Agent Zero 和 OpenClaw 都採用 MIT 授權，且都可免費安裝；兩者也不是在競爭同一項工作：Agent Zero 為單一代理提供一台可在其中工作的容器化 Linux 電腦，而 OpenClaw 則在你擁有的硬體上執行持久閘道，並透過聊天頻道與你連接。 需要代理操作一台電腦時，選擇 Agent Zero。需要一個隨時可連線的助理時，選擇 OpenClaw。無論哪一種情況，固定支出都是模型 token 加上執行它的主機費用，還未計入你自行新增的任何付費工具 API。
於 2026 年 9 月 21 日檢查此頁面時，兩個專案都仍活躍。Agent Zero 儲存庫並未封存，前一天曾有推送；最新標記版本為 v2.12（發布於 2026 年 9 月 9 日，之前為 8 月 27 日的 v2.11）。OpenClaw 儲存庫同樣未封存，且當天曾有推送。同日從 GitHub API 讀取的 Star 數分別為 19,225 和 390,183；這些數字每天都會變動，是人氣指標，而非品質指標。
有兩個版本細節很容易誤讀。OpenClaw 提供多個更新頻道，該文件將穩定頻道對應到 npm dist-tag latest，而 extended-stable 是獨立的標籤。2026 年 9 月 21 日，登錄庫列出的 latest 為 2026.9.5、extended-stable 為 2026.6.35；每個標籤的指向都會獨立更新，因此應讀取 dist-tag，而不要從版本號推斷頻道。另一方面，兩個 LICENSE 檔案都包含 MIT 條款——Agent Zero 以 Agent Zero, s.r.o. 的名義列出，OpenClaw 以 OpenClaw Foundation 的名義列出——但 GitHub 的授權 API 對兩個儲存庫都回報 NOASSERTION。如果授權涉及採購決策，請閱讀 LICENSE 檔案而不是徽章，並向你自己的法律顧問確認。
確認你比較的是正確的兩個專案
有四種事物的名稱非常相近，足以讓搜尋方向偏離。其中三種是 GitHub 儲存庫；截至 2026 年 9 月 21 日讀取其中繼資料時，這三個都未封存；第四種根本不是軟體專案。
- OpenClaw，1997 年的遊戲引擎。 pjasicek/OpenClaw 是 Captain Claw 平台遊戲的 C++ 重新實作。它建立於 2017 年，比該助理早了好幾年，是無關的遊戲程式碼。
- 自稱為 OpenClaw 的代幣。 該專案表示自己沒有代幣，而其歷史頁面記錄了騙徒在 2026 年 1 月更名後幾分鐘內推出 $OPENCLAW 代幣。任何以此名稱行銷的預售或空投都不是該專案。
- Agent0，研究專案。 aiming-lab/Agent0 是一系列採用 Apache-2.0 授權、研究自我演化代理的學術專案。組織名稱只比
agent0ai少一個字元，但完全是另一回事。 - Space Agent。 agent0ai/space-agent 由同一團隊開發，其 README 指向一個可用訪客帳戶試用的託管示範伺服器。它收取的任何費用都是 Space Agent 的定價，不是 Agent Zero 的定價。
誰應該選哪一個
你需要代理操作一台電腦。 選擇 Agent Zero。其安裝文件開頭即說明 Agent Zero 以 Docker 容器執行，而 README 將它在 Canvas 中開啟的桌面描述為該容器內執行的真實 XFCE 工作階段，並明確表示不是遠端 VM。連接你的主機是另一個需主動選用的功能：README 指向 A0 CLI 連接器，需在主機上而不是容器內執行。這項能力的代價是容器：VPS 部署指南列出的最低需求為 2 GB RAM、20 GB 儲存空間和 1 vCPU，建議使用 4+ GB、50+ GB 和 2+ vCPU。
你需要一個隨時可連線且託管成本低廉的助理。 選擇 OpenClaw。其首次執行常見問題列出絕對最低需求：1 GB RAM、1 個核心、500 MB 可用磁碟空間和 64 位元作業系統。取捨在於權限模型：沙箱預設關閉，工具執行會在主機上進行，而且文件明確指出，啟用後的沙箱也不是完美的安全邊界。無論哪種情況，閘道程序本身始終留在主機上。
