Agent Zero 和 OpenClaw 都采用 MIT 许可证，安装也都免费，而且它们并非在竞争同一项工作：Agent Zero 为一个智能体提供一台可在其中工作的容器化 Linux 计算机，而 OpenClaw 则在你拥有的硬件上运行持久网关，并通过聊天渠道联系你。 当智能体需要一台机器时，选择 Agent Zero。当你需要一个始终可联系的助手时，选择 OpenClaw。在这两种情况下，持续支出都是模型令牌费用加上运行它的设备费用，此外还要计入你自行添加的任何付费工具 API。
检查此页面时，即 2026 年 9 月 21 日，两个项目都处于活跃状态。Agent Zero 仓库未归档，前一天仍有推送，最新标记版本为 v2.12（2026 年 9 月 9 日发布，此前 v2.11 于 8 月 27 日发布）。OpenClaw 仓库同样未归档，并且当天仍有推送。同日从 GitHub API 读取的 Star 数分别为 19,225 和 390,183；这些数字每天都会变化，只能作为受欢迎程度信号，而非质量信号。
有两个版本细节很容易误读。OpenClaw 提供多个更新渠道，该文档将稳定渠道映射到 npm dist-tag latest，而 extended-stable 是一个独立的标签。2026 年 9 月 21 日，注册表列出的 latest 为 2026.9.5，extended-stable 为 2026.6.35；每个标签都独立重新指向，因此应读取 dist-tag，而不要根据版本号推断渠道。另外，两个 LICENSE 文件都包含 MIT 条款——Agent Zero 的文件署名为 Agent Zero, s.r.o.，OpenClaw 的文件署名为 OpenClaw Foundation——而 GitHub 的许可证 API 对两个仓库都报告 NOASSERTION。如果许可证涉及采购问题，应阅读 LICENSE 文件，而不是徽章，并向你自己的法律顾问确认。
确认你比较的是正确的两个项目
有四种事物的名称非常接近，足以让搜索偏离方向。其中三种是 GitHub 仓库，读取其元数据时，即 2026 年 9 月 21 日，它们都未被归档；第四种根本不是软件项目。
- OpenClaw，1997 年的游戏引擎。 pjasicek/OpenClaw 是 Captain Claw 平台游戏的 C++ 重实现。它创建于 2017 年，比该助手早了数年，是无关的游戏代码。
- 一个自称 OpenClaw 的代币。该项目声明自己没有代币，其历史页面记录了骗子在 2026 年 1 月更名后的几分钟内推出 $OPENCLAW 代币。以该名称营销的任何预售或空投都不是该项目。
- Agent0，研究项目。 aiming-lab/Agent0 是关于自我进化智能体的 Apache-2.0 学术系列。组织名称与
agent0ai只差一个字符，但它完全是另一回事。 - Space Agent。 agent0ai/space-agent 由同一团队开发，其 README 指向一个可使用访客账户试用的托管演示服务器。它收取的任何费用都是 Space Agent 的价格，而不是 Agent Zero 的价格。
应该选择哪一款
你需要智能体操作一台计算机。选择 Agent Zero。其安装文档开篇说明 Agent Zero 以 Docker 容器运行，README 则将其在 Canvas 中打开的桌面描述为该容器内运行的真实 XFCE 会话，并明确说明不是远程 VM。访问你的主机是单独的可选加入项：README 指向 A0 CLI 连接器，该连接器在主机上运行，而不是容器内。此能力的代价是容器：VPS 部署指南列出的最低配置为 2 GB RAM、20 GB 存储空间和 1 个 vCPU，推荐配置为 4+ GB、50+ GB 和 2+ 个 vCPU。
你需要一个始终可联系且托管成本低的助手。选择 OpenClaw。其首次运行 FAQ记录的绝对最低配置为 1 GB RAM、1 个核心、500 MB 可用磁盘空间和 64 位操作系统。代价在于权限模型：默认关闭沙箱，工具执行在主机上进行，并且文档明确说明启用后的沙箱也不是完美的安全边界。无论如何，网关进程始终保留在主机上。
