AlphaProof Code נגד TwIL-LM3-Pro: מסגרת שאי אפשר לקנות לעומת מודל שבקושי אפשר להוריד
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 199 tok/s
- orcaחדשOrca: OrcaC2 1.02026-11-07236 tok/s
- OrcaחדשOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 120 tok/s
- OrcaחדשOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 220 tok/s
- OrcaחדשOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 לכל 1M טוקנים · 39 tok/s
- OrcaחדשOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 123 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 59 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 96 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 40 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 113 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 102 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 41 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 513 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2228אינטליגנציה
הדבר השימושי ביותר לדעת בהשוואה בין AlphaProof Code ל-TwIL-LM3-Pro הוא שאף אחד מהם אינו מוצר. AlphaProof Code הוא מסגרת אימות פורמלי סוכנית של Google DeepMind, שפורסמה ב-10 בנובמבר 2026 עם ארטיפקטי Lean של אימות בן ארבעה שבועות של הבינארי המקומפל libsignal של Signal, ואין מאחוריה שום endpoint. TwIL-LM3-Pro הוא מודל ההסקה בלוגיקה פורמלית בעל 3.66 מיליארד פרמטרים של webAI, שנמצא ב-Hugging Face מאז 3 בספטמבר 2026, ושהמשקלים שלו נמצאים מאחורי טופס בקשת דוא״ל ורישיון שאוסר שימוש מסחרי. האחד שואל "האם אפשר להשיג את זה בכלל"; האחר שואל "האם אפשר להריץ את זה בזול מספיק כדי שזה ישנה משהו". לכל מי שעוסק בשיטות פורמליות, שתי השאלות הן השאלות הבוערות, ואף אחת מהתשובות אינה "כן".
מהו TwIL-LM3-Pro, מבחינה מכנית
Strip the marketing and TwIL-LM3-Pro is a dense Granite decoder: forty layers, hidden size 2,560, forty attention heads against eight key-value heads, derived from IBM's granite-4.2-3b. The real parameter total is 3,659,737,600, and the 131,072-token context is the base model's, carried through unchanged. It emits a <think>…</think> block before answering and was evaluated with greedy decoding at a 2,048-token budget.
מערך האימון מתועד היטב באופן יוצא דופן עבור מודל בגודל כזה: כיוונון עדין מפוקח של LoRA בדרגה 64 על קורפוס סינתטי של לוגיקה פורמלית, זיקוק רב-מסלולי לכמה עקבות הסקה לכל פרומפט, מיזוג נקודות ביקורת במרחב הפרמטרים במקום לקחת את נקודת הביקורת הסופית, אינטרפולציה של WiSE-FT ב-α = 0.15 שמוזגה בחזרה לעבר הבסיס עם TIES ו-DARE-SLERP, ושלב GRPO משוקלל באנטרופיה ש-webAI מכנה MGPO כנגד מאמת פרוגרמטי, שהורץ עד שלב 2580. הארטיפקט שפורסם הוא המדיניות הממוזגת, וזהו הפרט המעשי: אפשר להריץ אותו ב-bf16 ב-6.82 GiB, או כ-Q4_K_M GGUF ב-2.09 GiB על CPU או 4 GB של VRAM.
המשפט האחרון הזה הוא כל הצעת הערך. מודל בגודל 3.66B שרץ על מחשב נייד ועונה על שאלות בלוגיקה פורמלית הוא סוג אחר של אובייקט לעומת מסגרת אימות שנדרשו לה חמישה חוקרים, ארבעה שבועות וצוותים של 40 עד 80 סוכנים. TwIL-LM3-Pro הוא הקצה הזול של הסקה פורמלית; AlphaProof Code הוא הקצה היקר של הבטחת נכונות פורמלית. הם אינם תחליפים, וההשוואה שווה רק משום שאנשים ממשיכים לסווג את שניהם תחת "AI for formal methods".
מה שהבנצ'מרקים בכל צד למעשה קובעים
הכרטיס של TwIL-LM3-Pro מדווח על ארבע שורות סיכום ב-Track A של עצמו: שער מאקרו של 0.5539, strict-7 של 0.2879, ממוצע שישה מסלולים של 0.5389 ו-macro_primary של 0.5875. מול Qwen3-8B שער המאקרו הוא 0.5539 לעומת 0.5336, והכרטיס כותב את המשפט שדף שיווקי היה מוחק: יתרון השער של 0.020 קטן מרעש הדגימה ב-n = 200 לכל מסלול, כך שהשורה הזו היא שוויון, לא ניצחון. היכן שזה לא תיקו:
• Strict-7 — 0.2879 לעומת Qwen3-8B ב-0.2093, ושורה זו אינה משתמשת בשום זיכוי להתאמה רופפת בשום מקום, כך שמזל בפורמט לא יכול להניב תוצאה זו.
