OpenClaw 的最佳本機模型：在四項代理任務上測量 gemma4、gpt-oss:20b 與 qwen3-coder:30b

在執行 OpenClaw 2026.9.7 與 Ollama 0.35.0 的 128 GB M3 Max 上，OpenClaw 自己的 Ollama 設定所建議的模型 gemma4，在四項代理程式任務的全部 12 次評分執行中均通過；gpt-oss:20b 通過 12 次中的 11 次，但失敗的工具呼叫次數幾乎是 gemma4 的三倍；而通常作為程式設計首選的 qwen3-coder:30b 只通過 12 次中的 2 次，因為其工具呼叫持續在 Ollama 的解析器中失敗。 我們在全新的工作區中，對每個模型的每項任務各執行三次，以腳本評分結果，並記錄 OpenClaw 自己的工具與 token 計數，以及 Ollama 的伺服器日誌。測量日期為 2026 年 10 月 1 日。

若要瞭解 OpenClaw 本身的費用，以及改用託管模型的費用，請參閱 OpenClaw 定價；若要使用 API 備援執行本機模型，請參閱 OpenClaw 中的多個代理程式與模型。

執行內容

四項任務

結果

時間為每次執行的實際經過時間，包括約五至七秒的 OpenClaw 啟動時間。「輸入 token」是 OpenClaw 記錄的未快取輸入；從快取重新傳送的上下文另計，並計入下方的費用區段。失敗工具呼叫欄位計算的是 OpenClaw 記錄的失敗；qwen3-coder 的失敗發生在呼叫抵達 OpenClaw 之前，因此該欄顯示為零，詳情如下。

數據說明了什麼

• gemma4 和 gpt-oss:20b 都適合短時間的代理程式任務。 24 次執行中有 23 次通過，包括需要讀取數個模組、編輯其中兩個模組並重新執行測試的兩檔案修正。
• gemma4 更穩定地使用工具。 在讀取任務中，它每次都恰好進行一次工具呼叫；gpt-oss 進行三次，其中兩次通常在讀取檔案前就失敗。在全部 12 次執行中，gpt-oss 有 19 次失敗的工具呼叫，而 gemma4 有 7 次；gpt-oss 每項任務平均有 9.1 次助理回合，gemma4 則為 6.8 次。
• 唯一一次失敗是 gpt-oss 在計數任務中失敗：它進行 13 次工具呼叫後寫入格式錯誤的 counts.json，並在沒有回覆的情況下結束回合。
• 速度在此並非區別因素。 所有執行中，gemma4 的中位數為 53 秒，gpt-oss 為 54 秒；最慢的一次是 gemma4 在兩檔案修正中的 133 秒，進行了 17 次工具呼叫。qwen3-coder 的執行時間較短，只是因為它很早就失敗。
• 較大的模型在這些任務中並未帶來更高的準確度。gpt-oss:20b 的參數數量幾乎是 gemma4 的三倍，而為程式碼打造的 qwen3-coder:30b 三者得分最低。

每個模型 12 次執行足以看出這些任務上的模式，但不足以普遍排名模型。未測試長時間任務、更大的程式碼庫及其他量化方式。

qwen3-coder:30b 為何失敗

不是因為程式設計。其 10 次失敗執行中：

• 5 次在 Ollama 的解析器中結束。 qwen3-coder 以 XML 撰寫工具呼叫；當引數包含程式碼時，它以 </function> 關閉了 <parameter> 元素。Ollama 0.35.0 的伺服器日誌記錄「qwen tool call parsing failed … XML syntax error … element <parameter> closed by </function>」，而 OpenClaw 以「Agent run failed」結束回合。
• 4 次完全沒有進行呼叫。 回覆宣布下一步，接著將單獨的 </tool_call> 以文字輸出，沒有任何 Ollama 能解析為呼叫的內容；回合就在此結束。這是 OpenClaw 文件所指向的 /v1 URL 相關症狀——但在此處它發生於原生 API。
• 1 次是錯誤答案：它將 CSV 標頭列計為資料列。

解析器屬於 Ollama，因此這是 Ollama 0.35.0 的結果，而不是對模型的定論。如果你使用 OpenClaw 執行 qwen3-coder，請在責怪模型之前查看 ollama serve 的日誌是否有「qwen tool call parsing failed」，並在 Ollama 升級後重新測試。

關鍵設定

• 原生 Ollama URL。 OpenClaw 文件指出，/v1 OpenAI 相容 URL「會破壞工具呼叫，模型可能會將原始工具呼叫 JSON 以純文字輸出」；本次執行使用不含 /v1 的 baseUrl，並搭配 api: "ollama"。
• 在手寫項目中固定 contextWindow。 在冒煙測試中，未設定此值的明確模型項目解析為 200,000 個 token 的上下文；OpenClaw 自己的 Ollama 設定會為本機模型寫入 32,768，本次執行即使用此值。
• Ollama 的上下文是獨立的。 Ollama 0.35.0 以 131,072 個 token 載入 gemma4 和 gpt-oss，以 262,144 個 token 載入 qwen3-coder——常駐記憶體為 45.3 GB——不受 OpenClaw 的 32,768 影響；決定記憶體的是這項設定，而不是 OpenClaw 的預算。
• 將 shell 放入沙箱。 在你的機器上執行 shell 命令的本機模型，才是這裡真正的風險。使用 sandbox.mode: "all" 時，exec 會在 OpenClaw 的 Docker 映像中執行，僅掛載工作區；該映像會以 OpenClaw 沙箱文件中的 docker build 命令建置一次。

// ~/.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" } },
}

本機模型的成本

本機模型以時間、磁碟空間和電力，替代按 token 計費。每次執行中，OpenClaw 記錄 gemma4 約有 16,415 個未快取輸入 token、78,469 個重新傳送的快取上下文 token，以及 1,142 個輸出 token；gpt-oss 則為 13,761、88,688 和 1,192。粗略計算——不同模型的 tokenizer 不同——以 Claude Haiku 4.5 的 Kunavo 費率（每百萬 token 的輸入 $0.70、快取 $0.07、輸出 $3.50）計算，同樣的數量每次約為 $0.021 和 $0.020。未測量電力；每次執行的電費為瓦特 × 秒 ÷ 3,600,000 × 你的每 kWh 價格。

實際可行的模式是以本機模型作為主要模型，並為本機模型失敗的回合提供託管模型備援。OpenClaw 為每個代理程式接受一個 fallbacks 清單；Kunavo 金鑰可作為 Ollama 旁的 OpenAI 相容提供者，從預付餘額按 token 計費。Kunavo 沒有人使用 OpenClaw 對其端點執行過測試——這些執行完全在本機完成。

常見問題

於 2026 年 10 月 1 日在 Apple M3 Max（128 GB）上執行：OpenClaw 2026.9.7（npm、Node 24.21.0）、Ollama v0.35.0（發行版二進位檔）、從 Ollama registry 拉取並以 sha256 驗證的 gemma4:latest、gpt-oss:20b 和 qwen3-coder:30b。36 次執行中的每一次都使用全新的工作區與全新的 OpenClaw 狀態，在 OpenClaw 的 Docker 沙箱中執行 exec，並使用腳本評分器；工具呼叫與 token 計數來自 OpenClaw 自己的 JSON 輸出。任務測試資料、評分器及介面卡腳本，均隨本頁的證據一同發布。未測量項目：耗電功率、長時間任務、其他量化方式或較小的機器。