你是在根据成本还是迁移工作量做选择。两者的软件价格都是 $0，因此决策取决于后续因素。Agent Zero 至少需要配置两个付费模型槽位后才能良好运行，其内置的 Context Window 插件会报告令牌数量和完整窗口分解，并且只有在提供商报告用量且 LiteLLM 映射了模型时才显示价格。OpenClaw 启动时只需一个模型，并内置 /status、/usage cost 和 Control UI 用量面板；OpenClaw 自行计算的支出数字是根据会话日志汇总的估算值，当提供商公开相关信息时，提供商报告的用量或配额会显示在旁边。迁移方面：Agent Zero 的状态保存在 Docker 命名卷中，而 OpenClaw 将规范记忆保存为工作区中的纯 Markdown 文件（MEMORY.md 和 memory/*.md，并编入派生的 SQLite 存储），后者更容易读取、比较差异并携带到其他地方。
并排比较
| 维度 | Agent Zero | OpenClaw |
|---|---|---|
| 产品形态 | 一个供智能体在其中工作的框架和工作台；提供 Web UI、桌面启动器以及主机侧 CLI 连接器 | 一个通过聊天渠道联系你的 Node CLI 和网关 |
| 运行时 | Docker 容器，通过一个 docker run 挂载命名卷启动 | 作为 npm 包安装；文档列出的最低要求是 Node 24.16+ 或 26.1+，推荐 Node 26 |
| 执行边界 | 默认隔离：框架在容器中运行，访问主机需要单独启用连接器 | 工具默认在主机上执行；沙箱可选启用，涵盖 exec、文件和进程工具，但始终不涵盖网关本身 |
| 不受信任的输入 | 项目指南建议保持容器化，并且不要挂载整个主目录 | 在实现配对 API 的渠道上，dmPolicy 默认设为 pairing：未知发送者会获得一个代码，在操作员批准之前，其消息不会被处理 |
| 多用户 | 设置架构定义了一个 UI 登录名和密码，以及一个容器 root 密码，但没有按用户划分的角色 | 团队使用只是对同一产品进行配置，而不是单独的版本；一个网关就是一个信任域 |
| 费用可见性 | 内置 Context Window 插件：令牌数量和完整窗口分解；只有在提供商报告用量且 LiteLLM 映射了模型时才显示价格 | 内置：/status、/usage cost 和 Control UI 用量面板；OpenClaw 自身的成本数字是根据会话日志得出的估算值，当提供商公开相关信息时，会与提供商报告的用量一同显示 |
| 付费版本 | 没有已发布的版本。存在一个免费的第一方 LLM 端点，但其使用条件是质押项目代币 | 没有。该项目声明没有付费层级、没有托管服务，也没有代币 |
本表来源均于 2026 年 9 月 21 日读取：两份 README、Agent Zero VPS 部署（其身份验证部分记录了单一登录名和密码；容器 root 密码是上文所链接安装文档中列出的设置）、Context Window 插件 README、OpenClaw 的沙箱内容、OpenClaw DM 访问控制、OpenClaw 团队以及OpenClaw 用量跟踪。
模型角色拆分才是真正的区别
这是两个产品差异最大的地方，也是功能清单会掩盖决策的地方。Agent Zero 将模型分组为预设，其模型预设指南说明每种配置都包含主模型、实用模型和嵌入模型，因此切换预设会同时切换它们。OpenClaw 的槽位是独立的配置键，其智能体模型参考对此有记录。
| 角色 | Agent Zero | OpenClaw |
|---|---|---|
| 主模型 | 活动预设中的聊天槽位：对话、推理和工具使用 | agents.defaults.model.primary，以及按顺序依次尝试的 fallbacks 列表 |
| 实用模型 | 每个预设中的第二个槽位，用于摘要和记忆管理等内部工作 | utilityModel 是可选的；未设置时，如果提供商声明了小型模型，OpenClaw 会派生该提供商声明的小型模型；空字符串则禁用实用模型路由 |
| 嵌入和记忆搜索 | 每个预设中的第三个槽位；随附默认值是一个在 CPU 上运行的本地模型，更改它会重新索引已存储的记忆 | 在 memory.search.provider 下单独配置；托管的本地 GGUF 是一种选项，而 none 会保留仅关键词排名 |
