附录 C：模型提供商选型指南

OpenClaw 支持通过统一的 provider/model-id 格式对接多家模型提供商。本附录帮你在成本、能力、速度之间找到适合自己场景的组合。

---

快速选型矩阵

场景	推荐模型	理由
日常闲聊、简单问答	MiniMax abab6.5s / Qwen-Turbo	成本极低，响应快
代码编写、技术分析	Claude Sonnet / GPT-4o	代码能力强，性价比高
复杂推理、长文档分析	Claude Opus / o1	最强推理，按需使用
本地隐私场景	Ollama（本地）	完全离线，数据不出本地
中文优化场景	Qwen-Max / DeepSeek	中文理解和生成更自然

---

主流提供商

Anthropic（Claude 系列）

"model": {
  "primary": "anthropic/claude-sonnet-4-6"
}

模型 ID	特点	适合场景
anthropic/claude-opus-4-6	最强推理，最高成本	复杂分析、长文档、高精度任务
anthropic/claude-sonnet-4-6	能力与成本均衡	日常首选，代码、分析、写作
anthropic/claude-haiku-4-5-20251001	速度快，成本低	简单任务、高频调用

优势：指令遵循能力强，代码质量高，长上下文支持好。

获取 API Key：console.anthropic.com

---

OpenAI（GPT 系列）

"model": {
  "primary": "openai/gpt-4o"
}

模型 ID	特点	适合场景
openai/gpt-4o	多模态，能力全面	需要视觉理解的任务
openai/gpt-4o-mini	轻量快速	日常问答，成本敏感
openai/o1	深度推理	数学、逻辑、复杂问题

获取 API Key：platform.openai.com

---

阿里云（Qwen 系列）

"model": {
  "primary": "qwen/qwen-max"
}

模型 ID	特点
qwen/qwen-max	中文能力强，综合性能好
qwen/qwen-turbo	速度快，成本低
qwen/qwen-long	超长上下文（最高 100 万 token）

优势：中文理解和生成质量高，国内访问无网络问题，有免费额度。

获取 API Key：dashscope.aliyuncs.com

---

MiniMax

"model": {
  "primary": "minimax/abab6.5s-chat"
}

模型 ID	特点
minimax/abab6.5s-chat	成本极低，中文流畅
minimax/abab6.5-chat	能力更强，成本略高

优势：日常闲聊场景性价比最高，中文对话体验好。

---

DeepSeek

"model": {
  "primary": "deepseek/deepseek-chat"
}

模型 ID	特点
deepseek/deepseek-chat	综合能力强，价格低廉
deepseek/deepseek-reasoner	深度推理（类 o1）

优势：代码能力出色，价格在同等能力模型中极具竞争力。

---

Ollama（本地模型）

"model": {
  "primary": "ollama/llama3.2"
}

常用模型	参数量	最低显存
ollama/llama3.2	3B	4GB
ollama/llama3.1	8B	8GB
ollama/qwen2.5	7B	8GB
ollama/mistral	7B	8GB
ollama/deepseek-r1	7B	8GB

优势：完全本地运行，数据不出设备，无 API 费用，适合隐私敏感场景。

前提：需要先安装 Ollama 并下载对应模型：

ollama pull llama3.2

---

成本对比（粗略参考）

价格随时变化，以官网为准。以下为相对量级参考。

模型	输入（每百万 token）	输出（每百万 token）	相对成本
Claude Opus 4	~$15	~$75	🔴 高
Claude Sonnet 4	~$3	~$15	🟡 中
GPT-4o	~$2.5	~$10	🟡 中
Claude Haiku	~$0.25	~$1.25	🟢 低
GPT-4o-mini	~$0.15	~$0.6	🟢 低
DeepSeek Chat	~$0.14	~$0.28	🟢 低
Qwen-Turbo	~$0.05	~$0.15	🟢 很低
MiniMax abab6.5s	~$0.01	~$0.02	🟢 极低
Ollama（本地）	$0	$0	免费

---

配置多提供商认证

如果你同时用多家提供商，在 openclaw.json 里分别配置：

{
  "auths": {
    "anthropic": {
      "apiKey": "sk-ant-..."
    },
    "openai": {
      "apiKey": "sk-..."
    },
    "qwen": {
      "apiKey": "sk-..."
    },
    "ollama": {
      "baseUrl": "http://localhost:11434"
    }
  }
}

然后在 Agent 里引用：

{
  "agents": {
    "list": [
      {
        "id": "casual",
        "model": { "primary": "minimax/abab6.5s-chat" },
        "auth": "minimax"
      },
      {
        "id": "analyst",
        "model": { "primary": "anthropic/claude-opus-4-6" },
        "auth": "anthropic"
      }
    ]
  }
}

---

选型建议

刚开始上手：用 Claude Sonnet 或 GPT-4o，能力全面，踩坑少。

控制成本：主模型用 Claude Haiku 或 Qwen-Turbo 处理日常，重要任务用 model.fallback 升级。

注重隐私：Ollama 本地运行，数据不离开你的机器。

中文场景为主：Qwen-Max 或 DeepSeek，中文质量更稳定，且无网络问题。