你正在根據成本或遷移工作量做選擇。 兩者的軟體費用都是 $0，因此決策取決於後續因素。Agent Zero 至少需要設定兩個付費模型欄位，才能有良好表現；其內建的 Context Window 外掛會回報 token 數量和完整視窗拆解，只有在供應商回報用量且 LiteLLM 對模型完成映射時才會顯示價格。OpenClaw 只需一個模型即可開始，並內建 /status、/usage cost 和 Control UI 用量面板；OpenClaw 自行計算的支出數字是從工作階段記錄彙整而來的估算值，供應商提供用量或配額時，會在旁邊顯示。遷移方面：Agent Zero 的狀態位於 Docker 命名磁碟區，而 OpenClaw 將標準記憶體以工作區中的純 Markdown 檔案保存（MEMORY.md 和 memory/*.md，並索引至衍生的 SQLite 儲存區），這更容易閱讀、比較差異並攜帶到其他地方。
並列比較
| 面向 | Agent Zero | OpenClaw |
|---|---|---|
| 產品形態 | 代理在其中工作的框架與工作台；提供 Web UI，以及桌面啟動器和主機端 CLI 連接器 | 透過聊天頻道連接你的 Node CLI 與閘道 |
| 執行環境 | Docker 容器，以一個 docker run 啟動並掛載命名磁碟區 | 以 npm 套件安裝；文件列出的最低需求為 Node 24.16+ 或 26.1+，建議使用 Node 26 |
| 執行邊界 | 隔離是預設設定：框架在容器中執行，而主機存取需要另外選用連接器 | 工具預設在主機上執行；沙箱需主動選用，涵蓋 exec、檔案和程序工具，但永遠不涵蓋閘道本身 |
| 不受信任的輸入 | 專案建議維持容器化，且不要掛載整個家目錄 | 在實作配對 API 的頻道上，dmPolicy 預設為 pairing：未知寄件者會取得一組代碼，在操作員核准前，其訊息不會被處理 |
| 多使用者 | 設定結構描述定義一組 UI 登入帳號與密碼，以及一組容器 root 密碼，但沒有按使用者劃分的角色 | 團隊使用是對同一產品進行設定，而不是獨立版本；一個閘道就是一個信任網域 |
| 費用可見性 | 內建 Context Window 外掛：token 數量和完整視窗拆解；只有在供應商回報用量且 LiteLLM 對模型完成映射時才會顯示價格 | 內建：/status、/usage cost 和 Control UI 用量面板；OpenClaw 自身的成本數字是從工作階段記錄得出的估算值，供應商提供用量時會與供應商回報的用量並列顯示 |
| 付費版本 | 未發布任何版本。存在免費的第一方 LLM 端點，但必須質押專案 token 才能使用 | 沒有。該專案表示沒有付費層級、託管服務或 token |
本表來源均於 2026 年 9 月 21 日閱讀：兩份 README、Agent Zero VPS 部署（其驗證章節說明單一登入帳號與密碼；容器 root 密碼則是上方所連安裝文件中列出的設定）、Context Window 外掛 README、OpenClaw 的沙箱範圍、OpenClaw DM 存取控制、OpenClaw 團隊以及OpenClaw 用量追蹤。
模型角色分工才是真正的差異
這是兩個產品差異最大的地方，也是功能清單會掩蓋決策的地方。Agent Zero 將模型分組為預設組合，其模型預設組合指南指出，每個設定都包含主要模型、工具模型和嵌入模型，因此切換預設組合時會一併切換。OpenClaw 的欄位則是獨立的設定鍵，其代理模型參考文件有說明。
| 角色 | Agent Zero | OpenClaw |
|---|---|---|
| 主要模型 | 目前預設組合中的聊天欄位：對話、推理和工具使用 | agents.defaults.model.primary，以及依序嘗試的 fallbacks 清單 |
| 工具模型 | 每個預設組合中的第二個欄位，用於摘要和記憶管理等內部工作 | utilityModel 為選用項目；未設定時，若供應商有宣告小型模型，OpenClaw 會衍生使用主要供應商宣告的小型模型；空字串則停用工具模型路由 |
| 嵌入與記憶搜尋 | 每個預設組合中的第三個欄位；隨附預設值是執行於 CPU 上的本機模型，變更後會重新索引已儲存的記憶 | 在 memory.search.provider 下個別設定；受管理的本機 GGUF 是其中一個選項，而 none 會保留僅限關鍵字的排名 |
| 媒體 | 選用的Browser LLM Preset可將瀏覽器輔助工作路由到其他地方；安裝文件指出，內建 Browser 沒有自己的獨立預設模型欄位 | 選用的 imageModel、pdfModel 和 mediaModels 項目，每一項都是字串，或由 primary 加上有順序的 fallbacks 組成的物件 |
工具模型欄位有一項實際影響：Agent Zero 安裝文件警告，非常小的模型（文件以 4B 為例）無法可靠地完成記憶擷取與整合，並建議改用 70B 級模型或強大的雲端 flash/mini 模型，因此不能盲目在此節省成本。
