OpenClaw 最佳本地模型：在四项 agent 任务上测量 gemma4、gpt-oss:20b 和 qwen3-coder:30b

在配备 128 GB 内存的 M3 Max 上运行 OpenClaw 2026.9.7 和 Ollama 0.35.0 时，OpenClaw 自己的 Ollama 设置所推荐的模型 gemma4 在四项代理任务的全部 12 次评分运行中均通过；gpt-oss:20b 通过了 12 次中的 11 次，失败的工具调用次数几乎是 gemma4 的三倍；而通常作为编程首选的 qwen3-coder:30b 仅通过了 12 次中的 2 次，因为它的工具调用在 Ollama 解析器中不断失败。 我们在全新的工作区中对每个模型的每项任务分别运行三次，通过脚本对结果评分，并记录 OpenClaw 自己的工具和 token 计数以及 Ollama 的服务器日志。测量日期为 2026 年 10 月 1 日。

有关 OpenClaw 本身的费用，以及托管模型的替代成本，请参阅 OpenClaw 定价；有关使用 API 回退运行本地模型，请参阅 OpenClaw 中的多个代理和模型。

运行内容

四项任务

结果

时间是每次运行的实际墙上时钟时间，包括约五到七秒的 OpenClaw 启动时间。“输入 Token”是 OpenClaw 记录的未缓存输入；它重新从缓存发送的上下文还要额外计入，并在下方的成本部分计算。失败工具调用列统计的是 OpenClaw 记录的失败次数；qwen3-coder 的失败发生在调用到达 OpenClaw 之前，因此此处显示为零，详情如下。

数字说明了什么

• gemma4 和 gpt-oss:20b 都适合短代理任务。 24 次运行中有 23 次通过，包括两个文件修复任务；该任务需要读取多个模块、编辑其中两个模块并重新运行测试。
• gemma4 的工具使用更顺畅。 在读取任务中，它每次都恰好进行一次工具调用；gpt-oss 进行了三次，其中两次通常在读取文件前就失败了。在全部十二次运行中，gpt-oss 有 19 次失败的工具调用，而 gemma4 为 7；前者每项任务平均进行 9.1 次助手轮次，而 gemma4 为 6.8。
• 唯一一次失败发生在 gpt-oss 的计数任务中：进行十三次工具调用后，它写出了格式错误的 counts.json，并在没有回复的情况下结束了该轮次。
• 速度并不是这里的差异因素。 所有运行中 gemma4 的中位数为 53 秒，gpt-oss 为 54 秒；单次最慢运行是 gemma4 的两个文件修复任务，用时 133 秒，进行了十七次工具调用。qwen3-coder 的运行时间更短，只是因为它们很早就失败了。
• 更大的模型并没有在这些任务上带来更高准确率。gpt-oss:20b 的参数量几乎是 gemma4 的三倍，而专为代码构建的 qwen3-coder:30b 在三者中得分最低。

每个模型运行十二次，足以看出这些任务上的模式，但不足以对模型进行普遍排名。未测试长任务、更大的代码库和其他量化版本。

qwen3-coder:30b 为什么失败

不是因为编码。在它失败的十次运行中：

• 五次在 Ollama 的解析器中结束。 qwen3-coder 将工具调用写成 XML；当参数中包含代码时，它会用 </function> 闭合 <parameter> 元素。Ollama 0.35.0 的服务器日志记录了“qwen tool call parsing failed … XML syntax error … element <parameter> closed by </function>”，而 OpenClaw 以“Agent run failed”结束了该轮次。
• 四次从未进行调用。 回复宣布了下一步，然后将一个单独的 </tool_call> 打印为文本，没有任何 Ollama 可以解析为调用的内容；该轮次就此结束。这正是 OpenClaw 文档所关联的 /v1 URL 症状——但这里发生在原生 API 上。
• 一次是错误答案：它把 CSV 标题行统计为数据行。

解析器属于 Ollama，因此这是 Ollama 0.35.0 的结果，不是对模型的判定。如果你通过 OpenClaw 运行 qwen3-coder，在归咎于模型之前，请查看 ollama serve 的日志中是否有“qwen tool call parsing failed”，并在升级 Ollama 后重新测试。

起关键作用的设置

• 原生 Ollama URL。 OpenClaw 文档称，/v1 OpenAI 兼容 URL“会破坏工具调用，模型可能会将原始工具调用 JSON 作为纯文本输出”；运行使用了不带 /v1 的 baseUrl，并搭配 api: "ollama"。
• 在手写条目中固定 contextWindow。 在一次冒烟运行中，没有该设置的显式模型条目解析为 200,000 Token 上下文；OpenClaw 自己的 Ollama 设置会为本地模型写入 32,768，这正是这些运行使用的值。
• Ollama 的上下文是独立的。 Ollama 0.35.0 加载 gemma4 和 gpt-oss 时使用 131,072 Token，加载 qwen3-coder 时使用 262,144 Token——常驻内存为 45.3 GB——无论 OpenClaw 设置为 32,768 还是其他值；决定内存使用的是这个设置，而不是 OpenClaw 的预算。
• 将 Shell 放入沙箱。 在你的机器上运行 Shell 命令的本地模型才是这里的实际风险。使用 sandbox.mode: "all" 时，exec 在 OpenClaw 的 Docker 镜像中运行，仅挂载工作区；该镜像使用 OpenClaw 沙箱文档中的 docker build 命令构建一次。

// ~/.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" } },
}

本地运行的成本

本地模型用时间、磁盘和电力成本替代按 Token 计费。每次运行中，OpenClaw 记录 gemma4 约有 16,415 个未缓存输入 Token、78,469 个重新发送的缓存上下文 Token 和 1,142 个输出 Token；gpt-oss 则分别为 13,761、88,688 和 1,192。粗略计算——不同模型的分词器有所不同——按 Claude Haiku 4.5 的 Kunavo 费率（每百万 Token 的输入 $0.70、缓存 $0.07、输出 $3.50）计算，每次运行约为 $0.021 和 $0.020。未测量功耗；每次运行的电费为瓦特 × 秒 ÷ 3,600,000 × 你的每千瓦时价格。

实际可行的模式是使用本地模型作为主要模型，并为本地模型失败的轮次配置托管回退。OpenClaw 为每个代理接受一个 fallbacks 列表；Kunavo 密钥可作为与 Ollama 并列的 OpenAI 兼容提供商使用，费用按预付余额中的 Token 计费。Kunavo 没有人使用其端点运行过 OpenClaw——这些运行完全在本地进行。

常见问题

于 2026 年 10 月 1 日在 Apple M3 Max（128 GB）上运行：OpenClaw 2026.9.7（npm，Node 24.21.0）、Ollama v0.35.0（发布二进制文件）、从 Ollama 注册表拉取并通过 sha256 校验的 gemma4:latest、gpt-oss:20b 和 qwen3-coder:30b。36 次运行中的每一次都使用全新的工作区和全新的 OpenClaw 状态，在 OpenClaw 的 Docker 沙箱中使用 exec，并使用脚本评分器；工具调用和 Token 计数是 OpenClaw 自己的 JSON 输出。任务测试夹具、评分器和适配器脚本随本页面的证据一同发布。未测量：功耗、长任务、其他量化版本或更小的机器。