AlphaProof Code vs TwIL-LM3-Pro: Một framework bạn không thể mua đối đầu với một mô hình bạn khó có thể tải xuống

Điều hữu ích nhất cần biết khi so sánh AlphaProof Code và TwIL-LM3-Pro là cả hai đều không phải sản phẩm. AlphaProof Code là khung xác minh hình thức dạng tác tử của G​oogle DeepMind, được công bố ngày 10 tháng 11 năm 2026 cùng các tạo tác Lean từ một đợt xác minh kéo dài bốn tuần đối với tệp nhị phân libsignal đã biên dịch của Signal, và không có endpoint nào đứng sau nó. TwIL-LM3-Pro là mô hình suy luận logic hình thức 3,66 tỷ tham số của webAI, có mặt trên Hugging Face từ ngày 3 tháng 9 năm 2026, với trọng số nằm sau một biểu mẫu yêu cầu qua email và một giấy phép cấm sử dụng thương mại. Một bên đặt câu hỏi "liệu tôi có thể có được thứ này không"; bên kia hỏi "liệu tôi có thể chạy nó đủ rẻ để có ý nghĩa không." Với bất kỳ ai làm việc trong lĩnh vực phương pháp hình thức, cả hai đều là những câu hỏi cấp thiết, và không câu trả lời nào là "có".

TwIL-LM3-Pro là gì, xét về mặt cơ chế

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.

Quy trình huấn luyện được ghi chép đặc biệt đầy đủ so với một mô hình cỡ này: một supervised fine-tune LoRA rank-64 trên kho ngữ liệu logic hình thức tổng hợp, chưng cất đa nhánh cho nhiều dấu vết suy luận trên mỗi prompt, hợp nhất checkpoint trong không gian tham số thay vì lấy checkpoint cuối cùng, nội suy WiSE-FT tại α = 0,15 được hợp nhất ngược về mô hình cơ sở bằng TIES và DARE-SLERP, và một giai đoạn GRPO có trọng số entropy mà webAI gọi là MGPO chạy đối chiếu với một bộ xác minh lập trình, chạy đến bước 2580. Sản phẩm công bố là chính sách đã hợp nhất, và đây là chi tiết thực tế: bạn có thể chạy nó ở bf16 với 6,82 GiB, hoặc dưới dạng GGUF Q4_K_M với 2,09 GiB trên CPU hoặc 4 GB VRAM.

Câu cuối cùng đó chính là toàn bộ tuyên bố giá trị. Một mô hình 3,66B chạy trên máy tính xách tay và trả lời các câu hỏi logic hình thức là một loại đối tượng khác với một khung xác minh cần năm nhà nghiên cứu, bốn tuần và các nhóm gồm 40 đến 80 tác nhân. TwIL-LM3-Pro là đầu rẻ của suy luận hình thức; AlphaProof Code là đầu đắt của đảm bảo hình thức. Chúng không phải là sản phẩm thay thế cho nhau, và việc so sánh chỉ đáng làm vì người ta cứ xếp cả hai vào cùng mục "AI cho các phương pháp hình thức."

Các bài kiểm tra chuẩn ở mỗi bên thực sự chứng minh điều gì

Thẻ của TwIL-LM3-Pro báo cáo bốn hàng tóm tắt trên Track A của chính nó: macro gate là 0.5539, strict-7 là 0.2879, trung bình six-lane là 0.5389 và macro_primary là 0.5875. So với Qwen3-8B, macro gate là 0.5539 so với 0.5336, và thẻ viết câu mà một trang tiếp thị hẳn đã xóa đi: mức dẫn trước 0.020 của gate nhỏ hơn nhiễu lấy mẫu ở n = 200 mỗi làn, nên hàng đó là ngang bằng, không phải một chiến thắng. Ở những điểm không phải là hòa:

• Strict-7 — 0.2879 so với Qwen3-8B ở mức 0.2093, và dòng này không sử dụng bất kỳ điểm khớp lỏng nào ở bất cứ đâu, nên may mắn về định dạng không thể tạo ra kết quả đó.

• Strict MCQ — 0.4100 so với 0.0000, khoảng cách làn lớn nhất trong mười một hàng được báo cáo.

Quy nạp luật — 0.4195 so với 0.3680.

• Độ khớp ngữ liệu — lm_corpus perplexity thấp nhất trong tất cả các nhánh, đạt 2.3130, so với 2.5478.

• Bộ kiểm thử giữ kín — thẻ kết quả nói thẳng: "TwIL-LM3-Pro không dẫn đầu bộ này." Chỉ số macro trên 10 tập dữ liệu là 0.7901, ngang mức về mặt thống kê so với mô hình cơ sở của chính nó ở 0.7942 và kém xa Qwen3-8B ở 0.8493 cùng gpt-oss-120b ở 0.8689.