Kunavo 不提供嵌入模型。該端點沒有任何已啟用的模型支援，因此請求會被拒絕而不是獲得回答，第三個欄位也不是你可以在這裡購買的項目。兩個產品都記錄了這一步的本機選項，應採用這條路徑。
Agent Zero 的精選預設組合——在不存在已儲存集合時，會從該公開儲存庫下載——列出特定參照：Default 將 GPT-5.6 Terra 聊天模型與 Google flash-lite 工具模型配對，Power 將 GPT-5.6 Sol 與 GPT-5.6 Luna 配對，Efficiency 則將 GLM 聊天模型與 DeepSeek 工具模型配對。檔案以它所使用的 OpenRouter 格式寫入這些模型（openai/gpt-5.6-sol），因此照原樣來看，沒有任何預設組合參照是 Kunavo ID。Kunavo 目錄包含 GPT-5.6 Terra、Sol 和 GPT-6 Astra，但沒有 GPT-5.6 Luna、flash-lite、GLM 或 DeepSeek 模型。因此，Power 和 Default 預設組合都會保留其主要模型的 Kunavo 自有 ID，並需要替代的工具模型；Efficiency 預設組合則完全無法對應。
每個產品實際要花多少錢
兩邊的軟體費用都是 $0。OpenClaw 表示它沒有訂閱、託管層級或 token，並在 README 中重申此點，同時註明 Foundation 是獨立的 501(c)(3)，而 OpenAI 是捐助者而非所有者。Agent Zero 沒有發布定價頁面或付費方案。
Agent Zero 確實營運一個第一方 LLM 端點。其首頁將它列為「LLM API (beta)」，但未說明價格或存取條件。條款頁面則同時提供兩者：這是提供給持有並質押專案 A0T 代幣者的免費額外功能，只作為第三方 API 的代理，配額會動態決定且不保證，並且沒有客戶支援、服務水準協議或退款。在假設 beta 標籤代表可購買的端點前，請先閱讀條款。A0T 是以太坊 Base 第二層網路上的 ERC-20 代幣，其代幣頁面警告價值可能降至零，且不受任何保證或補償機制保障。上述內容是在描述這項存取門檻的機制；本指南不為其定價、不予推薦，也不將其視為購買推論服務的方式。
| 項目 | Agent Zero | OpenClaw |
|---|---|---|
| 軟體授權 | $0，MIT | $0，MIT |
| 文件所列硬體最低需求 | 2 GB RAM、20 GB 儲存空間、1 vCPU；建議使用 4+ GB、50+ GB、2+ vCPU | 1 GB RAM、1 個核心、500 MB 可用磁碟空間、64 位元作業系統 |
| 模型權杖 | 實際使用時至少需要兩個付費欄位 | 一個主要模型；工具模型為選用項目 |
| 你新增的付費工具 | 你自己的帳戶 | 你自己的帳戶 |
至於 token 部分，以下是以Kunavo 目錄價格計算的示意月份。假設主要模型使用 8 百萬個未快取輸入 token 和 400,000 個輸出 token，工具模型使用 2 百萬個輸入 token 和 200,000 個輸出 token。本頁沒有測量任何一個代理迴圈，因此以下每個數字都應視為對假設工作負載進行的算術計算，而不是實測任務成本，也不是帳單上限。
| 主要模型 | 工具模型 | 主要模型費率，每 1M token 的輸入／輸出 | 估計每月費用 |
|---|---|---|---|
| GPT-5.6 Terra | Claude Haiku 4.5 | $0.70 / $4.20 | $9.38 |
| GPT-5.6 Sol | Claude Haiku 4.5 | $2.00 / $12.00 | $22.90 |
| GPT-6 Astra | Claude Haiku 4.5 | $4.00 / $20.00 | $42.10 |
| GPT-6 Astra | GPT-5.6 Terra | $4.00 / $20.00 | $42.24 |
最後兩列才是有用的列。將工具模型從 Claude Haiku 4.5 換成 GPT-5.6 Terra，總額大約會變動一美元，因為在這種分配中，大部分 token 都由主要模型承擔。除非你的工作負載聊天量異常低，否則最佳化第二個欄位不是省錢的重點。另請注意，較低的列示費率並不等同於完成任務的成本較低：需要第二次嘗試的較弱主要模型，成本可能高於一次完成任務的較強模型。
讓任一產品指向單一 OpenAI 相容端點
