🎯 模型選用
🛠️ 部署指南：該選哪個模型？ (Model Landscape)
OpenClaw 是模型不可知 (Model-agnostic) 的，但社群的「身體」非常誠實。以下是 2026 年初的部署勢力分佈：
1 🥇 Claude (Anthropic) — 「靈魂伴侶」: - 主流選用: Claude Sonnet 4 / 4.5。 - 理由: 目前公認 Tool-calling 邏輯最穩、最懂龍蝦指令的模型。雖然東家最近在打官司，但代碼能力依然是龍蝦的首選心臟。
2 🥈 GPT (OpenAI) — 「穩健老將」: - 主流選用: GPT-4o / GPT-5.4 (Thinking)。 - 理由: 儘管 Peter 本人去了 OpenAI，GPT 在代碼生成的嚴謹度與社群支援度依然頂尖。o1-series 的推理能力在複雜自動化任務中表現亮眼。
3 🥉 Gemini (Google) — 「CP 值與長文本之王」: - 主流選用: Gemini 2.5 / 3 Flash / Pro。 - 理由: 憑藉 1M+ 超長上下文，處理超長 Log 檔案時有無解優勢。Gemini 3 Flash 在最新 OpenClaw 任務測試中跑出 95.1% 的超高成功率，且 API 費用極具競爭力。
4 🏅 DeepSeek / Kimi / MiniMax — 「區域黑馬」: - 理由: 在亞太地區部署極快，且 API 價格極低（甚至有各種免費活動），是「雲上養蝦」低預算的救星。
5 🏠 Ollama (Local) — 「隱私至上派」: - 理由: 最新版已支援 MiniMax, Kimi, GLM, Qwen3 等多樣化模型。適合極度重視隱私、想脫離 API 監控，或想試玩最新亞太模型全家桶的開發者。
🧠 實戰經驗：模型參數與「蝦力」對照表
🖥️ NVIDIA 官方推薦：DGX Spark 地端神機記憶體選型清單
Nvidia 官方提供的 OpenClaw on DGX Spark 指南 建議模型如下：
| GPU Memory | Suggested model | Model size | Notes |
|---|---|---|---|
| 8–12 GB | qwen3-4B-Thinking-2507 |
~5GB | — |
| 16 GB | gpt-oss-20b |
~12GB | Lower latency, good for interactive use |
| 24–48 GB | Nemotron-3-Nano-30B-A3B |
~20GB | — |
| 128 GB | gpt-oss-120b |
~65GB | Best quality on DGX Spark (quantized); leaves ~63GB for context window and other processes; use 20B/30B if you prefer faster responses |
品質與延遲的取捨 (Quality vs. latency): 120B 模型提供最佳的準確度與能力，但每個 token 的延遲較高。如果你喜歡反應更靈敏的代理人，可以使用
gpt-oss-20b(或 30B 模型)，這兩者都能在 DGX Spark 上輕鬆運行，並保有充足的記憶體餘裕。
一般社群參數經驗值
| 參數規模 | 戰力等級 | 實戰評價 (蝦力) |
|---|---|---|
| < 30B (如 9B, 14B, 27B) | 💬 聊天吹水 | 聊天很溜，但 Tool-calling 邏輯常斷片，無法達到人類期待的 "Agent" 水準。 |
| 30B - 70B | 🛠️ 生活幫手 | 基本操作 OK。查資料、設提醒、簡單單步任務轉動順暢。中階地端設備的甜蜜點。 |
| 70B - 100B | 💼 進階助理 | 處理複雜流程。可應付 Office 自動化、一般事務。能寫簡單 code，但對大型 Skills 協作仍顯吃力。 |
| > 100B+ (雲端 SOTA) | 🦞 全能龍蝦王 | 全天候代理自由。具備多模態，寫程式、提 PR、直接 Push 迭代全包。真正能「放手讓龍蝦自己跑」的唯一等級。 |
龍蝦觀點: 地端是為了隱私與省錢，雲端是為了真正的「代理自由」。如果你家裡沒有 128GB 以上的記憶體，重要任務還是建議交給雲端大腦。🦞💡
小建議:
-
新手推薦從 Claude Sonnet 開始，穩定性最高；需要處理超長專案代碼庫時，切換到 Gemini Pro 會讓你有新世界的感覺。
-
⚠️ 安全提醒: 既然都要用雲端模型，請務必守好你的 API Key！這兩天爆出的 8.2 萬美金盜刷案就是血淋淋的教訓（見最新危機），建議設定每月消費上限。
-
地端玩家: 現在 Ollama 最新版已支援 MiniMax、Kimi、GLM 與 Qwen3 家族模型。特別適合擁有 Mac mini (建議 64GB+ 記憶體) 或 DGX Spark (128GB) 等高效能裝置的用戶，讓你徹底擺脫 API 費用煩惱且極具隱私；即便不跑地端，選用他們的雲端 API 也是極致便宜的選擇。這是龍蝦農場不想被帳單嚇醒的最佳方案。🦞✨
-
上下文設定: 不管用哪種模型，Context Size 建議最少設定在 64K 以上，龍蝦才能在長對話中保持記憶不失憶。🦞🧠