OpenClaw 模型配置终极指南：5 种方案实测，帮你选出最适合的那个5 种 OpenClaw 模型配置方案横向实测，

上周有个朋友问我："OpenClaw 装好了，但选模型这步直接懵了——官方 API 太贵，DeepSeek 免费但不稳，本地跑 Ollama 又卡，到底该用哪个？"

说实话这问题我自己也纠结过。OpenClaw 刚火的时候我跟风装了，结果第一天就踩坑：直接用 Anthropic 官方 API，跑了个文件整理任务，一看账单 $12 没了。后来花了两周把市面上主流方案都试了一遍，今天把结果分享出来。

先说结论

方案	模型	延迟	稳定性	月成本(中度使用)	适合谁
Anthropic 官方	Claude Sonnet 4	~2s	⭐⭐⭐⭐⭐	$30-80	预算充足、追求最佳效果
DeepSeek 官方	DeepSeek-V3	~3s	⭐⭐⭐	$5-15	预算有限、能忍偶尔抽风
Ollama 本地	Qwen3 32B	~5s	⭐⭐⭐⭐	$0（电费另算）	有好显卡、注重隐私
OpenRouter	多模型切换	~3s	⭐⭐⭐⭐	$20-50	需要多模型、海外网络好
聚合 API（ofox等）	全模型	~1.5s	⭐⭐⭐⭐⭐	$15-40	国内用户、要稳定+多模型

下面逐个说说踩过的坑。

方案一：Anthropic 官方 API —— 贵但确实好用

这是 OpenClaw 默认推荐的配置，也是效果最好的。

openclaw config set apiProvider anthropic
openclaw config set apiKey sk-ant-xxxxx
openclaw config set apiModelId claude-sonnet-4-6

优点：

效果拉满，Sonnet 4 对 Agent 任务的理解能力确实是第一梯队
官方支持，文档齐全
延迟稳定

踩坑：

第一次跑的时候没设 maxTokens，一个任务直接吃了 200k token
国内直连不了，要配代理或者用兼容 API

// config.json 配置示例
{
  "llm": {
    "provider": "anthropic",
    "model": "claude-sonnet-4-6",
    "api_key": "sk-ant-xxxxx",
    "max_tokens": 8192,
    "temperature": 0.7
  }
}

成本参考： Sonnet 4 输入 $3/MTok，输出$ 15/MTok。一个中等复杂的编码任务大概消耗 50k-100k token，算下来一个任务 $0.3-1.5。一天跑 10 个任务，月费$ 90-450。

说实话，个人开发者用这个方案，钱包会疼。

方案二：DeepSeek 官方 API —— 便宜大碗但得看运气

DeepSeek-V3 的性价比是真的高，API 价格只有 Claude 的 1/10 不到。

openclaw config set apiProvider openai-compatible
openclaw config set baseUrl https://api.deepseek.com/v1
openclaw config set apiKey sk-xxxxx
openclaw config set apiModelId deepseek-chat

优点：

便宜，真的便宜
中文理解不错
代码生成能力可以

踩坑（重点）：

高峰期直接 502 —— 下午 2-5 点是重灾区，体感有 20% 的请求会超时
长上下文容易丢内容 —— 给它一个大项目让它改代码，改着改着就"忘了"前面的文件结构
Agent 循环 —— DeepSeek 对工具调用的理解偶尔出 bug，我遇到过它在两个工具之间无限循环的情况

# 我的解决方案：加重试 + 超时
import time

def call_with_retry(func, max_retries=3):
    for i in range(max_retries):
        try:
            return func()
        except Exception as e:
            if "502" in str(e) or "timeout" in str(e):
                time.sleep(2 ** i)
                continue
            raise
    raise Exception("重试次数用尽")

成本参考： DeepSeek-V3 输入 ¥1/MTok，输出 ¥2/MTok，同样的任务成本不到 Claude 的 1/10。

方案三：Ollama 本地模型 —— 零成本但有门槛

本地跑模型的好处是完全免费（电费除外），而且数据不出本机。

# 先装 Ollama
brew install ollama    # macOS
# 拉模型
ollama pull qwen3:32b
# OpenClaw 配置
openclaw config set apiProvider ollama
openclaw config set baseUrl http://localhost:11434/v1
openclaw config set apiModelId qwen3:32b