兩個產品都能透過不同路徑指向一個閘道。以下內容是截至 2026 年 9 月 21 日從各專案自己的設定檔與文件中讀取的。Kunavo 尚未讓任一用戶端完成端到端執行，因此這是文件記載的通訊協定，而非已驗證的相容性結果——試用期間請保留你目前可運作的路徑。
Agent Zero。遠端模型呼叫會經由 LiteLLM（models.py 會繞過它，改走本機 sentence-transformers 路徑），而你要使用的供應商是 Other OpenAI compatible——設定 ID other 位於 conf/model_providers.yaml，其中其 litellm_provider 為 openai。在 models.py 中，該 ID 會在 LiteLLM 呼叫前重新映射為 openai，而你的模型名稱會原樣傳遞。安裝文件將金鑰放在 External Services 下的 Other OpenAI-compatible API keys，並在模型設定中將 OpenAI Compatible 選為供應商。Base URL 是按欄位設定的 API URL。至於模型 ID 本身，Agent Zero 的疑難排解文件涵蓋的是另一組供應商——其中說明 openai/gpt-5.3 對 OpenRouter 正確，對原生 OpenAI 供應商則不正確，後者不使用前綴——且沒有記錄 Other OpenAI compatible 的 ID 格式，因此請使用你自己的閘道模型清單回傳的 ID。設定 Base URL 也會使選擇器使用 bearer token 從該 Base URL 請求模型清單，這點由模型搜尋端點說明。以下的環境變數路徑取自 models.py，其中 get_api_key 會依序解析三種拼法，並對逗號分隔的值採輪詢方式。
# Agent Zero resolves the key for provider id `other` from the first
# spelling it finds, in this order. A comma-separated value is
# round-robined across calls.
API_KEY_OTHER=your-kunavo-key
# OTHER_API_KEY=your-kunavo-key
# OTHER_API_TOKEN=your-kunavo-key
# The API URL field on each model slot (stored as api_base in the
# preset file) takes the OpenAI-shaped base: https://api.kunavo.com/v1OpenClaw。在 JSON5 設定中的 models.providers 下註冊一個區塊，填入 baseUrl、apiKey、在 api 中指定介面卡，以及在憑證必須放入 Authorization 標頭時設定 authHeader——這四項都列於自訂供應商欄位參考中；該文件也指出，沒有 api 的 baseUrl 預設為 openai-completions。之後使用的參照值是 provider/model。Kunavo 的 Messages 形狀路由起始設定，以及驗證與重新啟動指令，已寫在OpenClaw 的最佳 API指南中。
遷移前值得了解 OpenClaw 的五項限制，全部來自其自訂供應商參考和路由規則。Codex 代理執行環境無法從自訂端點連線；如果你要求使用它，系統會安全失敗。在非原生 completions 端點上，OpenClaw 會強制關閉 developer 角色，並丟棄 service-tier、store 和 prompt-cache 提示。在非直接 Anthropic 形狀端點上，除非你自行設定，否則它會抑制隱含的 beta 標頭。省略每個模型的 cost 時，預設值全部為零；而用量文件將記錄的零美元成本視為有效成本資料，因此 /usage cost 對該路由會回報 $0，而不是將其標記為未定價。你設定的 baseUrl 本身就是網路信任決策：OpenClaw 會透過受防護的 fetch 路徑信任該確切的 scheme://host:port 來源，而其他私人、迴路或不同連接埠的目的地仍需明確啟用 request.allowPrivateNetwork。
如果你決定讓任一工具指向單一 OpenAI 相容端點，請建立 Kunavo 帳戶。最低要求是$10 的預付儲值，不含訂閱；帳務說明為何目錄估算是下限而非上限。
這項比較無法證明的事項