• Strict MCQ — 0.4100 לעומת 0.0000, הפער הרחב ביותר בין הנתיבים באחת עשרה השורות המדווחות.
אינדוקציה של כללים — 0.4195 לעומת 0.3680.
• התאמת קורפוס — ערך הפרפלקסיות הנמוך ביותר של lm_corpus מבין כל הזרועות, 2.3130, לעומת 2.5478.
• חבילת הערכה מוחזקת — הכרטיס חד: "TwIL-LM3-Pro אינו מוביל בה." המאקרו של 10 מערכי הנתונים הוא 0.7901, זהה סטטיסטית לבסיס של עצמו ב-0.7942, ומפגר בבירור אחרי Qwen3-8B ב-0.8493 ו-gpt-oss-120b ב-0.8689.
שתי הסתייגויות נוספות שהכרטיס עצמו מציין: היצירות של Track A מגיעות בממוצע ל־1,902 טוקנים לעומת 564 בקודמו, כאשר 24.2% מגיעים לתקרת האורך, מה שהכרטיס מכנה "אינדיקטיבי ולא מדויק"; ונתוני התפוקה נמדדו על גרסת vLLM חדשה יותר מזו שבעמודות ההשוואה.
ל-AlphaProof Code אין טבלה כזו, משום שהוא אינו עונה על שאלה שטבלה יכולה לענות עליה. הטענה היא שקובץ בינארי מסוים — libsignal v0.105.4 עם spqr v1.6.0, שנבנה על ידי rustc 1.98.1, מקושר סטטית, קובץ הרצה יחיד מסוג AArch64 — מספק עשרה משפטים סימבוליים ומסלול חישובי עם חסם קונקרטי, שהוכחו באמצעות כ-6.5 מיליון שורות של Lean ונבדקו על ידי הקרנל. האימות הדומה הוא מבחן השלילה: שני באגים אמיתיים שתוקנו בעבר הוחזרו לעותק מבודד, ושניהם הפיקו הוכחות לאי-בטיחות שנבדקו במכונה. זה אינו ציון. זוהי הדגמה שהמערכת יכולה להבחין בין קוד תקין לקוד שבור, וזו אמירה חזקה יותר מ-0.2879 של TwIL על strict-7, וצרה בהרבה — קובץ בינארי אחד, מפרט אחד, שבוע אחד מזמנם של חמישה אנשים.
הרישיון, שהוא נקודת ההכרעה הממשית
TwIL-LM3-Pro מופץ תחת רישיון האוסר שימוש מסחרי, באמצעות שלושה ערוצים שאינם שקולים. המשקלים נמצאים ב-Hugging Face. נקודת הביקורת מתעדכנת מעת לעת — הנוכחית עלתה ב-30 בספטמבר 2026. וב-1 באוקטובר 2026 webAI פרסמה בנייה של LiteRT-LM להסקה על-מכשיר ב-Android וב-iOS, וזה הערוץ שהופך את נתון ה-GGUF של 2.09 GiB למשמעותי עבור אפליקציית טלפון. אחד משלושת הערוצים הוא טופס, ואם השימוש שלך הוא מסחרי, כדאי שתקרא את הרישיון לפני שתקרא את טבלת הבנצ'מרקים.
שאלת ההפצה של AlphaProof Code שונה, ואפשר לטעון שהיא גרועה יותר. הארטיפקטים מפורסמים בכתובת github.com/google-deepmind/code-verification — פיתוח ה-Lean, סמנטיקת AArch64 בת 7,578 שורות המכסה 467 הוראות ו-31 קריאות מערכת, כריכת libsignal, והמפרטים הסימבוליים והחישוביים — ודף הנחיתה אינו מציין רישיון כלל. זה לא "מתירני"; זה בלתי פתור. הפוסט בבלוג אומר רק ש-DeepMind מפרסמת את ארטיפקטי האימות בקוד פתוח לשימוש הקהילה. לפני שאתם בונים פייפליין על גבי פיתוח Lean ללא רישיון, שאלו מישהו.
אז: תוצר אחד הוא מודל שאסור לך להשתמש בו באופן מסחרי; השני הוא בסיס קוד שתנאיו אינם מצוינים. עבור חובב, הראשון ישים. עבור חברה, אף אחד מהם אינו אור ירוק.
היכן שכל אחד מהם היה ממוקם בפועל בצינור עיבוד
TwIL-LM3-Pro מבצע היסק על לוגיקה פורמלית כטקסט. נותנים לו התחייבות הוכחה, מערכת כללים וקבוצת הנחות; הוא מפיק גזירה בצורת פרוזה וסמלים שאדם קורא. זהו כלי עזר להיסק, וחבילת הבנצ'מרקים של הכרטיס עצמו — אינדוקציה של כללים, בחירה מרובה מחמירה, התאמה לקורפוס — בנויה סביב המשימה הזאת.