Hai lưu ý khác mà chính thẻ nêu ra: các lần sinh của Track A trung bình đạt 1.902 token, so với 564 của phiên bản tiền nhiệm, với 24,2% chạm giới hạn độ dài, điều mà thẻ gọi là “mang tính chỉ dẫn chứ không chính xác”; và các số liệu thông lượng được đo trên một phiên bản vLLM mới hơn so với các cột so sánh.

AlphaProof Code không có bảng như vậy, vì nó không trả lời một câu hỏi mà một cái bảng có thể trả lời. Tuyên bố đưa ra là một tệp nhị phân cụ thể — libsignal v0.105.4 với spqr v1.6.0, được xây dựng bởi rustc 1.98.1, liên kết tĩnh, một tệp thực thi AArch64 — thỏa mãn mười định lý ký hiệu và một nhánh tính toán với một cận cụ thể, được chứng minh bằng khoảng 6,5 triệu dòng Lean và được kernel kiểm tra. Phép kiểm chứng tương đương là bài kiểm thử âm: hai lỗi thực tế, từng được sửa trước đó, đã được đưa trở lại vào một bản sao cô lập, và cả hai đều tạo ra các chứng minh không an toàn được máy kiểm tra. Đó không phải là một điểm số. Đó là một minh chứng rằng hệ thống có thể phân biệt mã đúng với mã hỏng, một tuyên bố mạnh hơn so với 0,2879 của TwIL trên strict-7 và hẹp hơn nhiều — một tệp nhị phân, một đặc tả, một tuần làm việc của năm người.

Giấy phép, chính là điểm quyết định thực sự

TwIL-LM3-Pro được phát hành theo một giấy phép cấm sử dụng thương mại, được phân phối qua ba kênh không tương đương. Các trọng số có trên Hugging Face. Checkpoint được sửa đổi định kỳ — bản hiện tại ra mắt vào ngày 30 tháng 9 năm 2026. Và vào ngày 1 tháng 10 năm 2026, webAI đã phát hành bản dựng LiteRT-LM để suy luận trên thiết bị Android và iOS, đây là kênh khiến con số 2.09 GiB GGUF trở nên có ý nghĩa đối với một ứng dụng điện thoại. Một trong ba kênh là một biểu mẫu, và nếu mục đích sử dụng của bạn là thương mại, bạn nên đọc giấy phép trước khi đọc bảng điểm chuẩn.

Vấn đề phân phối của AlphaProof Code thì khác và có thể nói là tệ hơn. Các hiện vật được công bố tại github.com/google-deepmind/code-verification — phần phát triển Lean, ngữ nghĩa AArch64 dài 7.578 dòng bao phủ 467 lệnh và 31 lời gọi hệ thống, phần ràng buộc libsignal, các đặc tả tượng trưng và tính toán — và trang đích không nêu giấy phép nào cả. Đó không phải là "cấp phép thoáng"; đó là chưa được giải quyết. Bài đăng blog chỉ nói rằng DeepMind đang mở nguồn các hiện vật xác minh để cộng đồng sử dụng. Trước khi bạn xây dựng một pipeline dựa trên một phần phát triển Lean không có giấy phép, hãy hỏi ai đó.

Vậy: một sản phẩm là mô hình mà bạn không được phép sử dụng cho mục đích thương mại; sản phẩm còn lại là một cơ sở mã mà các điều khoản chưa được nêu rõ. Đối với người làm nghiệp dư, cái đầu tiên là khả thi. Đối với một công ty, cả hai đều không phải là đèn xanh.

Từng cái sẽ thực sự nằm ở đâu trong một pipeline

TwIL-LM3-Pro thực hiện suy luận trên logic hình thức dưới dạng văn bản. Hãy đưa cho nó một nghĩa vụ chứng minh, một hệ thống luật, một tập tiền đề; nó tạo ra một dẫn xuất ở dạng văn xuôi kết hợp ký hiệu mà con người đọc được. Đây là một công cụ hỗ trợ suy luận, và bộ đánh giá chuẩn của chính thẻ mô hình — quy nạp luật, trắc nghiệm nhiều lựa chọn nghiêm ngặt, độ phù hợp với ngữ liệu — được xây dựng xoay quanh công việc đó.

AlphaProof Code không lập luận trên logic trong văn bản. Các tác nhân của nó viết Lean, và Lean được kiểm tra. Về nguyên tắc, hai giai đoạn này bổ trợ cho nhau: một mô hình nhỏ đề xuất hình dạng của một đặc tả, một mô hình tổng quát mạnh xem xét nó, và một bộ khung tác nhân chứng minh đóng nó lại dựa trên một kernel. Thứ còn thiếu giữa chúng là một cây cầu — TwIL-LM3-Pro chưa được đánh giá trên việc sinh phát biểu Lean, và không có gì trong thẻ của nó cho thấy nó được huấn luyện cho việc đó. Hàng xóm tự nhiên của nó trong ngăn xếp đó là MathForm-8B, bộ tự động hình thức hóa Lean 4 của OpenBMB, chứ không phải một khung xác minh.