本頁沒有針對任一產品進行執行階段測試。具體而言，尚未驗證：對於任何指定模型，Agent Zero 的工具呼叫迴圈是否能透過第三方 OpenAI 相容端點完成端到端執行；其模型選擇器是否能解析特定閘道的模型清單；其原生 Anthropic 供應商是否接受自訂 API URL，而它自己的 UI 提示並未說明這一點。在 OpenClaw 方面，本文未測試透過非直接連線、採用 Anthropic 介面格式的端點時的提示快取行為，而該行為會與上述遭抑制的 beta 標頭互相作用。兩個迴圈每項任務的 token 消耗都未測量。Star 數、版本號、npm dist-tag 和硬體最低需求都是於 2026 年 9 月 21 日取得的單次讀值，之後都會變動。
對於相鄰的決策，OpenClaw 定價涵蓋其完整營運帳單，OpenClaw 替代方案涵蓋更廣泛的選擇，而OpenAI 相容 API 參考則涵蓋兩個產品所使用的端點形狀。
常見問題
Agent Zero 和 OpenClaw 哪個比較好？
它們回答的是不同問題，因此沒有哪一個普遍較好。Agent Zero 以 Docker 容器執行，並在容器內提供一個真正的 Linux 桌面工作階段給代理，適合需要操作一台機器的工作。OpenClaw 會在您已擁有的硬體上執行閘道程序，並透過聊天頻道與您連線，適合全天候運作的助理。兩者都採用 MIT 授權；在這兩種情況下，您支付的是模型權杖、執行它的機器，以及您自行串接的任何付費工具 API。
OpenClaw 與 Clawdbot 或 Moltbot 是同一個專案嗎？
是。專案自己的歷史頁面記錄了它曾名為 Clawd 並存在於 Clawdbot 中，之後 Anthropic 因商標問題要求更名，於 2026 年 1 月 27 日改名為 Moltbot，並於 2026 年 1 月 30 日成為 OpenClaw。npm registry 證實了這條時間線：clawdbot 套件建立於 2026 年 1 月 4 日，moltbot 建立於 2026 年 1 月 27 日，openclaw 建立於 2026 年 1 月 29 日。使用舊名稱的安裝指示已過時。
使用 Agent Zero 或 OpenClaw 需要付費嗎？
兩者都不會對軟體本身收費。OpenClaw 表示沒有付費層級、沒有託管服務，也沒有代幣，其 LICENSE 採用 MIT 條款。Agent Zero 由 Agent Zero, s.r.o. 採 MIT 授權，且沒有發布定價頁或付費方案。在這兩種情況下，您支付的是模型 API 權杖、執行代理的機器，以及您自行串接的任何付費工具 API。
Agent Zero 和 OpenClaw 可以共用一組 API 金鑰嗎？
兩個產品都記載了連接相容 OpenAI 端點的方式，因此原則上同一個閘道金鑰可以供兩者使用。Agent Zero 提供名為 Other OpenAI compatible 的供應商，其基底 URL 是每個模型插槽的欄位。OpenClaw 則在 models.providers 下註冊自訂供應商，並設定 baseUrl 與 apiKey。Kunavo 尚未對任一用戶端進行端到端測試，因此請將其視為文件記載的設定方式，而非已驗證的相容性結果。
每個產品需要設定多少個模型？
Agent Zero 使用模型預設組合，其模型預設指南指出，每個設定都包含三個模型：主要聊天模型、用於記憶整合等內部工作的工具模型，以及嵌入模型；隨附的嵌入模型預設值會在 CPU 上本機執行。OpenClaw 需要一個主要模型；工具模型為可選項，若未設定，OpenClaw 會在該供應商有宣告小型模型時，採用主要供應商宣告的小型模型。OpenClaw 另有圖像、PDF 與其他媒體的獨立可選插槽。
既然同一團隊推出了 Space Agent，Agent Zero 現在是不是已經被放棄了？
不是。截至 2026 年 9 月 21 日，Agent Zero 儲存庫並未封存，前一天曾有推送，並且在 2026 年 9 月 9 日發布了 v2.12，之前則於 8 月 27 日發布 v2.11。其 README 確實稱 Space Agent 為「相關且更完善的產品方向」，同時表示 Agent Zero「仍是開放框架與由 Linux 驅動的工作台」。Space Agent 是 space-agent.ai 上的獨立產品；它收取的任何費用都不是 Agent Zero 的定價。
儲存庫中繼資料、發布標籤、npm dist-tag 及兩個專案的官方文件均於 2026 年 9 月 21 日檢查。Kunavo 費率取自即時模型目錄；每月總額是根據明示假設進行的 token 算術計算，而非實測任務成本。