Mô hình cục bộ tốt nhất cho OpenClaw: gemma4, gpt-oss:20b và qwen3-coder:30b được đo trên bốn tác vụ agent

Trên M3 Max 128 GB chạy OpenClaw 2026.9.7 với Ollama 0.35.0, gemma4 — mô hình được thiết lập Ollama riêng của OpenClaw đề xuất — vượt qua cả 12 lần chạy được chấm điểm trên bốn tác vụ tác nhân; gpt-oss:20b vượt qua 11/12 lần với số lệnh gọi công cụ thất bại gần gấp ba; còn qwen3-coder:30b, lựa chọn lập trình thường dùng, vượt qua 2/12 lần vì các lệnh gọi công cụ liên tục hỏng trong bộ phân tích cú pháp của Ollama. Chúng tôi chạy mỗi mô hình ba lần trên mỗi tác vụ trong một workspace mới, chấm điểm kết quả bằng tập lệnh, đồng thời ghi lại số lượng lệnh gọi công cụ và token do chính OpenClaw báo cáo cùng nhật ký máy chủ Ollama. Đo vào ngày 1 tháng 10 năm 2026.

Để biết chi phí của chính OpenClaw và chi phí của mô hình lưu trữ thay thế, xem giá OpenClaw; để chạy mô hình cục bộ với API dự phòng, xem nhiều tác nhân và mô hình trong OpenClaw.

Đã chạy những gì

Bốn tác vụ

Kết quả

Thời gian là thời gian thực theo đồng hồ cho mỗi lần chạy, bao gồm khoảng năm đến bảy giây khởi động OpenClaw. “Token đầu vào” là đầu vào chưa được lưu trong bộ nhớ đệm theo ghi nhận của OpenClaw; ngữ cảnh được gửi lại từ bộ nhớ đệm nằm ngoài con số đó và được tính trong phần chi phí bên dưới. Cột lệnh gọi công cụ thất bại đếm các lỗi OpenClaw ghi nhận; các lỗi của qwen3-coder xảy ra trước khi lệnh gọi đến OpenClaw, nên cột này hiển thị bằng không và được giải thích bên dưới.

Các con số cho thấy điều gì

• gemma4 và gpt-oss:20b đều dùng được cho các tác vụ tác nhân ngắn. 23 trong 24 lần chạy của chúng đạt, bao gồm cả lần sửa hai tệp, vốn cần đọc một số mô-đun, chỉnh sửa hai mô-đun và chạy lại bài kiểm thử.
• gemma4 sử dụng công cụ sạch sẽ hơn. Trong tác vụ đọc, nó thực hiện chính xác một lệnh gọi công cụ mỗi lần; gpt-oss thực hiện ba lệnh, trong đó thường có hai lệnh thất bại trước khi đọc tệp. Trên tổng số mười hai lần chạy, gpt-oss có 19 lệnh gọi công cụ thất bại so với 7 của gemma4, và trung bình có 9,1 lượt trả lời của trợ lý mỗi tác vụ so với 6,8 của gemma4.
• Lần thất bại duy nhất là gpt-oss trong tác vụ đếm: sau mười ba lệnh gọi công cụ, nó ghi một counts.json sai định dạng rồi kết thúc lượt mà không trả lời.
• Tốc độ không phải yếu tố phân biệt ở đây. Trung vị 53 giây cho gemma4 và 54 giây cho gpt-oss trên mọi lần chạy; lần chạy đơn lẻ chậm nhất là 133 giây của gemma4 trong lần sửa hai tệp, với mười bảy lệnh gọi công cụ. Các lần chạy của qwen3-coder ngắn hơn chỉ vì chúng thất bại sớm.
• Các mô hình lớn hơn không mang lại độ chính xác cao hơn trong các tác vụ này. gpt-oss:20b có số tham số gần gấp ba gemma4, còn qwen3-coder:30b, được xây dựng cho mã, đạt điểm thấp nhất trong ba mô hình.

Mười hai lần chạy mỗi mô hình đủ để thấy một xu hướng trên các tác vụ này nhưng chưa đủ để xếp hạng mô hình nói chung. Chưa kiểm thử các tác vụ dài, cơ sở mã lớn hơn và các lượng tử hóa khác.

Vì sao qwen3-coder:30b thất bại

Không phải do việc lập trình. Trong mười lần chạy thất bại của nó:

• Năm lần kết thúc trong bộ phân tích cú pháp của Ollama. qwen3-coder viết lệnh gọi công cụ dưới dạng XML, và khi một đối số chứa mã, nó đóng phần tử <parameter> bằng </function>. Nhật ký máy chủ của Ollama 0.35.0 ghi nhận "qwen tool call parsing failed … XML syntax error … element <parameter> closed by </function>", và OpenClaw kết thúc lượt với "Agent run failed".
• Bốn lần không thực hiện được lệnh gọi. Câu trả lời thông báo bước tiếp theo rồi in một </tool_call> đơn độc dưới dạng văn bản, không có gì để Ollama phân tích thành lệnh gọi; lượt kết thúc tại đó. Đây là triệu chứng mà tài liệu OpenClaw liên hệ với URL /v1 — ở đây nó xảy ra trên API gốc.
• Một lần cho câu trả lời sai: nó đếm các dòng tiêu đề CSV là hàng dữ liệu.