优点：

零 API 费用
数据隐私有保障
不依赖网络

踩坑：

显存是硬门槛 —— Qwen3 32B 需要至少 20GB 显存才能流畅跑。我的 M2 Max 64GB 跑起来还行，但 16GB 的 MacBook Air 直接卡死
小模型效果断崖式下降 —— 试过 7B 的模型，基本上只能做最简单的任务，稍微复杂一点就开始胡说八道
首次推理冷启动慢 —— 模型加载到内存要 30-60 秒

# 查看 Ollama 资源占用
ollama ps
# 输出示例：
# NAME         ID          SIZE     PROCESSOR    UNTIL
# qwen3:32b    a1b2c3d4    19 GB    100% GPU     4 minutes from now

我的建议： 如果你有 M2 Pro/Max 或以上的 Mac，或者有一张 3090/4090，可以本地跑 32B 的模型。否则建议别折腾。

方案四：OpenRouter —— 一个 Key 切换多模型

OpenRouter 是海外比较流行的模型聚合方案。

openclaw config set apiProvider openrouter
openclaw config set apiKey sk-or-xxxxx
openclaw config set apiModelId anthropic/claude-sonnet-4-6

优点：

一个 API Key 访问几十个模型
可以按需切换（简单任务用便宜模型，复杂任务用 Claude）
有免费额度可以试用

踩坑：

国内访问需要代理
部分模型的定价比官方还贵（加了中间商费用）
偶尔有路由延迟

方案五：国内聚合 API —— 对国内用户最友好

这是我目前在用的方案。国内有几家做 API 聚合的，原理是用 OpenAI 兼容协议统一封装了各家的 API。

openclaw config set apiProvider openai-compatible
openclaw config set baseUrl https://api.ofox.ai/v1
openclaw config set apiKey sk-xxxxx
openclaw config set apiModelId claude-sonnet-4-6

为什么最后选了这种方案：

国内直连 —— 不用配代理，延迟反而比直连 Anthropic 还低（因为用了国内云加速节点）
一个 Key 用所有模型 —— Claude、GPT、Gemini、DeepSeek、Qwen 都能用，改个 model ID 就行
OpenAI 兼容协议 —— OpenClaw 原生支持，配置最简单

# 对比测试：同一个任务的响应时间
# Anthropic 官方（走代理）: 3.2s
# DeepSeek 官方: 2.8s（非高峰）/ 超时（高峰）
# 聚合 API（国内节点）: 1.4s

实际使用体验：

我现在的策略是：

日常编码任务 → Claude Sonnet 4（效果好）
简单的文本处理 → DeepSeek-V3（省钱）
需要多模态 → Gemini 2.5 Pro（图片理解强）

三个模型共用一个 API Key，只需要改 apiModelId，不用重新配置。

高级技巧：混合模型策略

OpenClaw 支持在 config.json 中配置不同任务用不同模型：

{
  "llm": {
    "provider": "openai-compatible",
    "base_url": "https://api.ofox.ai/v1",
    "api_key": "sk-xxxxx",
    "model": "claude-sonnet-4-6"
  },
  "tool_call_model": {
    "provider": "openai-compatible",
    "base_url": "https://api.ofox.ai/v1",
    "api_key": "sk-xxxxx",
    "model": "deepseek-chat"
  }
}

这样主对话用 Claude（效果好），工具调用用 DeepSeek（省钱），实测能节省 40-60% 的 token 成本。

踩坑汇总

错误	原因	解决
`401 Unauthorized`	API Key 错误或过期	检查 Key 是否正确，注意前缀
`429 Too Many Requests`	触发速率限制	降低并发或换 Provider
`502 Bad Gateway`	上游服务不稳定	重试或切换模型
`context_length_exceeded`	输入太长	减少上下文或用支持长上下文的模型
模型返回空内容	部分模型不支持 tool_use	检查模型是否支持 function calling
响应突然变成英文	模型 system prompt 没设中文	在配置中加 `"language": "zh-CN"`

小结

折腾了两周，我的结论是：没有完美方案，只有最适合自己的。

不差钱 → Anthropic 官方
想省钱 → DeepSeek（忍受偶尔抽风）
有好显卡 → 本地 Ollama
国内用户想要稳定+多模型 → 聚合 API

对我来说，最终选了聚合方案，主要是因为国内直连 + 多模型切换这两点太方便了。但说到底，OpenClaw 用什么模型不是最重要的，重要的是你拿它来做什么。

一个好的 Prompt 设计 + 合理的任务拆分，效果提升远大于换模型带来的提升。这个话题以后有空再聊。

如果这篇文章帮到你了，点个赞不过分吧？有其他配置问题欢迎评论区交流，我看到都会回。