| 媒体 | 可选的 Browser LLM Preset 可以将浏览器辅助工作路由到其他位置；安装文档说明内置 Browser 没有自己的独立默认模型槽位 | 可选的 imageModel、pdfModel 和 mediaModels 条目，每个条目都是字符串，或由 primary 与有序 fallbacks 组成的对象 |
实用模型槽位有一个实际影响：Agent Zero 安装文档警告，非常小的模型（其中点名 4B）无法可靠地完成记忆提取和整合，并建议改用 70B 级模型或强大的云端 flash/mini 模型，因此不能盲目在这里节省成本。
Kunavo 不提供嵌入模型。没有启用的模型支持该端点，因此请求会被拒绝而不是得到回答，第三个槽位也不是你可以在这里购买的东西。两个产品都为这一步记录了本地选项，应采用这条路径。
Agent Zero 的精选预设——在不存在已保存集合时从该公共仓库下载——指定了具体引用：Default 将 GPT-5.6 Terra 聊天模型与 Google flash-lite 实用模型配对，Power 将 GPT-5.6 Sol 与 GPT-5.6 Luna 配对，Efficiency 将 GLM 聊天模型与 DeepSeek 实用模型配对。该文件以其使用的 OpenRouter 风格写入这些引用（openai/gpt-5.6-sol），因此按原样看，没有任何预设引用是 Kunavo ID。Kunavo 目录包含 GPT-5.6 Terra 和 Sol 以及 GPT-6 Astra，但不包含 GPT-5.6 Luna、flash-lite、GLM 或 DeepSeek 模型。因此，Power 和 Default 预设各自保留其主模型的 Kunavo 自有 ID，并需要替代实用模型；Efficiency 预设则完全无法映射。
每一个的实际成本
两边的软件价格都是 $0。OpenClaw 声明没有订阅、没有托管层级、没有代币，并在 README 中重复了这一点，同时说明 Foundation 是独立的 501(c)(3)，而 OpenAI 是捐赠者而非所有者。Agent Zero 没有发布价格页面，也没有付费方案。
Agent Zero 确实运营一个第一方 LLM 端点。其首页将其链接为“LLM API (beta)”，并未说明价格或访问条件。条款页面同时给出了两者：这是为质押项目 A0T 代币的持有者提供的免费额外功能，仅作为第三方 API 的代理，配额动态决定且不作保证，并且不提供客户支持、服务级别协议或退款。在假定 beta 标签意味着可购买的端点之前，请阅读条款。A0T 是 Ethereum 的 Base 二层网络上的 ERC-20 代币，其代币页面自身警告其价值可能降至零，并且没有任何保证或补偿机制。这就是以机制形式描述的门槛；本指南不为其定价、不推荐它，也不将其视为购买推理服务的方式。
| 项目 | Agent Zero | OpenClaw |
|---|---|---|
| 软件许可证 | 0 美元，MIT | 0 美元，MIT |
| 文档规定的硬件最低配置 | 2 GB RAM、20 GB 存储空间、1 个 vCPU；推荐 4+ GB、50+ GB、2+ 个 vCPU | 1 GB RAM、1 个核心、500 MB 可用磁盘空间、64 位操作系统 |
| 模型令牌 | 实际至少需要两个付费槽位 | 一个主模型；实用模型可选 |
| 你添加的付费工具 | 你自己的账户 | 你自己的账户 |
至于令牌部分，下面以Kunavo 目录价格举例说明一个月的情况。假设主模型使用 800 万未缓存输入令牌和 400,000 个输出令牌，实用模型使用 200 万输入令牌和 200,000 个输出令牌。本页面没有测量任一智能体循环，因此下面的每个数字都应视为基于假设工作负载的算术结果，而不是实测任务成本，也不是账单上限。
| 主模型 | 实用模型 | 主模型费率，每 1M 输入 / 输出 | 预计每月费用 |
|---|---|---|---|
| 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 |
最后两行最有参考价值。将实用模型从 Claude Haiku 4.5 换成 GPT-5.6 Terra 会使总额变化约一美元，因为在这种拆分下，大部分令牌由主模型承担。除非你的工作负载异常偏向少聊天，否则优化第二个槽位并不是省钱的关键。还要注意，列出的费率较低，并不等同于完成任务的成本较低：需要第二次尝试的较弱主模型，可能比一次完成任务的较强模型花费更多。
