AlphaProof Code vs TwIL-LM3-Pro: 살 수 없는 프레임워크 대 겨우 다운로드할 수 있는 모델

AlphaProof Code와 TwIL-LM3-Pro를 비교할 때 가장 알아둘 점은 둘 다 제품이 아니라는 것입니다. AlphaProof Code는 Google DeepMind의 에이전트형 형식 검증 프레임워크로, 2026년 11월 10일 Signal의 컴파일된 libsignal 바이너리를 4주 동안 검증한 Lean 산출물과 함께 공개되었을 뿐 연결할 엔드포인트는 없습니다. TwIL-LM3-Pro는 webAI의 36억 6천만 매개변수 형식 논리 추론 모델로, 2026년 9월 3일부터 Hugging Face에 있으며 가중치는 이메일 요청 양식과 상업적 사용을 금지하는 라이선스 뒤에 있습니다. 하나는 "이걸 애초에 구할 수 있나"를 묻고, 다른 하나는 "의미 있을 만큼 저렴하게 실행할 수 있나"를 묻습니다. 형식 방법론에서 일하는 사람이라면 두 질문 모두 지금 유효한 질문이며, 어느 쪽 답도 "예"가 아닙니다.

TwIL-LM3-Pro가 기계적으로 무엇인지

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.

이 규모의 모델치고는 훈련 스택이 이례적으로 잘 문서화되어 있다: 합성 형식논리 말뭉치에 대한 rank-64 LoRA 지도 미세조정, 프롬프트당 여러 개의 추론 트레이스를 위한 다중 경로 증류, 최종 체크포인트를 선택하는 대신 파라미터 공간에서의 체크포인트 융합, α = 0.15에서의 WiSE-FT 보간을 TIES 및 DARE-SLERP로 기반 모델 쪽으로 다시 병합, 그리고 프로그래매틱 검증기에 대해 webAI가 MGPO라고 부르는 엔트로피 가중 GRPO 단계를 스텝 2580까지 실행한 것이다. 공개된 아티팩트는 병합된 정책이며, 이것이 실무적으로 중요한 세부 사항이다: bf16으로는 6.82 GiB로 실행하거나, Q4_K_M GGUF로는 CPU에서 2.09 GiB 또는 4 GB VRAM으로 실행할 수 있다.

그 마지막 문장이 가치 제안의 전부입니다. 노트북에서 실행되며 형식 논리 질문에 답하는 3.66B 모델은 다섯 명의 연구자와 4주, 그리고 40~80개 에이전트로 구성된 팀들을 필요로 했던 검증 프레임워크와는 다른 종류의 대상입니다. TwIL-LM3-Pro는 형식 추론의 저렴한 끝이고, AlphaProof Code는 형식 보증의 비싼 끝입니다. 이 둘은 대체재가 아니며, 사람들이 둘 다를 "형식 방법을 위한 AI"라는 범주에 계속 넣기 때문에 이 비교는 할 가치가 있습니다.

각 측의 벤치마크가 실제로 무엇을 입증하는지

TwIL-LM3-Pro의 카드는 자체 Track A에서 네 개의 요약 행을 보고합니다: 매크로 게이트 0.5539, strict-7 0.2879, 6개 레인 평균 0.5389, macro_primary 0.5875. Qwen3-8B와 비교하면 매크로 게이트는 0.5539 대 0.5336이며, 이 카드는 마케팅 페이지라면 삭제했을 문장을 적어 둡니다: 0.020의 게이트 우위는 레인당 n = 200에서의 샘플링 노이즈보다 작으므로, 그 행은 승리가 아니라 동률입니다. 동률이 아닌 부분은 다음과 같습니다:

• Strict-7 — 0.2879, Qwen3-8B는 0.2093이며, 이 행은 어디에서도 느슨한 일치 가점을 사용하지 않으므로 서식상의 요행으로는 이 결과가 나올 수 없습니다.

• Strict MCQ — 0.4100 대 0.0000, 보고된 11개 행 중 가장 큰 레인 격차.

• 규칙 귀납 — 0.4195 vs 0.3680.

• 코퍼스 적합도 — 모든 arm 중 가장 낮은 lm_corpus 퍼플렉시티 2.3130(대 2.5478).

• 홀드아웃 스위트 — 카드는 단도직입적이다: "TwIL-LM3-Pro는 이를 앞서지 못한다." 10개 데이터셋 매크로는 0.7901로, 자체 베이스의 0.7942와 통계적으로 같은 수준이며, Qwen3-8B의 0.8493과 gpt-oss-120b의 0.8689에는 크게 뒤처진다.

