WebAI wydała TwIL-8B, model o rozmiarze 8.79 miliarda parametrów, który osiąga najlepsze wyniki w swoim segmencie na benchmarkach matematycznych i programistycznych. Model post-trainowany z bazy IBM Granite 4.2 8B wyróżnia się przede wszystkim wynikiem 98.2 punktu na MATH-500 - najwyższym w porównaniu dokonanych przez webAI. Wariant skompresowany do formatu Q4_K_M GGUF zajmuje jedynie 4.98 GiB, co pozwala na uruchamianie na CPU lub GPU z ograniczoną pamięcią VRAM.
Architektura TwIL-8B obejmuje 40 warstw, hidden size 4096 i 32 attention heads z 8 KV heads, a model obsługuje kontekst do 131 072 tokenów. Dostępne są dwie odmiany - Balanced generująca krótsze ścieżki rozumowania i Verbose skupiająca się na trudniejszych problemach konkursowych. Przed każdą odpowiedzią model generuje blok <think>, gdzie pokazuje swoje rozumowanie. WebAI dystrybuuje wagi na Hugging Face pod licencją non-commercial, a pełne wagi w formacie bf16 zajmują 16.38 GiB.
Model wykazuje silne strony na benchmarkach MATH-500 i zadaniach programistycznych, ale wypada słabiej na testach wiedzy ogólnej - uzyskał 70.2 punktu na GPQA Diamond, czyli 11.5 punktu mniej niż Qwen3.5-9B. WebAI skupiła się w TwIL-8B na efektywności kosztowej poszczególnych zadań, a nie na wielkości modelu, co czyni go atrakcyjnym dla aplikacji wymagających zdolności reasoning na sprzęcie o ograniczonych zasobach.