--- title: OpenClaw 最佳模型（2026 年 7 月）：实测与排名 description: >- OpenClaw 该选哪个 AI 模型？我们测试了 50+ 个模型。编程选 Claude Opus 4.8，研究选 Gemini 3.1 Pro，预算有限选 MiniMax M3。持续更新中。 date: 2026-01-24T00:00:00.000Z updatedDate: 2026-07-23T00:00:00.000Z location: 美国加州旧金山 – 2026 年 1 月 24 日 image: /images/best-models-for-clawdbot-hero.jpg keywords: >- openclaw最佳模型, openclaw最好的模型, openclaw模型推荐, openclaw最佳llm, openclaw模型排名, openclaw最佳ai模型, openclaw模型列表, openclaw支持的模型, openclaw最佳gemini模型, openclaw模型建议, llm选型, claude, gpt, haimaker, 本地ai, ollama faq: - question: 2026 年 OpenClaw 最好的 AI 模型是哪个？ answer: >- 对大多数用户来说，Claude Sonnet 4.6 是最佳默认选择——日常助手任务、编程、多步骤工作它都能胜任，而且不会产生吓人的账单。如果专门做编程，Claude Opus 4.8 值得多花钱，尤其是它的价格已经降到了早期 Opus 系列的大约三分之一。对于高隐私要求的工作，可以通过 haimaker.ai 使用 Qwen3 Coder 或 Kimi K2.7 等开放权重模型。 - question: OpenClaw 最便宜的 AI 模型是哪个？ answer: >- DeepSeek V4 Flash 是最便宜、真正可用的云端选项——每百万 token 不到一美元，便宜到可以花几美元一个月让 Agent 全天候运行。对于开放权重模型，haimaker.ai 提供 MiniMax M3、Qwen3 Coder、DeepSeek V4 等，价格比市场价低 5%。 - question: 如何在 OpenClaw 中添加 haimaker.ai 作为提供商？ answer: >- 在 ~/.openclaw/openclaw.json 的 models.providers 部分添加 haimaker，baseUrl 设为 'https://api.haimaker.ai/v1'，填入你的 API 密钥，API 类型设为 'openai-completions'。然后添加你需要的模型（如 qwen3-coder、llama-3.3-70b）。该 API 与 OpenAI 完全兼容。 - question: 哪个 Gemini 模型最适合 OpenClaw？ answer: >- Gemini 3 Pro 最适合研究和文档分析，因为它拥有 100 万+ token 的上下文窗口。Gemini 3 Flash 更适合高吞吐量的简单任务，每百万 token 仅需 $0.075/$0.30。两者都可以通过 haimaker.ai 或 Google 的 API 直接使用。 - question: 我应该选择哪个 OpenClaw 模型？ answer: >- 日常工作从 Claude Sonnet 4.6 开始。编程用 Claude Opus 4.8。长文档用 Gemini 3.1 Pro。预算有限的任务通过 haimaker.ai 使用 MiniMax M3 或 DeepSeek V4 Flash。大多数用户会同时跑 2-3 个模型，根据任务复杂度灵活切换。 locale: zh-cn translationKey: best-models-for-openclaw --- 每个人都在问该用哪个模型。说实话：取决于你做什么，以及愿意花多少钱。 > **注意：** Clawdbot 已更名为 **OpenClaw**——同样的强大 AI Agent 平台，只是换了个新名字。了解更多请访问 [openclaw.ai](https://openclaw.ai)。 OpenClaw 支持十多个提供商。Anthropic、OpenAI、Google，以及通过 haimaker.ai 接入的开源模型。每个提供商在成本、能力和数据最终去向上各有取舍。 下面聊聊我是怎么选模型的。 ## OpenClaw 支持的模型列表 OpenClaw 可以使用任何由支持的提供商或 OpenAI 兼容接口提供的模型。实际可用的模型列表比默认配置要广得多。 | 提供商 | 推荐入门模型 | 最佳用途 | |---|---|---| | Haimaker | MiniMax M3、Qwen3 Coder、Kimi K2.7、DeepSeek V4 | 一个 API 密钥接入多个低价模型 | | Anthropic | Claude Opus 4.8、Claude Sonnet 4.6 | 编程和高难度 Agent 任务 | | OpenAI | GPT-5.6、GPT-5.5、GPT-5.4 Mini | 通用工作，API 行为稳定 | | Google | Gemini 3 Flash、Gemini 3.1 Pro | 长上下文和免费额度 | | xAI | Grok 4.5、Grok 4.1 Fast、Grok Code Fast | 低价大上下文或代码专用场景 | | DeepSeek | DeepSeek V4 Pro、DeepSeek V4 Flash | 低成本编程和推理备用方案 | | Ollama | Qwen3.6、Gemma 4、gpt-oss | 本地/私有化推理 | 只要模型兼容 OpenAI 接口，规则就很简单：添加提供商，添加模型 ID，再将完整模型名加入白名单。这适用于 Haimaker、Ollama、OpenRouter、Together、私有 vLLM 部署以及大多数托管推理网关。 ## 价格、能力、隐私 这三者相互制约。你也许能优化其中两个，但很少能三者兼得。 #### 价格 token 价格差异巨大。高端 Claude 模型每 token 的价格是 Grok 4.1 Fast 或 DeepSeek V4 Flash 等经济型选项的几十倍——而在很多场景下，两者的输出质量其实差不多。一个值得注意的变化：Claude Opus 4.8 的发布价格约为旧版 Opus 的三分之一，直接缩小了"高端"和"中端"之间的差距。 对于大多数助手任务，中端模型就够了。Claude Sonnet 4.6 以几分之一的成本提供了 Opus 的大部分能力。 #### 能力 基准测试会骗人。对于 OpenClaw 来说，真正重要的是： - **工具调用** – 它能不能正确调用 shell 命令和 API，而不在语法上出错？ - **上下文追踪** – 它是否记得你 50 条消息之前说了什么？ - **代码质量** – 它写的代码能跑吗？ - **速度** – 多久才开始响应？ #### 隐私 云端 API 意味着你的提示词会发送到外部服务器。对于个人财务、健康数据或专有代码来说，这是个问题。你可以自托管开源模型，但那需要硬件投入，也要能接受更高的延迟。 ## 按使用场景推荐 #### 日常助手工作 **Claude Sonnet 4.6**（中端定价） 日历、邮件、研究、通用问答。Sonnet 全都能搞定，费用也不高。速度足够快，适合实时对话；也足够聪明，能处理多步骤任务。 **更便宜的选项：[GPT-5.4 Mini](/blog/gpt-4o-mini-openclaw)**（每百万 token 不到 1 美元档位） 简单任务够用。复杂任务质量会下降，但考虑到价格只有几分之一，有时候这么选就对了。 #### 编程与自动化 **[Claude Opus 4.8](/blog/claude-opus-4-6-openclaw)**（高端档位，但价格只有早期 Opus 系列的约三分之一） 当代码必须能真正跑起来时，Opus 值得多花钱。它处理多文件编辑和复杂调试的能力，是我用过的最好的。而且 4.8 的价格下调，使它完全可以作为日常编程的默认模型，而不是只在特殊场合才用。 **替代方案：** 启用扩展思考模式的 Sonnet 4.6。只在需要更强推理能力时，才为推理 token 多付费。 #### 研究与文档分析 **Gemini 3.1 Pro**（中端定价） 100 万+ token 的上下文窗口让你可以把整个代码库丢给它。它擅长跨长文档提炼和整合信息。 #### OpenClaw 中的 Gemini 模型 如果你在做文档密集型工作，或者想要一个靠谱的中端选项，Google 的 Gemini 系列值得仔细看看。 **Gemini 3.1 Pro** 是主力。百万 token 的上下文窗口意味着你可以把整个仓库喂给它，让它找 bug。长文档分析、合同审查、代码库问答，在上下文长度方面没有对手。 **[Gemini 3 Flash](/blog/gemini-3-flash-preview-openclaw)**（价格远低于 1 美元档位）是速度选项。它便宜、快速，简单任务上表现意外地好。如果你需要处理大量简单查询且不需要深度推理，Flash 完全能胜任。 要通过 haimaker.ai 添加 Gemini 模型，把它们加入你的提供商配置： ```json5 { models: { providers: { haimaker: { // ... existing config models: [ // ... existing models { id: "google/gemini-3-pro", name: "Gemini 3 Pro" }, { id: "google/gemini-3-flash", name: "Gemini 3 Flash" } ] } } } } ``` 如果你更想直接用 Google 的 API，也可以。OpenClaw 原生支持 Google 作为第一方提供商。 #### 使用 OpenClaw 本地运行 Gemma 4 如果你想要零 API 成本，**Gemma 4 + Ollama** 是目前 OpenClaw 最好的本地模型。