OpenClawに最適なローカルモデル：gemma4、gpt-oss:20b、qwen3-coder:30bを4つのエージェントタスクで測定

128 GBのM3 MaxでOpenClaw 2026.9.7とOllama 0.35.0を実行したところ、OpenClaw自身のOllamaセットアップが推奨するモデルgemma4は、4つのエージェントタスクにわたる評価済み12回の実行すべてに合格しました。gpt-oss:20bは12回中11回に合格しましたが、失敗したツール呼び出しはgemma4のほぼ3倍でした。通常コード向けに選ばれるqwen3-coder:30bは、Ollamaのパーサーでツール呼び出しが繰り返し壊れたため、12回中2回に合格しました。各モデルを各タスクで、新しいワークスペースを使って3回ずつ実行し、スクリプトで結果を評価しました。OpenClaw自身が記録したツール呼び出し数とトークン数、およびOllamaのサーバーログを記録しました。測定日は2026年10月1日です。

OpenClaw自体の料金と、代わりにホスト型モデルを使う場合の料金についてはOpenClawの料金を、ローカルモデルをAPIフォールバック付きで実行する方法についてはOpenClawで複数のエージェントとモデルを使うをご覧ください。

実行内容

4つのタスク

結果

時間は、OpenClawの起動に約5〜7秒を含む、実行ごとの経過時間です。「入力トークン」はOpenClawが記録したキャッシュされていない入力です。キャッシュから再送信されたコンテキストはこれに加算され、下記のコストセクションで計上されます。失敗ツール呼び出しの列は、OpenClawが記録した失敗を数えます。qwen3-coderの失敗は呼び出しがOpenClawに到達する前に発生したため、ここでは0と表示され、詳細は下記で説明します。

数値が示すこと

• gemma4とgpt-oss:20bは、短いエージェントタスクにどちらも使用できます。24回中23回に合格し、複数のモジュールを読み、2つを編集してテストを再実行する必要がある2ファイル修正も含まれます。
• gemma4のほうがツールをきれいに使いました。読み取りタスクでは毎回正確に1回のツール呼び出しを行いました。gpt-ossは3回呼び出し、そのうち通常2回はファイルを読む前に失敗しました。12回の実行全体で、gpt-ossの失敗ツール呼び出しは19回、gemma4は7回でした。また、タスクあたりのアシスタントターン数はgpt-ossが平均9.1、gemma4が6.8でした。
• 唯一の失敗は、カウントタスクでのgpt-ossでした。13回のツール呼び出し後、形式不正のcounts.jsonを書き込み、返答なしでターンを終了しました。
• ここでは速度は差別化要因ではありません。全実行での中央値はgemma4が53秒、gpt-ossが54秒でした。最も遅い単一実行は、2ファイル修正におけるgemma4の133秒で、ツール呼び出しは17回でした。qwen3-coderの実行が短かったのは、早期に失敗したためにすぎません。
• これらのタスクでは、より大きなモデルによって精度が向上しませんでした。gpt-oss:20bはgemma4のほぼ3倍のパラメータ数を持ち、コード向けに構築されたqwen3-coder:30bは3モデル中で最低でした。

モデルあたり12回の実行は、これらのタスクで傾向を見るには十分ですが、モデル全般の順位付けには不十分です。長いタスク、より大きなコードベース、その他の量子化はテストしていません。

qwen3-coder:30bが失敗した理由

コーディングが原因ではありません。失敗した10回のうち：

• 5回はOllamaのパーサーで終了しました。qwen3-coderはツール呼び出しをXMLとして書き、引数にコードが含まれると<parameter>要素を</function>で閉じました。Ollama 0.35.0のサーバーログには「qwen tool call parsing failed … XML syntax error … element <parameter> closed by </function>」と記録され、OpenClawは「Agent run failed」でターンを終了しました。
• 4回は呼び出しを一度も行いませんでした。返答で次のステップを示した後、裸の</tool_call>をテキストとして出力し、Ollamaが呼び出しとして解析できるものはありませんでした。そこでターンが終了しました。これは、OpenClawのドキュメントが/v1URLに関連付けている症状ですが、ここではネイティブAPIで発生しました。
• 1回は誤答でした。CSVのヘッダー行をデータ行として数えました。

パーサーはOllamaのものなので、これはモデルへの判定ではなくOllama 0.35.0での結果です。OpenClawでqwen3-coderを実行する場合は、モデルを責める前にollama serveのログで「qwen tool call parsing failed」を確認し、Ollamaをアップグレードして再テストしてください。