카드 자체가 밝히는 두 가지 추가 주의사항이 더 있습니다. Track A 생성은 평균 1,902토큰으로, 이전 모델의 564토큰과 대비되며, 24.2%가 길이 상한에 도달하는데, 카드에서는 이를 "정확한 값이라기보다 참고 지표"라고 표현합니다. 또한 처리량 수치는 비교 열보다 최신 vLLM에서 측정되었습니다.

AlphaProof Code에는 그런 표가 없다. 왜냐하면 그것은 표가 답할 수 있는 질문에 답하고 있지 않기 때문이다. 주장은 특정 바이너리, 즉 libsignal v0.105.4와 spqr v1.6.0을 rustc 1.98.1로 빌드하고 정적으로 링크한 하나의 AArch64 실행 파일이 열 개의 기호적 정리와 구체적인 한계값이 있는 계산 트랙을 만족한다는 것이며, 이는 약 650만 줄의 Lean으로 증명되고 커널에 의해 검사된다. 이에 견줄 만한 검증은 부정 테스트다. 이전에 수정된 실제 버그 두 개를 격리된 복사본에 다시 도입했고, 둘 다 기계 검증된 불안전성 증명을 산출했다. 그것은 점수가 아니다. 그것은 시스템이 올바른 코드와 깨진 코드를 구별할 수 있음을 보여주는 시연이며, 이는 strict-7에서 TwIL의 0.2879보다 더 강한 주장이자 훨씬 더 좁은 주장이다 — 하나의 바이너리, 하나의 명세, 다섯 명이 일주일을 쓴 시간.

실제 결정 지점인 라이선스

TwIL-LM3-Pro는 상업적 사용을 금지하는 라이선스로 배포되며, 서로 동등하지 않은 세 가지 채널을 통해 제공됩니다. 가중치는 Hugging Face에 있습니다. 체크포인트는 주기적으로 개정됩니다 — 현재 버전은 2026년 9월 30일에 공개되었습니다. 그리고 2026년 10월 1일 webAI는 온디바이스 Android 및 iOS 추론용 LiteRT-LM 빌드를 공개했는데, 이것이 2.09 GiB GGUF 수치를 휴대폰 애플리케이션에 의미 있게 만드는 채널입니다. 세 채널 중 하나는 양식(form)이며, 상업적 용도라면 벤치마크 표를 읽기 전에 라이선스를 읽어야 합니다.

AlphaProof Code의 배포 질문은 성격이 다르고, 틀림없이 더 나쁩니다. 산출물은 github.com/google-deepmind/code-verification 에 공개되어 있습니다 — Lean 개발, 467개 명령어와 31개 시스템 호출을 다루는 7,578줄의 AArch64 시맨틱, libsignal 바인딩, 기호적 및 계산적 명세 — 그런데 랜딩 페이지에는 라이선스가 전혀 명시되어 있지 않습니다. 그것은 "허용적"이 아니라 미해결 상태입니다. 블로그 글은 DeepMind가 커뮤니티 사용을 위해 검증 산출물을 오픈소스화하고 있다고만 말합니다. 라이선스가 없는 Lean 개발 위에 파이프라인을 구축하기 전에, 누군가에게 물어보세요.

즉, 하나는 상업적으로 사용할 수 없는 모델이고, 다른 하나는 이용 약관이 명시되지 않은 코드베이스입니다. 취미로 즐기는 사람에게는 첫 번째가 쓸 만합니다. 기업에는 둘 다 승인 신호가 아닙니다.

각각이 실제 파이프라인에서 어디에 위치하게 되는지

TwIL-LM3-Pro는 형식 논리를 텍스트로 추론합니다. 증명 의무, 규칙 시스템, 전제 집합을 주면 사람이 읽을 수 있는 산문과 기호 형태의 도출을 생성합니다. 이는 추론 보조 도구이며, 카드 자체의 벤치마크 제품군—규칙 귀납, 엄격한 객관식, 코퍼스 적합성—은 그 작업을 중심으로 구축되어 있습니다.

{{1}}AlphaProof Code{{/1}}는 텍스트의 논리에 대해 추론하지 않는다. 그 에이전트들은 Lean을 작성하고, 그 Lean은 검사된다. 두 단계는 원칙적으로 상호 보완적이다. 명세의 형태를 제안하는 작은 모델, 이를 검토하는 강력한 범용 모델, 그리고 커널에 맞춰 이를 완결하는 증명 에이전트 하네스가 그것이다. 그들 사이에서 빠져 있는 것은 다리다 — {{2}}TwIL-LM3-Pro{{/2}}는 Lean 문장 생성에서 평가된 적이 없으며, 그 카드 어디에도 이를 위해 훈련되었다는 암시가 없다. 그 스택에서 자연스러운 이웃은 검증 프레임워크가 아니라 OpenBMB의 Lean 4 자동 형식화기인 {{3}}MathForm-8B{{/3}}이다.