将任一产品指向单个 OpenAI 兼容端点
两个产品都可以通过不同路径指向一个网关。以下内容取自两个项目自己的配置文件和文档，读取日期为 2026 年 9 月 21 日。Kunavo 未端到端运行过任一客户端，因此这是文档记载的协议，而不是经过验证的兼容性结果——试用时请保留现有可用的路由。
Agent Zero。远程模型调用通过 LiteLLM 进行（models.py 会绕过它，使用本地 sentence-transformers 路径），你需要的提供商是 Other OpenAI compatible——配置 ID other 位于 conf/model_providers.yaml 中，其 litellm_provider 为 openai。在 models.py 中，该 ID 会在 LiteLLM 调用前被重新映射为 openai，你的模型名称则原样传递。安装文档将密钥放在 External Services 下的 Other OpenAI-compatible API keys 中，并在模型设置中选择 OpenAI Compatible 作为提供商。基础 URL 是每个槽位的 API URL 字段。关于模型 ID 本身，Agent Zero 的故障排除文档讨论的是另一对提供商——其中说明 openai/gpt-5.3 对 OpenRouter 正确，而对原生 OpenAI 提供商错误，后者不使用前缀——并未为 Other OpenAI compatible 记录 ID 格式，因此请使用你自己的网关模型列表返回的 ID。设置基础 URL 后，选择器还会根据模型搜索端点，使用 bearer token 从该基础 URL 请求模型列表。下面的环境变量路径取自 models.py，其中 get_api_key 会按顺序解析三种拼写，并对逗号分隔的值进行轮询。
# 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 配置中的 models.providers 下注册一个区块，其中包含 baseUrl、apiKey、api 中的适配器，以及在凭据必须通过 Authorization 标头传递时使用的 authHeader——这四项都在自定义提供商字段参考中，该参考还说明，没有 api 的 baseUrl 会默认使用 openai-completions。随后使用的引用是 provider/model。Kunavo 的 Messages 形状路由的起始配置，以及验证和重启命令，已经写在OpenClaw 的最佳 API中。
迁移前值得了解 OpenClaw 的五项限制，全部来自其自定义提供商参考和路由规则。Codex 智能体运行时无法从自定义端点访问；如果你要求使用它，系统会安全失败。在非原生 completions 端点上，OpenClaw 会强制关闭 developer 角色，并丢弃 service-tier、store 和 prompt-cache 提示。在非直接 Anthropic 形状端点上，除非你自行设置隐式 beta 标头，否则 OpenClaw 会抑制这些标头。每个模型的 cost 在省略时默认全部为零，而用量文档将记录的零美元成本视为有效成本数据，因此 /usage cost 会为该路由报告 $0，而不是将其标记为未定价。你配置的 baseUrl 本身就是网络信任决策：OpenClaw 会通过受保护的 fetch 路径信任确切的 scheme://host:port 来源，而其他私有、环回或不同端口的目标仍需显式启用 request.allowPrivateNetwork。
如果你决定将任一工具链路由到一个 OpenAI 兼容端点，请创建 Kunavo 账户。最低要求是预付 $10 充值，没有订阅；计费说明解释了为什么目录估算是下限而不是上限。
本比较无法证明的内容
