模型选择：速度、成本、上下文长度和工具能力

选模型不是排行榜游戏。

在 OpenClaw 里，模型要参与真实任务：读上下文、调用工具、等待结果、修正计划、把最终回复发回用户。

所以你不能只问：

哪个模型最强？

你应该问：

这个任务需要多快？ 能接受多少成本？ 需要多长上下文？ 工具调用稳不稳？ 失败后有没有 fallback？

先说结论：模型选择是任务约束匹配

可以用四个维度做第一轮选择：

速度 用户是否在等实时回复？ 成本 是否高频、批量、后台任务？ 上下文长度 是否要读长历史、大文件、多工具 schema？ 工具能力 是否要稳定调用 shell、browser、MCP、plugin tools？

没有全场景最优模型。只有更适合当前任务的模型。

速度：交互任务优先低延迟

消息平台、CLI、Dashboard 交互里，用户很容易感知延迟。

适合低延迟模型的任务：

改写一句话 解释一个错误 快速分类 短命令生成 状态问答

如果任务要打开浏览器、执行脚本、读文件，模型本身速度只是总耗时的一部分。工具时间也要算进去。

成本：后台任务别默认用最贵模型

定时任务、批量分析、长日志总结，很容易把 token 用量放大。

建议：

低风险分类 → 小模型 结构化提取 → 便宜但稳定的模型 复杂规划 / 代码修改 → 强模型 最终审核 → 可选强模型二次检查

OpenClaw 的 usage tracking、token use 和/usage tokens可以帮你观察真实成本。

上下文：不是窗口越大越好

大上下文很有用，但也有代价：

请求更慢 成本更高 无关信息更多 模型更容易被噪声影响

OpenClaw 的 context 文档提醒：context 包括系统提示词、会话历史、工具调用结果、附件、compaction summary、tool schemas 等。

所以模型窗口要和上下文工程一起看。

工具能力：Agent 任务的关键指标

对 OpenClaw 来说，工具能力比纯聊天分数更重要。

要看：

是否支持 tool calls 工具参数是否稳定 能不能处理长 tool result 遇到工具失败是否会修正 是否容易重复调用同一个工具 是否支持需要的媒体输入

同一个模型在聊天里很好，不代表在工具循环里稳定。

推荐选择策略

可以按任务分层：

快速交互 低延迟模型，短上下文，少工具 一般助手 平衡模型，常规工具，适中上下文 代码 / 运维 / 浏览器自动化 强工具调用模型，较长上下文，较高 reasoning 批量后台 成本优先，必要时强模型抽检 高风险动作 强模型 + 明确 approval + 人工确认

常见误解

误解一：最大上下文模型一定最好

不一定。你还需要控制上下文质量。

误解二：便宜模型只能做简单聊天

不一定。很多结构化、分类、提取任务很适合便宜模型。

误解三：工具能力只由 OpenClaw 决定

不是。OpenClaw 提供工具协议和执行层，模型本身也要会正确选择工具和填参数。

最后总结

模型选择是任务工程，不是品牌偏好。

一句话总结：

先看任务约束，再选模型；先测真实工具链路，再决定默认配置。

本节作业

1. 给“浏览器自动化”“日志分类”“代码修复”分别选一个模型策略。
2. 用/context list观察一次 run 的上下文压力。
3. 用/usage tokens估算一个批量任务成本。
4. 记录一个模型在工具调用中失败的具体原因。

下一节预告

下一节讲上下文组装：文件、历史消息、指令和工具 schema 如何进入模型。

参考资料

• OpenClaw Docs：Context
• OpenClaw Docs：Models CLI
• OpenClaw Docs：Token use and costs
• OpenClaw Docs：Usage tracking

原文链接：模型选择：速度、成本、上下文长度和工具能力 | Harries Blog™