여기서 흥미로운 부분은 인간 병목 현상에 관한 DeepMind 자신의 설명이다. 어떤 증명 작업이 시작되기도 전에, 연구자들은 여러 모델을 조합해 Signal의 보안 목표를 형식 명세로 옮겼고, 전문가가 모든 명세를 검토했다. 그런 진술의 초안을 그럴듯하고 저렴하게 작성할 수 있는 작고 빠른 로컬 모델은 그 단계에서 진정으로 유용할 것이다. 그리고 여전히 전문가 검토가 필요할 것이다. 잘못된 명세는 잘못된 정리에 대한 증명을 완벽하게 검증된 형태로 낳기 때문이다.

지금 바로 실행할 수 있는 것과 그 비용

• TwIL-LM3-Pro — 가중치는 Hugging Face에서 비상업적 라이선스에 따라 요청 시 제공됩니다. 2026년 10월 1일부터 LiteRT-LM 온디바이스 빌드가 제공되며, 제가 확인할 수 있는 webAI의 호스팅 API는 없습니다. bf16 가중치 6.82 GiB 또는 Q4_K_M 기준 2.09 GiB로 자체 호스팅하세요.

• AlphaProof Code — 실행 불가. 아티팩트만 공개되었고, 엔드포인트도, 가중치도, 가격도, 대기자 명단도 없으며 라이선스도 명시되지 않았습니다.

• AlphaProof Code 내부의 모델들 — 증명 에이전트는 저희가 제공하지 않는 Gemini 4 Carbon에서 실행되었습니다. Claude Opus 5.5는 명세서를 작성하고 검토하는 모델 중 하나로 사용되었으며, OrcaRouter 카탈로그에 입력 100만 토큰당 $4, 출력 100만 토큰당 $20으로 제공되고, 제공업체 정가가 0% 마크업으로 그대로 적용됩니다.

• TwIL-LM3-Pro의 비교 대상 모델 — Qwen3-8B급 모델은 3.66B 형식 논리 체크포인트의 일반적인 비교군이며, 이들을 하나의 키 아래에 두는 요점은 명세 초안 작성 루프가 동일한 의무를 소형 전문 모델과 범용 모델에 보내고 두 번째 계약 없이 결과를 diff할 수 있다는 점입니다. 모델 융합은 한 번의 호출로 같은 일을 합니다: 패널이 함께 답하는 것으로, 이는 대략 DeepMind 팀이 명세 단계에서 모델 혼합으로 수행한 것과 같습니다.

솔직한 결론은, 당신에게는 아마 둘 다 필요 없을 것이라는 겁니다.

프로덕션 코드의 형식 검증을 원한다면 AlphaProof Code는 논문이자 Lean 개발물입니다. 그것을 읽고 인용하되, 그것을 중심으로 스프린트를 계획하지 마세요 — DeepMind 자체의 설명에 따르면 이 기법을 확장하려면 "지속적인 연구가 필요하며", 논문은 이 과정에 최적화할 여지가 상당히 크다고 말합니다. 깨끗한 빌드까지 걸리는 시간의 중앙값은 몇 시간이며, 한 줄짜리 소스 변경이 대규모 증명 수리를 촉발할 수 있습니다.

노트북에서 형식 논리를 추론하는 작은 모델을 원한다면, TwIL-LM3-Pro는 실제로 존재하며 양자화 시 2.09 GiB로 실행되고, 자체 모델 카드가 어디서 이기는지보다 어디서 동점인지를 알려준다. 벤치마크를 확인하기 전에 라이선스를 먼저 확인하라. 라이선스가 읽을 분량도 더 적고 더 결정적이기 때문이다.

두 릴리스가 공통으로 지닌 것은 주목할 만한 구조다. 형식 기법의 최전선은 수백 에이전트 시간을 투입할 수 있는 연구실에 의해 매우 고비용 영역에서 밀려나고 있는 반면, 저렴한 쪽은 좁은 역량과 비상업적 조건을 지닌 소형 모델을 생산한다. 그 중간, 즉 명세를 받아 팀이 예산을 배정할 수 있는 가격으로 자신이 소유한 코드에 대한 검증된 증명을 돌려주는 상업적 도구는 여전히 비어 있다. 주목해야 할 것은 이 두 산출물 사이의 격차가 아니라 바로 그 격차다.