World Model Optimizer 评测 2026：把智能体轨迹炼成你自己的小模型

大多数团队把智能体轨迹当垃圾扔了。World Model Optimizer 的论点是：那批轨迹是你手上最值钱的训练资产——它精确记录了你的智能体真实面对的任务，还附带了前沿模型给出的答案。

wmo 把这份记录炼成一个你自己拥有的小模型，外加一个决定「什么时候值得花钱调前沿模型」的路由器。

World Model Optimizer 是什么？

World Model Optimizer（wmo）是 Experiential Labs 出品的 Python CLI，做两件相互衔接的事：

1. wmo optimize 通过 Tinker API 把收集到的智能体轨迹蒸馏成更小的开源模型，可选闭环仿真训练。
2. wmo serve 暴露一个端点，在前沿模型与小模型之间按请求路由。官方称在 RouterBench 上可保持前沿质量的同时降低 27% 成本。

闭环才是关键：新轨迹进来就重跑流水线，你拥有的那个模型会持续变强。

工作流长什么样

pip install world-model-optimizer
wmo providers set                       # 注册供应商与候选路由模型
wmo build --file traces.jsonl --name my-model
wmo optimize route sweep my-model --traces traces.otel.jsonl
wmo optimize route fit matrix.json --kind knn --out .wmo/models/my-model/policy.json
wmo serve --name my-model

有个细节值得在意评估严谨性的人留意：拟合步骤会确定性地保留 30% 场景用于报告、只在另外 70% 上拟合，而 wmo optimize route report 会自动把参与路由拟合的场景从对比中剔除。这是正确的默认值——它让「省了多少」这件事更难自欺欺人。

核心特性

• 基于自有轨迹的蒸馏——训出的小模型贴合你真实的任务分布，而不是通用榜单。
• 在 OTel 轨迹上拟合路由——对每个已注册模型在留出任务上打分，再拟合路由策略。
• 供应商目录广——可检索各家目录，含 OpenRouter 已发布的 338 个模型。
• 世界模型即 API——用 Python 仿真你的智能体环境，在动生产之前先测再优化。
• 托管平台——wmo login 后可运行托管智能体的当前冠军 harness，评估走 E2B 沙箱。

适合谁用？

这是给有量、有轨迹的团队用的工具。如果你的智能体规模已经让推理支出成为一个明确的成本项，而且手上有 OTel 轨迹可学，那账算得过来——自己拥有的蒸馏模型没有每 token 的加价。

早期阶段则很不合适。只有零星几条轨迹时，蒸馏无从学起，路由也无从路由。先把真实流量跑起来。

如果你只想降本、不想搞训练流水线，LiteLLM 或 Millwright 这类纯路由器能用少得多的工作量拿到一部分收益。wmo 走得更远，恰恰因为它真的训了个模型——这也是它更费劲的原因。想看自主科研方向的相邻工具，可以看 Open Science。

优点与不足

优点： 把被浪费的资产（轨迹）变成自有模型；工作流内建诚实的留出集报告；路由与蒸馏一体；带仿真环境做闭环测试；供应商支持面广；不想自建也有托管版。

不足： 仓库未声明许可证，商用前必须澄清；依赖 Tinker API；需要足量高质量轨迹才有效；27% 是厂商自测的 RouterBench 结果；项目年轻，未关闭 issue 偏多。

价格

CLI 从 PyPI 免费安装。Experiential Labs 另有托管平台，提供托管智能体与 E2B 评估。注意仓库目前未声明许可证——在其上搭商用工作流前建议先确认条款。

常见问题

开始需要什么数据？ 智能体轨迹，最好是 OTel 格式。轨迹的质量与数量决定了蒸馏效果的上限。

它会取代我的前沿模型吗？ 不会——它做的是路由。难请求照样走前沿模型，简单的走你蒸馏出的小模型，省的钱就来自这里。

27% 这个数字可信吗？ 那是项目自测的 RouterBench 结果。方法论（留出 30%、报告剔除拟合场景）是靠谱的，但在按它做预算之前，请在自己的流量上复现一遍。

能商用吗？ 先确认。截至本文评测，仓库没有声明许可证，条款处于模糊状态。