Google 的 Gemma 4 8B 可以在任何 16GB 统一内存的 Mac 上运行，能处理代码阅读、简单编辑和样板代码生成，而且不会向外部服务器发送任何数据。 安装 Ollama，拉取模型，然后让 OpenClaw 指向它： ```bash ollama pull gemma4 ``` ```json5 { models: { providers: { ollama: { baseUrl: "http://localhost:11434/v1", api: "openai-completions", models: [{ id: "gemma4:latest", name: "Gemma 4 8B", contextWindow: 131072, maxTokens: 8192 }] } } }, agents: { defaults: { model: { primary: "ollama/gemma4:latest" } } } } ``` 完整教程：[如何使用 Ollama 为 OpenClaw 配置 Gemma 4](/blog/gemma-4-ollama-openclaw-setup/)。 #### 隐私敏感型工作 **通过 haimaker.ai 使用 Qwen3 Coder 或 Llama 3.3 70B** 开源模型，经由合规基础设施调用。你的提示词不会被用于训练大型厂商的模型。 如果对隐私要求极高，可以用 Ollama 或 vLLM 自托管。你需要像样的硬件（2 块 A100 或同等配置），并且要能忍受更高的延迟。 **混合方案：** 通用工作用云端 API，敏感任务切换到开源模型。Clawdbot 通过模型覆盖功能让这一点变得很简单。 ## 提供商对比 #### Anthropic（Claude） 高端定价（每百万输出 token $3-$75）。工具调用和指令执行能力最佳。默认不使用 API 数据进行训练。 Claude 已经成为编程 Agent 的默认选择。工具调用就是比其他方案更可靠。 #### OpenAI（GPT） 中端定价（$0.60-$15）。通用性能扎实，响应速度快。[GPT-4o](/blog/gpt-4o-openclaw) 是个不错的多面手。Mini 变体很适合高吞吐量的简单任务。 #### Google（Gemini） 有竞争力的定价（$1.25-$10）。超大上下文窗口是主要卖点。非常适合文档密集型工作流。 #### 通过 haimaker.ai 使用开源模型 比市场价低 5%（每百万 token $0.10-$5）。请求会跨 GPU 提供商路由，以优化成本和延迟。避免了把数据发往美国云厂商的合规风险。 API 完全兼容 OpenAI： ```bash curl https://api.haimaker.ai/v1/chat/completions \ -H "Authorization: Bearer $HAIMAKER_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "llama-3.3-70b", "messages": [{"role": "user", "content": "Hello!"}] }' ``` 将 base URL 换成 `https://api.haimaker.ai/v1` 就搞定了。 在 HAIMAKER 领取 $10 免费额度 ## OpenClaw 配置 在 `~/.openclaw/openclaw.json` 中设置默认模型： ```json5 { agents: { defaults: { model: { primary: "anthropic/claude-sonnet-4-6" } } } } ``` 在会话中切换模型，可使用 `/model opus` 或 `/model haimaker/llama-3.3-70b`。 > **迁移说明：** 如果你是从 Clawdbot 迁移过来的，配置文件会自动迁移。CLI 现在使用 `openclaw` 命令，而不是 `clawdbot` 命令。 #### 在 OpenClaw 中添加 haimaker.ai 作为提供商 ```json5 { env: { HAIMAKER_API_KEY: "sk-..." }, agents: { defaults: { model: { primary: "haimaker/llama-3.3-70b" } } }, models: { mode: "merge", providers: { haimaker: { baseUrl: "https://api.haimaker.ai/v1", apiKey: "${HAIMAKER_API_KEY}", api: "openai-completions", models: [ { id: "llama-3.3-70b", name: "Llama 3.3 70B" }, { id: "qwen3-coder", name: "Qwen3 Coder" }, { id: "mistral-large", name: "Mistral Large" } ] } } } } ``` 不想手动编辑？