本页面未针对任一产品执行运行时测试。具体而言，以下内容未经验证：对于任何给定模型，Agent Zero 的工具调用循环是否能通过第三方 OpenAI 兼容端点端到端完成；其模型选择器是否能解析某个网关的模型列表；其原生 Anthropic 提供商是否接受自定义 API URL，而其自身的 UI 提示并未说明这一点。在 OpenClaw 方面，本文未测试通过非直接连接、采用 Anthropic 接口格式的端点时的提示缓存行为，而该行为会与上文被抑制的 beta 标头交互。两种循环的每项任务令牌消耗均未测量。Star 数、版本号、npm dist-tag 和硬件最低配置都是于 2026 年 9 月 21 日获取的单次读数，之后会发生变化。
对于相邻决策，OpenClaw 定价涵盖其完整运行账单，OpenClaw 替代方案涵盖更广泛的领域，而OpenAI 兼容 API 参考涵盖两个产品都支持的端点形状。
常见问题
Agent Zero 和 OpenClaw 哪个更好？
它们回答的是不同问题，因此没有一个在一般情况下更好。Agent Zero 作为 Docker 容器运行，并在其中为智能体提供一个真实的 Linux 桌面会话，适合需要操作一台机器的工作。OpenClaw 在你已经拥有的硬件上运行网关进程，并通过聊天渠道连接你，适合始终在线的助手。两者都采用 MIT 许可证；在这两种情况下，你需要支付的是模型令牌、运行它的机器，以及你自行接入的任何付费工具 API。
OpenClaw 与 Clawdbot 或 Moltbot 是同一个项目吗？
是。项目自己的历史页面记录称，它最初叫 Clawd，存在于 Clawdbot 中；2026 年 1 月 27 日，Anthropic 因商标问题要求更改名称后，它更名为 Moltbot；2026 年 1 月 30 日又成为 OpenClaw。npm 注册表印证了这一时间线：clawdbot软件包创建于 2026 年 1 月 4 日，moltbot创建于 2026 年 1 月 27 日，openclaw创建于 2026 年 1 月 29 日。使用旧名称的安装说明已经过时。
使用 Agent Zero 或 OpenClaw 需要付费吗？
两者的软件都不收费。OpenClaw 声明没有付费层级、托管服务或代币，其 LICENSE 采用 MIT 条款。Agent Zero 由 Agent Zero, s.r.o. 持有 MIT 许可证，且没有发布定价页面或付费计划。在这两种情况下，你需要支付的是模型 API 令牌、运行智能体的机器，以及你自行接入的任何付费工具 API。
Agent Zero 和 OpenClaw 可以共用一个 API 密钥吗？
两个产品都记录了连接到 OpenAI 兼容端点的配置路径，因此原则上，一个网关密钥可以为二者提供服务。Agent Zero 提供名为 Other OpenAI compatible 的服务商，其基础 URL 是每个模型槽位中的字段。OpenClaw 在 models.providers 下注册自定义服务商，并使用 baseUrl 和 apiKey。Kunavo 尚未对任一客户端进行端到端运行，因此请将其视为文档记录的配置，而不是已验证的兼容性结果。
每个产品需要配置多少个模型？
Agent Zero 使用模型预设，其模型预设指南说明每个配置包含三个模型：主聊天模型、用于记忆整合等内部工作的实用模型，以及一个嵌入模型；随附的默认嵌入模型在本地 CPU 上运行。OpenClaw 需要一个主模型；实用模型是可选的，如果未设置，且主服务商声明了小型模型，OpenClaw 会派生使用该服务商声明的小型模型。OpenClaw 还为图像、PDF 和其他媒体提供单独的可选槽位。
既然同一团队现在发布 Space Agent，Agent Zero 现在是不是已经被弃用了？
不是。截至 2026 年 9 月 21 日，Agent Zero 仓库并未归档，前一天仍有推送，并且在 2026 年 9 月 9 日发布了 v2.12，此前于 8 月 27 日发布了 v2.11。其 README 确实将 Space Agent 称为“相关且更完善的产品方向”，同时表示 Agent Zero“仍然是开放框架和由 Linux 驱动的工作台”。Space Agent 是 space-agent.ai 上的独立产品；它收取的任何费用都不是 Agent Zero 的价格。
仓库元数据、发布标签、npm dist-tag 以及两个项目的官方文档均于 2026 年 9 月 21 日检查。Kunavo 费率取自实时模型目录；月度总额是基于明确假设的令牌算术，而不是实测任务成本。