重要だった設定

• ネイティブOllama URL。OpenClawのドキュメントでは、/v1 OpenAI互換URLは「ツール呼び出しを壊し、モデルが生のツール呼び出しJSONをプレーンテキストとして出力する可能性がある」と説明されています。実行では/v1なしのbaseUrlを、api: "ollama"とあわせて使用しました。
• 手書きのエントリではcontextWindowを固定する。スモークテストでは、それを指定しない明示的なモデルエントリが200,000トークンのコンテキストになりました。OpenClaw独自のOllama設定ではローカルモデルに32,768が書き込まれ、今回の実行でもそれを使いました。
• Ollamaのコンテキストは別です。Ollama 0.35.0は、OpenClawの32,768に関係なく、gemma4とgpt-ossを131,072トークン、qwen3-coderを262,144（常駐45.3 GB）でロードしました。メモリを決めるのはOpenClawの予算ではなく、こちらです。
• シェルをサンドボックス化する。ローカルモデルが自分のマシンでシェルコマンドを実行することが、ここでの本当のリスクです。sandbox.mode: "all"を使うと、execはワークスペースだけをマウントしたOpenClawのDockerイメージ内で実行されます。イメージはOpenClawのサンドボックスドキュメントにあるdocker buildコマンドで一度ビルドします。

// ~/.openclaw/openclaw.json — the runs used one model per config; the
// fallbacks line shows the pattern and was not part of the measured runs
{
  models: { providers: { ollama: {
    apiKey: "ollama-local",
    baseUrl: "http://127.0.0.1:11434",   // native Ollama URL — no /v1
    api: "ollama",
    timeoutSeconds: 600,
    models: [
      { id: "gemma4:latest", name: "gemma4:latest", contextWindow: 32768, maxTokens: 8192,
        params: { keep_alive: "30m" } },
      { id: "gpt-oss:20b",   name: "gpt-oss:20b",   contextWindow: 32768, maxTokens: 8192,
        params: { keep_alive: "30m" } },
    ],
  } } },
  agents: { defaults: {
    model: { primary: "ollama/gemma4:latest", fallbacks: ["ollama/gpt-oss:20b"] },
    sandbox: { mode: "all", workspaceAccess: "rw" },   // shell runs in Docker
  } },
  tools: { exec: { mode: "full" } },
}

ローカルでかかる費用

ローカルモデルでは、トークン単位の請求が時間、ディスク、電力に置き換わります。1回の実行について、OpenClawが記録したgemma4の値は、キャッシュされていない入力トークン約16,415、再送信されたキャッシュコンテキスト78,469トークン、出力1,142トークンでした。gpt-ossではそれぞれ13,761、88,688、1,192でした。概算として（モデル間でトークナイザーが異なるため）、同じ件数をClaude Haiku 4.5のKunavo料金（100万あたり入力$0.70、キャッシュ$0.07、出力$3.50）で計算すると、1回あたり約$0.021と$0.020になります。電力は測定していません。1回あたりの電気料金は、ワット数 × 秒数 ÷ 3,600,000 × 1 kWhあたりの価格です。

実用的なパターンは、ローカルモデルを主系にし、ローカルモデルが失敗したターンにホスト型モデルをフォールバックとして使うことです。OpenClawはエージェントごとにfallbacksのリストを受け取ります。KunavoキーはOllamaと並ぶOpenAI互換プロバイダーとして機能し、前払い残高からトークン単位で請求されます。Kunavoでは、OpenClawをそのエンドポイントに接続して実行した人はいません。今回の実行は完全にローカルでした。

よくある質問

2026年10月1日、Apple M3 Max（128 GB）で実行しました。使用したのはOpenClaw 2026.9.7（npm、Node 24.21.0）、Ollama v0.35.0（リリースバイナリ）、およびOllamaレジストリから取得してsha256で確認したgemma4:latest、gpt-oss:20b、qwen3-coder:30bです。36回の各実行では、新しいワークスペースと新しいOpenClaw状態を使い、execをOpenClawのDockerサンドボックス内で実行し、スクリプトで採点しました。ツール呼び出しとトークン数はOpenClaw自身のJSON出力に基づきます。タスクのフィクスチャ、採点スクリプト、アダプタースクリプトは、このページの検証資料とともに公開されています。未測定：消費電力、長いタスク、その他の量子化、より小規模なマシン。