OpenClaw 接 Ollama 要錢嗎？

模型這一邊不用。Ollama 和它的開源模型都免費，跑在自己的機器上也不需要 API key。要付的是機器和電費，還有你等它的時間。

要選哪一個模型？

OpenClaw 官方文件開的條件有兩個：模型要支援工具呼叫，而且 context 至少 16K。用 ollama show 加上模型名稱可以查。我測的 qwen2.5:3b 兩項都符合，但它太小，會出狀況。機器撐得住的話，選大一點的。

為什麼第一句話特別慢？

因為 OpenClaw 每次都會把一大包說明一起送給模型。我量到的是 11,661 個 token，沒有顯卡的機器每秒只能讀二十幾個。讀過一次之後有快取，第二句開始就快很多。

用本地模型是不是比較安全？

你的對話不會離開自己的機器，這點是真的。但 OpenClaw 官方提醒，小模型比較容易被外部內容裡夾帶的指令騙，所以它反而建議要用就用機器跑得動的最大那一個。

OpenClaw 接 Ollama 教學：本地模型不用 API 費，但我實測第一句話等了 8 分鐘

養龍蝦最花錢的是模型。所以很多人裝好 OpenClaw 之後第一個念頭是：接 Ollama，用自己機器上的免費模型，不就不用付 API 的錢了？

接得起來。我實際接了一次，也真的跟它講了幾句話。

先講結論：能動，但在沒有顯卡的機器上慢到不實用，而且小模型會出一些你想不到的狀況。下面是完整的過程。

我用的是一台雲端測試機，4 核心、8 GB 記憶體、沒有顯卡，日期是 2026 年 10 月 12 日。OpenClaw 是 2026.10.2，Ollama 是 0.40.3。

怎麼接：三個步驟

第一步，裝 Ollama。Linux 是一行指令，我這邊 5 秒裝完。Ollama 本身怎麼用，我另外寫了Ollama 教學：

curl -fsSL https://ollama.com/install.sh | sh

第二步，抓一個模型。OpenClaw 官方文件開了兩個條件：模型要支援工具呼叫，context 至少要 16K。我挑的是 qwen2.5 的 3B 版本，1.9 GB：

ollama pull qwen2.5:3b
ollama show qwen2.5:3b

第二行是用來確認的。它印出來的資料裡有 context length 32768，能力那一欄有 tools，兩個條件都符合。

我後來另外拿十個小模型比過中文的表現，哪幾個支援工具呼叫也列在裡面，寫在Ollama 模型推薦。那一篇只測一問一答，沒有測它們接上 OpenClaw 之後的表現。

第三步，告訴 OpenClaw 用它。可以走設定精靈，官方文件說在選模型供應商的地方選 Ollama。我用的是一行到底的寫法，不用一題一題選：

openclaw onboard --non-interactive --accept-risk --skip-health \
  --auth-choice ollama \
  --custom-base-url http://127.0.0.1:11434 \
  --custom-model-id qwen2.5:3b

5 秒結束，畫面顯示 Default Ollama model: qwen2.5:3b。全程沒有要我輸入任何金鑰。

這裡官方文件有一個警告：網址後面不要加 /v1。加了會讓工具呼叫壞掉，模型會把本來該執行的東西當成文字吐出來。

接好之後，啟動 OpenClaw 的核心程式，就可以傳訊息了。我沒有接聊天軟體，是直接在終端機傳的：

openclaw agent --agent main -m "用一句話介紹你自己，用繁體中文。"

第一句話：等了 8 分 29 秒

它回的是：「我是一個用中文對話的數位助理，隨時準備協助您。」

這十幾個字，我等了 8 分 29 秒。

慢的原因不是它想很久。我去看 Ollama 的紀錄，產生回答只花了 5 秒，其他 8 分 12 秒都在讀。讀什麼？OpenClaw 每次都會先送一大包東西給模型，我量到的是 11,661 個 token。

這一大包裡面有三類東西。最大的是工作區裡的五份說明檔，像是告訴它怎麼做事的 AGENTS.md、描述它個性的 SOUL.md。再來是它可以用的技能清單，全新安裝就列了 19 個。最後是工具的定義。