Cách chính DeepMind mô tả về nút thắt cổ chai liên quan đến con người chính là phần thú vị ở đây. Trước khi bất kỳ công việc chứng minh nào bắt đầu, các nhà nghiên cứu đã chuyển các mục tiêu bảo mật của Signal thành những đặc tả hình thức bằng sự kết hợp của nhiều mô hình, và một chuyên gia đã xem xét từng đặc tả. Một mô hình nhỏ, nhanh, cục bộ có thể soạn thảo những phát biểu đó một cách hợp lý và với chi phí thấp sẽ thực sự hữu ích ở giai đoạn đó — và vẫn sẽ cần chuyên gia xem xét, vì một đặc tả sai sẽ tạo ra một chứng minh cho định lý sai, được xác minh một cách hoàn hảo.

Những gì bạn có thể chạy ngay hôm nay và chi phí ra sao

• TwIL-LM3-Pro — trọng số theo yêu cầu từ Hugging Face theo giấy phép phi thương mại; bản dựng LiteRT-LM trên thiết bị kể từ ngày 1 tháng 10 năm 2026; không có API được host nào từ webAI mà tôi có thể xác minh. Tự lưu trữ trên 6,82 GiB trọng số bf16 hoặc 2,09 GiB ở Q4_K_M.

• AlphaProof Code — không chạy được. Đã công bố các artifact, không có endpoint, không có trọng số, không có giá, không có danh sách chờ, không nêu giấy phép.

• Các mô hình bên trong AlphaProof Code — các tác nhân chứng minh chạy trên G​emini 4 Carbon, mô hình mà chúng tôi không cung cấp; Claude Opus 5.5 nằm trong số các mô hình được dùng để soạn thảo và xem xét đặc tả, và đang cótrên danh mục của OrcaRouter với giá $4 mỗi triệu token đầu vào và $20 mỗi triệu token đầu ra, giá niêm yết của nhà cung cấp được chuyển nguyên với mức phụ phí 0%.

• Các mô hình mà TwIL-LM3-Pro được đánh giá so với — các mô hình hạng Qwen3-8B là bộ so sánh thông thường cho một checkpoint logic hình thức 3.66B, và điểm mấu chốt của việc đặt chúng sau một khóa là vòng lặp soạn thảo đặc tả có thể gửi cùng một nghĩa vụ đến một chuyên gia nhỏ và một mô hình tổng quát rồi so sánh khác biệt kết quả mà không cần hợp đồng thứ hai. Hợp nhất mô hình làm điều tương tự trong một lần gọi: một nhóm cùng trả lời, đại khái là điều nhóm DeepMind đã làm với hỗn hợp các mô hình ở giai đoạn đặc tả.

Kết luận trung thực là có lẽ bạn không cần cái nào trong hai cái đó.

Nếu bạn muốn xác minh hình thức cho mã sản xuất, AlphaProof Code là một bài báo và một dự án phát triển bằng Lean. Hãy đọc nó, trích dẫn nó, và đừng lên kế hoạch cho một sprint dựa vào nó — cách DeepMind tự diễn đạt là việc mở rộng quy mô kỹ thuật này "đòi hỏi phải tiếp tục nghiên cứu," và bài báo nói rằng quy trình này còn nhiều dư địa để tối ưu hóa. Thời gian trung vị để có một bản build sạch là hàng giờ, và một thay đổi nguồn chỉ một dòng có thể kích hoạt những sửa chữa chứng minh lớn.

Nếu bạn muốn một mô hình nhỏ biết lập luận về logic hình thức trên một chiếc laptop, TwIL-LM3-Pro là thật, chạy ở 2.09 GiB khi đã lượng tử hóa, và chính thẻ mô hình của nó cho bạn biết nó ngang bằng ở đâu thay vì vượt trội ở đâu. Hãy kiểm tra giấy phép trước khi kiểm tra các benchmark, vì giấy phép là thứ đọc ngắn hơn và mang tính quyết định hơn.

Điều mà cả hai bản phát hành cùng chia sẻ là một hình thế đáng để ý: biên giới của các phương pháp hình thức đang được đẩy tới ở đầu rất đắt đỏ bởi một phòng thí nghiệm có hàng trăm giờ tác tử để chi ra, trong khi đầu giá phải chăng lại tạo ra những mô hình nhỏ với năng lực hẹp và các điều khoản phi thương mại. Khoảng giữa — một công cụ thương mại nhận đặc tả và trả về một chứng minh đã được kiểm tra cho mã bạn sở hữu, với mức giá mà một nhóm có thể dự toán — vẫn còn trống. Khoảng trống đó, chứ không phải khoảng trống giữa hai sản phẩm này, mới là thứ đáng theo dõi.