AlphaProof Code אינו מנמק על היגיון בטקסט. הסוכנים שלו כותבים Lean, וה-Lean נבדק. שני השלבים משלימים זה את זה עקרונית: מודל קטן שמציע את צורת המפרט, מודל כללי חזק שבוחן אותו, ומערך סוכני הוכחה שסוגר אותו מול קרנל. מה שחסר ביניהם הוא גשר — TwIL-LM3-Pro לא הוערך ביצירת הצהרות Lean, ושום דבר בכרטיס שלו לא מרמז שהוא אומן לכך. השכן הטבעי שלו במערך הזה הוא MathForm-8B, כלי האוטופורמליזציה ל-Lean 4 של OpenBMB, ולא מסגרת אימות.
התיאור של DeepMind עצמה את צוואר הבקבוק האנושי הוא החלק המעניין כאן. לפני שהחלה כל עבודת הוכחה, החוקרים תרגמו את מטרות האבטחה של Signal למפרטים פורמליים בשילוב של מודלים, ומומחה סקר כל מפרט. מודל מקומי קטן ומהיר שיוכל לנסח את ההצהרות האלה באופן סביר ובזול יהיה ממש שימושי בשלב הזה — ועדיין ידרוש את סקירת המומחה, מפני שמפרט שגוי מפיק הוכחה למשפט השגוי, מאומתת באופן מושלם.
מה אפשר להריץ היום, ומה זה עולה
• TwIL-LM3-Pro — משקלים לפי בקשה מ-Hugging Face תחת רישיון לא-מסחרי; גרסת LiteRT-LM המיועדת להרצה על המכשיר מאז 1 באוקטובר 2026; אין API מתארח מבית webAI שאוכל לאמת. אירוח עצמי על 6.82 GiB של משקלי bf16 או 2.09 GiB ב-Q4_K_M.
• AlphaProof Code — אינו ניתן להרצה. פורסמו ארטיפקטים, אין endpoint, אין משקולות, אין מחיר, אין רשימת המתנה, לא צוין רישיון.
• המודלים בתוך AlphaProof Code — סוכני ההוכחה רצו על Gemini 4 Carbon, שאותו איננו מספקים; Claude Opus 5.5 שימש בין המודלים שניסחו וסקרו מפרטים, והוא זמין בקטלוג של OrcaRouter במחיר $4 למיליון טוקני קלט ו-$20 למיליון טוקני פלט, מחיר המחירון של הספק מועבר בתוספת של 0%.
• המודלים שמולם נמדד TwIL-LM3-Pro — מודלים בדרגת Qwen3-8B הם מערך ההשוואה הרגיל עבור צ'קפוינט של לוגיקה פורמלית בגודל 3.66B, והנקודה בלהעמיד אותם מאחורי מפתח אחד היא שלולאת ניסוח מפרט יכולה לשלוח את אותה התחייבות למומחה קטן ולמודל כללי ולהשוות את התוצאות בלי חוזה שני. מיזוג מודלים עושה את אותו הדבר בקריאה אחת: פאנל שעונה יחד, שזה בערך מה שצוות DeepMind עשה עם תערובת מודלים בשלב המפרט.
המסקנה הכנה היא שכנראה אתה לא צריך אף אחד מהשניים.
אם אתם רוצים אימות פורמלי של קוד ייצור, AlphaProof Code הוא מאמר ופיתוח Lean. קראו אותו, צטטו אותו, ואל תתכננו סביבו ספרינט — הניסוח של DeepMind עצמה הוא שהרחבה של הטכניקה "דורשת מחקר מתמשך", והמאמר אומר שלתהליך יש מקום ניכר לאופטימיזציה. הזמן החציוני לבנייה נקייה הוא שעות, ושינוי של שורה אחת בקוד המקור יכול להפעיל תיקוני הוכחה גדולים.
אם אתם רוצים מודל קטן שמנמק על לוגיקה פורמלית על מחשב נייד, TwIL-LM3-Pro הוא אמיתי, רץ ב־2.09 GiB בקוונטיזציה, והכרטיס שלו עצמו מספר לכם היכן הוא מגיע לתיקו ולא לניצחון. בדקו את הרישיון לפני שתבדקו את מבחני הביצועים, כי הרישיון הוא הקריאה הקצרה יותר והמכריעה יותר.
לשתי ההשקות משותפת צורה שראויה לתשומת לב: חזית השיטות הפורמליות נדחפת בקצה היקר מאוד בידי מעבדה שיש לה מאות שעות-סוכן להוציא, בעוד הקצה הנגיש מייצר מודלים קטנים עם כשירות צרה ותנאים לא-מסחריים. האמצע — כלי מסחרי שמקבל מפרט ומחזיר הוכחה בדוקה עבור קוד שבבעלותך, במחיר שצוות יכול לתקצב — עדיין ריק. הפער הזה, לא הפער בין שני התוצרים האלה, הוא זה ששווה לעקוב אחריו.