沒有顯卡的機器，一秒只能讀二十幾個 token。一萬多個就是八分鐘。

順帶一提，OpenClaw 對本地模型其實已經手下留情了。啟動的時候我看到它的紀錄寫，有 56 個工具被收在「工具搜尋」後面，沒有一開始就全部塞給模型。

第二句之後：快了，但開始出狀況

讀過一次的內容會留在快取裡，所以後面每一句只花 20 到 40 秒。但回答的品質就精彩了。

我傳的	結果	花多久
用一句話介紹你自己	正常回答	8 分 29 秒
1+1 等於多少？只回答數字	沒有回答，顯示錯誤	42 秒
台灣最高的山是哪一座？	答對，但多做了別的事	41 秒
在工作區建立 hello.txt，內容寫 hi	做到了，檔案真的在	44 秒
請用一句話跟我說晚安	正常回答	22 秒

第二句最讓我意外。我問 1+1，它什麼都沒回，OpenClaw 顯示的是 Agent couldn't generate a response. Please try again.

第三句我換了一個問題，它回：「1+1 等於 2。台灣最高的山是玉山。」把上一題一起補答了。但我事後去看它的工作區，裡面多了一個我沒有要求的 response.txt，打開來只有一個字：2。它把 1+1 的答案寫進了檔案。

這就是小模型的問題。它有時候分不清楚「回答你」和「去做一件事」。這次只是多一個沒用的檔案。換成一個有權限寄信、刪檔案的 OpenClaw，就不是好笑的事了。

第四句是我故意考它的，叫它在工作區建一個檔案。這次它做對了，而且我確認過，hello.txt 真的在那裡，內容是 hi。所以它不是不能動手，是不穩定。

它吃多少資源

跑模型的那支程式佔了 3.3 GB 記憶體，OpenClaw 自己的核心程式在對話中漲到 1.4 GB，還在紀錄裡發了一則記憶體壓力的警告。整台 8 GB 的機器用掉五點多 GB。

硬碟的部分，Ollama 本身 2.1 GB，我抓的兩個模型 2.8 GB。

模型在算的時候，跑模型的那支程式佔用大約兩個核心。

還有一個設定要知道。我啟動 Ollama 的時候，把模型留在記憶體裡的時間調成了 40 分鐘。Ollama 的預設是 5 分鐘沒人用就把模型卸掉。照預設值，你隔幾分鐘才講一句話的話，很可能每一句都要重新等一次。這個情況我沒有實測。

官方怎麼看本地模型

OpenClaw 的官方文件在常見問題裡直接回答過「拿本地模型來聊天可以嗎」，答案是通常不建議。

理由有兩個。它需要很大的 context，小模型放不下。還有安全性，小模型和壓縮過的模型比較容易被外部內容裡夾帶的指令牽著走。

文件給的建議是：真的要用，就跑你的機器撐得住的最大那一個。

那什麼時候值得接

算一下就知道，省錢不是好理由。

同樣那句自我介紹，如果丟給 Claude 最便宜的 Haiku 5.5，照官方價目是送進去每一百萬個 token 0.1 美元。11,661 個 token 大約是 0.001 美元，台幣不到四分錢。我為了省這幾分錢，等了八分鐘。

我覺得值得接的情況有三種。

你有一張夠力的顯卡，或是一台記憶體很大的 Mac。這兩種我都沒有實測，但瓶頸就是讀那一萬多個 token 的速度，這正是顯卡擅長的事。

你在意的是資料不能離開自己的機器。那慢一點也認了。

你只是想先看看 OpenClaw 實際上怎麼動，還不想綁信用卡、也不想把任何帳號交給它。我這次就是這樣，本地模型是唯一不用登入任何東西就能跟它對話的方法。

不值得的情況很明確：專程租一台沒有顯卡的主機來跑本地模型。我測的就是這種機器。

順便量到的：心跳一次送多少

OpenClaw 會定時自己醒來，官方叫心跳，預設 30 分鐘一次。用本地模型的人要特別留意，因為每一次醒來都是一次完整的模型呼叫。

我手動觸發了一次來量。它送了 10,291 個 token，在這台機器上跑了 7 分 8 秒。

不過有一個好消息。我的測試機沒有接任何聊天軟體，排程的那一次心跳其實自己跳過了，紀錄寫的是 heartbeat skipped: no-route，沒有去動模型。官方文件也是這樣說的：它找不到可以回報的對象，就不會跑。等你接上 Telegram 或 LINE，它才會開始定時呼叫模型。

錢的算法我寫在OpenClaw 費用怎麼算。還沒裝 OpenClaw 的話，從安裝怎麼選開始。