. Como não há informações sobre acesso, preço nem condições de teste, ainda não é possível avaliar se o modelo está disponível para uso ou compará-lo de forma justa com alternativas.

## Fontes e referências

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 atualização: 2026-11-04