`npx -y @haimaker/connect --openclaw` 会自动将上述提供商配置块写入 `~/.openclaw/openclaw.json`；[连接指南](/connect)还涵盖了它支持的其他 Agent。 ## 我该选哪个模型？ 如果你还在犹豫，这里有一份快速决策指南： **"我只想要一个能用的"** — Claude Sonnet 4.6。它能很好地处理 80% 的任务，价格也合理。先从这里开始。 **"我在写生产代码"** — Claude Opus 4.8。当你在凌晨两点调试一个棘手的异步问题，而模型第一次就给出了正确答案时，多花的钱就值回来了。 **"我需要处理长文档"** — Gemini 3.1 Pro。没有其他模型能给你一百万 token 的上下文。把整个仓库、整份合同、整段对话都喂给它。 **"我需要免费的"** — [Gemma 4 搭配 Ollama](/blog/gemma-4-ollama-openclaw-setup/) 是目前 OpenClaw 最好的免费本地模型。任何 16GB 的 Mac 都能跑。Gemini Flash 也有免费额度。参见我们的[免费模型指南](/zh-cn/blog/openclaw免费ai模型)。 **"我需要便宜的"** — 简单任务通过 haimaker.ai 使用 MiniMax M3 或 DeepSeek V4 Flash，需要更强推理时用 GLM-5.2。参见我们的[成本对比指南](/blog/cheapest-models-openclaws)。 **"我希望数据保持私密"** — 通过 haimaker.ai 使用 Qwen3 Coder 或 Llama 3.3 70B。或者如果你有硬件，可以[用 Ollama 自托管](/zh-cn/blog/openclaw最佳本地大模型)。 **"我想用 Gemini"** — 追求质量选 Gemini 3.1 Pro，追求速度和成本选 Gemini 3 Flash。两者都可以通过 haimaker.ai 或 Google 的 API 直接使用。 说实话，大多数人应该同时跑两三个模型，根据任务灵活切换。简单任务用便宜模型，日常工作用中端模型，难题用高端模型。Haimaker 的路由引擎让这一切很容易配置。 ## OpenClaw 模型列表 OpenClaw 支持的每个模型的完整定价、配置和用途说明： **Anthropic:** [Claude Opus 4.6](/blog/claude-opus-4-6-openclaw) · [Opus 4.5](/blog/claude-opus-4-5-openclaw) · [Opus 4.1](/blog/claude-opus-4-1-openclaw) · [Sonnet 4.6](/blog/claude-sonnet-4-6-openclaw) · [Sonnet 4.5](/blog/claude-sonnet-4-5-openclaw) · [Haiku 4.5](/blog/claude-haiku-4-5-openclaw) **OpenAI:** [GPT-5.3](/blog/gpt-5-3-chat-openclaw) · [GPT-5 Codex](/blog/gpt-5-codex-openclaw) · [GPT-5 Pro](/blog/gpt-5-pro-openclaw) · [GPT-5](/blog/gpt-5-openclaw) · [GPT-5 Mini](/blog/gpt-5-mini-openclaw) · [GPT-5 Nano](/blog/gpt-5-nano-openclaw) · [GPT-5.4 Pro](/blog/gpt-5.4-pro-openclaw) · [GPT-5.4](/blog/gpt-5.4-openclaw) · [GPT-5.2](/blog/gpt-5.2-openclaw) · [GPT-5.1](/blog/gpt-5.1-openclaw) · [GPT-4.1](/blog/gpt-4.1-openclaw) · [GPT-4.1 Mini](/blog/gpt-4.1-mini-openclaw) · [GPT-4.1 Nano](/blog/gpt-4.1-nano-openclaw) · [GPT-4o](/blog/gpt-4o-openclaw) · [GPT-4o Mini](/blog/gpt-4o-mini-openclaw) · [GPT-4 Turbo](/blog/gpt-4-turbo-openclaw) · [GPT-4](/blog/gpt-4-openclaw) · [o3](/blog/o3-openclaw) · [o3 Mini](/blog/o3-mini-openclaw) · [o4 Mini](/blog/o4-mini-openclaw) · [o1](/blog/o1-openclaw) · [o1 Mini](/blog/o1-mini-openclaw) **Google:** [Gemini 3.1 Pro](/blog/gemini-3.1-pro-preview-openclaw) · [Gemini 