World Model Optimizer 对比 Pestle-27B-Ternary
2026年哪款 AI 工具更胜一筹？让我们一探究竟。
⚡ 2026 事实裁决与决策要素 (Fast-Answer Verdict)
9bests 编辑室综合核验World Model Optimizer 与 Pestle-27B-Ternary：请对照下方的官方功能、定价与优缺点，按团队的具体工作流选型。
优先选择 World Model Optimizer 如果： Free CLI (pip) — hosted platform available
Experiential Labs 出品的一款 CLI，能把采集到的智能体轨迹蒸馏成更小的模型，用于路由决策。它把"从轨迹中学习"做成可复用的闭环：收集轨迹、训练小模型、在仿真环境中验证、再回流到生产路由。
⚠️ 避坑提示： 仓库未声明许可证，商用需谨慎
优先选择 Pestle-27B-Ternary 如果： Free (Open Weights, Apache-2.0)
适合需要27B 级模型压缩为单个 8.48 GB GGUF（三值权重）与强医疗基准：MedQA 89.79、MedMCQA 68.85、PubMedQA 76.70的团队与用户。
⚠️ 避坑提示： 仅研究预览，不可用于临床
| 对比维度 | World Model Optimizer | Pestle-27B-Ternary |
|---|---|---|
| 价格方案 | Free CLI (pip) — hosted platform available | Free (Open Weights, Apache-2.0) |
| 最适合场景 | Experiential Labs 出品的一款 CLI，能把采集到的智能体轨迹蒸馏成更小的模型，用于路由决策。它把"从轨迹中学习"做成可复用的闭环：收集轨迹、训练小模型、在仿真环境中验证、再回流到生产路由。 | 把 27B 模型压缩为单个 8.48 GB GGUF 的三值权重本地模型，面向医疗问答、生物医学检索、编程与通用助手 |
✅ 优点与优势
- • 把被浪费的资产（轨迹）变成自有的模型
- • 工作流内置诚实的留出集报告
- • 路由与蒸馏合二为一
- • 提供闭环测试的仿真环境
- • 广泛支持各类模型供应商
- • 不想自建也可使用托管版本
❌ 缺点与局限
- • 仓库未声明许可证，商用需谨慎
- • 依赖 Tinker API
- • 需要足够的轨迹数据量才能见效
- • 27% 这一数字来自厂商自己的 RouterBench 结果
- • 项目年轻，未解决问题数量偏高
✅ 优点与优势
- • 27B 级模型压缩为单个 8.48 GB GGUF（三值权重）
- • 强医疗基准：MedQA 89.79、MedMCQA 68.85、PubMedQA 76.70
- • 本地用 Mortar 运行于 Apple Silicon / CUDA / CPU
- • 通用能力保留：MMLU-Redux 83.53、GSM8K 93.25、HumanEval+ 87.20
- • 最长 262K 上下文，可选视觉输入
❌ 缺点与局限
- • 仅研究预览，不可用于临床
- • 需自行构建/运行独立 Mortar 运行时
- • 压缩相对全精度 FP16 损失部分准确率