Bộ phân tích cú pháp thuộc về Ollama, vì vậy đây là kết quả của Ollama 0.35.0, không phải phán quyết về mô hình. Nếu chạy qwen3-coder với OpenClaw, hãy theo dõi nhật ký của ollama serve để tìm "qwen tool call parsing failed" trước khi đổ lỗi cho mô hình, rồi kiểm thử lại sau khi nâng cấp Ollama.

Thiết lập có ý nghĩa

• URL Ollama gốc. Tài liệu OpenClaw nói URL tương thích OpenAI /v1 "làm hỏng việc gọi công cụ và mô hình có thể phát ra JSON gọi công cụ thô dưới dạng văn bản thuần"; các lần chạy dùng baseUrl không có /v1, cùng với api: "ollama".
• Ghim contextWindow trong các mục cấu hình viết thủ công. Trong một lần kiểm tra nhanh, một mục cấu hình mô hình được khai báo tường minh nhưng không có tham số này được phân giải thành ngữ cảnh 200.000 token; thiết lập Ollama riêng của OpenClaw ghi 32.768 cho các mô hình cục bộ, là giá trị được dùng trong các lần chạy này.
• Ngữ cảnh của Ollama là riêng biệt. Ollama 0.35.0 tải gemma4 và gpt-oss ở 131.072 token, qwen3-coder ở 262.144 — 45.3 GB bộ nhớ thường trú — bất kể 32.768 của OpenClaw; chính điều đó, không phải ngân sách của OpenClaw, quyết định bộ nhớ.
• Sandbox shell. Mô hình cục bộ chạy lệnh shell trên máy của bạn mới là rủi ro thực sự ở đây. Với sandbox.mode: "all", exec chạy trong hình ảnh Docker của OpenClaw và chỉ workspace được gắn vào; hình ảnh được xây dựng một lần bằng lệnh docker build trong tài liệu sandbox của OpenClaw.

// ~/.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" } },
}

Chi phí cục bộ

Mô hình cục bộ thay hóa đơn theo token bằng thời gian, dung lượng đĩa và điện năng. Mỗi lần chạy, OpenClaw ghi nhận khoảng 16.415 token đầu vào chưa được lưu trong bộ nhớ đệm, 78.469 token ngữ cảnh được gửi lại từ bộ nhớ đệm và 1.142 token đầu ra cho gemma4, cùng 13.761, 88.688 và 1.192 cho gpt-oss. Tính gần đúng — bộ tokenizer khác nhau giữa các mô hình — cùng số lượng đó theo mức giá Kunavo của Claude Haiku 4.5 ($0,70 đầu vào, $0,07 từ bộ nhớ đệm, $3,50 đầu ra trên mỗi triệu) tương đương khoảng $0,021 và $0,020 mỗi lần chạy. Không đo công suất; điện năng mỗi lần chạy là watt × giây ÷ 3.600.000 × giá mỗi kWh của bạn.

Mô hình thực tế là dùng mô hình cục bộ làm chính, với mô hình lưu trữ làm dự phòng cho những lượt mà mô hình cục bộ thất bại. OpenClaw nhận danh sách fallbacks cho mỗi tác nhân; khóa Kunavo hoạt động như nhà cung cấp tương thích OpenAI bên cạnh Ollama, tính phí theo token từ số dư trả trước. Chưa có ai tại Kunavo chạy OpenClaw với endpoint của họ — các lần chạy này hoàn toàn cục bộ.

Câu hỏi thường gặp

Chạy ngày 1 tháng 10 năm 2026 trên Apple M3 Max (128 GB): OpenClaw 2026.9.7 (npm, Node 24.21.0), Ollama v0.35.0 (tệp nhị phân bản phát hành), gemma4:latest, gpt-oss:20b và qwen3-coder:30b được tải từ registry của Ollama và kiểm tra bằng sha256. Mỗi lần trong tổng số 36 lần chạy dùng workspace mới và trạng thái OpenClaw mới, exec trong sandbox Docker của OpenClaw và bộ chấm điểm bằng tập lệnh; các lệnh gọi công cụ và số lượng token là đầu ra JSON của chính OpenClaw. Các tài nguyên thiết lập kiểm thử cho tác vụ, bộ chấm điểm và tập lệnh adapter được công bố cùng bằng chứng của trang này. Không đo: công suất tiêu thụ điện, tác vụ dài, các dạng lượng tử hóa khác hoặc máy nhỏ hơn.