Hugging Face nhận thấy mô hình TwIL-8B của webAI vượt qua LFM3-1.7B trong các bài kiểm tra AI agent

Đội ngũ nghiên cứu tại Hugging Face đã chứng minh rằng các reasoning model có thể được chuyển đổi thành các agent tự hành bằng cách sử dụng reinforcement learning chuyên dụng và các LoRA adapter nhẹ. Trong một nghiên cứu mới công bố, nhóm nghiên cứu đã dùng mô hình TwIL-8B của webAI và nhận thấy nó vượt qua LFM3-1.7B của Liquid AI trên ba harness agent khác nhau trong các đánh giá baseline sơ bộ, mặc dù TwIL-8B không được huấn luyện chuyên biệt cho việc sử dụng công cụ agentic.

Các phát hiện này dựa trên bản phát hành ngày 4/11 của TwIL-8B, một mô hình open-weight với 8,8 tỷ tham số được xây dựng trên Granite 4.2 8B của IBM. Được thiết kế để chạy trên các CPUs và card đồ họa tiêu dùng thông qua một tệp quantized 4,98 GiB, mô hình này nhằm mục đích giảm sự phụ thuộc vào các APIs độc quyền đắt đỏ bằng cách đạt 93% hiệu suất frontier về lập trình và 90% về toán học thi đấu. Stout từ webAI cho biết sự hợp tác ngay lập tức với Hugging Face minh chứng cho tiềm năng của nghiên cứu mở trong việc tạo ra AI hiệu quả và có khả năng thích ứng mà không cần các mô hình ngày càng lớn hơn.