美国 Austin 的 webAI 发布了一款本地模型 TwIL-LM3-Pro，参数量只有 3.66B。它把 IBM Granite 的形式逻辑得分提升了 28%。

更值得注意的是横向对比：在形式逻辑这一项上，它比 VibeThinker-3B 高约 35%，比 Qwen3.5-4B 高 24%，比 Liquid AI 的 LFM2.5-8B-A1B 高 47%。

打开网易新闻 查看精彩图片

小参数，高得分

3.66B 属于本地部署的轻量区间。对手里既有 3B 级，也有 4B 级，还有 8B 级的 LFM2.5-8B-A1B。TwIL-LM3-Pro 在形式逻辑上的得分高于这些型号。

形式逻辑是推理类任务里对结构要求较高的一类。webAI 选择在这个方向上做优化，并把结果落在本地模型上。

本地模型的竞争点

本地模型受限于算力和内存，参数量通常压得较低。TwIL-LM3-Pro 的路径是：不靠堆参数，而是在形式逻辑这一细分能力上拉开差距。

它对比的基线包括 IBM Granite，以及 VibeThinker-3B、Qwen3.5-4B、LFM2.5-8B-A1B。提升幅度从 24% 到 47% 不等。