3 Flash](/blog/gemini-3-flash-preview-openclaw) · [Gemini 2.5 Pro](/blog/gemini-2.5-pro-openclaw) · [Gemini 2.5 Flash](/blog/gemini-2.5-flash-openclaw) · [Gemini 2.0 Flash](/blog/gemini-2.0-flash-001-openclaw) **xAI:** [Grok 4.20](/blog/grok-4-20-beta-openclaw) · [Grok 4](/blog/grok-4-openclaw) · [Grok 4 Fast](/blog/grok-4-fast-openclaw) · [Grok 4.1 Fast](/blog/grok-4-1-fast-openclaw) · [Grok Code Fast](/blog/grok-code-fast-openclaw) · [Grok 3](/blog/grok-3-openclaw) · [Grok 3 Mini](/blog/grok-3-mini-openclaw) · [Grok 3 Mini Fast](/blog/grok-3-mini-fast-openclaw) · [Grok 2](/blog/grok-2-openclaw) · [Grok 2 Vision](/blog/grok-2-vision-openclaw) **DeepSeek:** [DeepSeek R1](/blog/deepseek-r1-openclaw) · [DeepSeek V3.2](/blog/deepseek-v3.2-openclaw) · [DeepSeek V3.1](/blog/deepseek-chat-v3.1-openclaw) · [DeepSeek V3](/blog/deepseek-chat-openclaw) **MiniMax:** [M2.5](/blog/minimax-m2.5-openclaw) · [M2.5 Lightning](/blog/minimax-m2.5-lightning-openclaw) · [M2.1](/blog/minimax-m2.1-openclaw) · [M2.1 Lightning](/blog/minimax-m2.1-lightning-openclaw) · [M2](/blog/minimax-m2-openclaw) **智谱:** [GLM-5](/blog/glm-5-openclaw) · [GLM-4.7](/blog/glm-4.7-openclaw) · [GLM-4.7 Flash](/blog/glm-4.7-flash-openclaw) · [GLM-4.6](/blog/glm-4.6-openclaw) · [GLM-4.6 Exacto](/blog/glm-4.6-exacto-openclaw) **Meta:** [Llama 4 Maverick](/blog/llama-4-maverick-openclaw) · [Llama 4 Scout](/blog/llama-4-scout-openclaw) **更多:** [Qwen3.5 397B](/blog/qwen3-5-397b-a17b-openclaw) · [Qwen3 Max](/blog/qwen3-max-openclaw) · [Qwen3 Coder](/blog/qwen3-coder-openclaw) · [Qwen3 Coder Plus](/blog/qwen3-coder-plus-openclaw) · [Qwen 2.5 Coder 32B](/blog/qwen-2.5-coder-32b-instruct-openclaw) · [Kimi K2](/blog/kimi-k2-thinking-openclaw) · [Kimi K2.5](/blog/kimi-k2.5-openclaw) · [MiMo V2 Flash](/blog/mimo-v2-flash-openclaw) · [UI-TARS 1.5](/blog/ui-tars-1.5-7b-openclaw) ## 总结 没有最好的模型，只有最适合你当前任务的模型。 - **便宜：** MiniMax M3、DeepSeek V4 Flash，或通过 haimaker.ai 使用开源模型 - **能力强：** Opus 4.8 或 Gemini 3.1 Pro - **隐私：** 通过 haimaker.ai 使用开源模型，或自托管 大多数人应该从 Claude Sonnet 4.6 开始。它能很好地处理大多数任务，而且不会带来吓人的账单。然后根据实际需求再调整。 探索 HAIMAKER --- *准备好搭建你自己的 OpenClaw Agent 了吗？访问 [openclaw.ai](https://openclaw.ai) 开始使用，或查看 [OpenClaw 文档](https://docs.openclaw.ai)了解详细的配置选项。*