教程 · 选型
跑 OpenClaw 要什么配置？显卡/内存/本地模型对照
“我这电脑能跑龙虾吗”要分两种情况：接云端 API，模型不在本机算，官方安装页的系统要求里是 Node 版本和操作系统，外加一条源码构建才用到的 pnpm，没提内存和显卡；本地跑模型，硬件才真正成为门槛。这两条路对硬件的要求差得很远，要分开看。
- 发布日期
- 更新日期
跑 OpenClaw 一定要显卡吗？接云端 API 不用
不一定，看大脑放在哪。
- 接云端 API：模型在服务商那边算，你的机器只跑龙虾本体。OpenClaw 官方安装页的「System requirements」一节有三条：Node 24.16+ 或 26.1+（推荐 Node 26）；操作系统（macOS、Linux、Windows）；pnpm 只在从源码构建时需要。没有内存、显卡要求。
- 本地跑模型：把开源模型用 Ollama 这类工具跑在自己机器上，这时候才真正吃硬件，核心看显存。
所以问“配置够不够”之前，先定走哪条。没有独立显卡的机器接云端 API 就行；下面的表是给打算本地跑模型的人看的。
多大的本地模型要多少显存（附 Ollama 型号）
本地模型常按参数量分级（7B、12B、27B、70B……B 是十亿参数）。同一代里模型越大通常能力越强，要的显存也越多。下表的建议显存是按 4-bit 量化（节省显存的压缩版）估出来的；最后一栏是 2026 年 10 月 Ollama 模型库里对应规模的标签和 tags 页面标的文件大小：
| 规模 | 建议显存（4-bit 量化估算） | Ollama 库里的型号（文件大小） |
|---|---|---|
| 7B–8B | 8 GB 起 | — |
| 12B–14B | 12–16 GB | gemma4:12b-it-qat（7.2 GB） |
| 27B–32B | 24 GB 起 | qwen3.8:latest（18 GB）、muse-glimmer:latest（18 GB）、gemma4:31b-it-qat（19 GB） |
| 70B | 48 GB 以上 | — |
最后一栏是文件大小，怎么从文件大小估显存，见本地部署AI大模型最低配置要求(2026 显卡/内存配置对照)。
我这张显卡够不够给龙虾当本地大脑
上一张表说的是模型装不装得下；给龙虾当大脑还要给上下文留地方。Ollama 官方的 OpenClaw 集成页对本地模型给了一条建议：上下文至少 64k token。它点名了两个本地型号，gemma4 标约 16 GB 显存，qwen3.5 标约 11 GB 显存，没有说明这两个数字对应哪个尺寸的标签，也没有说是在多大上下文下。拿这两个数字对自己的显卡：
| 你的机器 | 建议 |
|---|---|
| 没有独立显卡 | 接云端 API |
| 显存不到 11 GB | 接云端 API；够不上集成页标的两个数字 |
| 11 GB 到不满 16 GB | 可以先试集成页点名的 qwen3.5（标约 11 GB）；够不上 gemma4 的约 16 GB |
| 16 GB 到不满 24 GB | 集成页点名的两个型号都可以试 |
| 24 GB 及以上 | 两个型号都可以试，也装得下 27B–32B 一档的权重（18–19 GB） |
集成页说的 qwen3.5，别和 tags 页上的 qwen3.5:27b-int4 当成一回事：这个标签光文件就有 16 GB，16 GB 及以下的卡要么放不下，要么放下就没有地方留给上下文。27B–32B 一档的文件有 18–19 GB，24 GB 的卡装得下权重，再开 64k 上下文放不放得下，集成页没给这几个型号标显存数字。
这张表只是拿官方给的两个显存数字去对显卡，装上以后还要看两件事。一是上下文：ollama ps 的 CONTEXT 一栏是实际分到的长度，离 64k 差多少、要不要往上调、在哪一边调，见显存/内存不够的 6 个办法里的第 4 招。二是跑 ollama ps 看 PROCESSOR 一栏，不是 100% GPU 就说明模型有一部分溢到了内存。差得不多、速度还能接受的可以先这样用（上面那篇 6 个办法里的第 3 条）；慢到没法用，就换小一号的型号，或者把大脑改成云端 API。
显存不够会怎样
模型装不进显存，推理工具通常会把放不下的部分挪到普通内存里算（offload）。上面表里的建议显存是按整个模型留在显存里估的；比它低也许能启动，速度会慢。
内存、硬盘、CPU 各要多少
- 内存：本地跑模型建议 16G 起步，12B 到 32B 的建议 32G，70B 的建议 64G，估法是不低于显存、再给系统留些余量。
- 硬盘：本地模型文件很占地，上面表里的型号一个就是 7 GB 到 19 GB，按你打算存几个型号把空间留出来。
- CPU：接云端 API 时推理不在本机，CPU 没有特别要求。没有独显纯靠 CPU 跑模型也行，但慢，只适合试水。
苹果 M 系芯片是个特例
Mac 的 M 系芯片用统一内存架构，CPU 和 GPU 共享同一块内存，没有单独的显存，模型直接装在这块内存里。所以内存大的 Mac（32G、64G）不配独显也能装下更大的本地模型。这块内存系统和别的软件也在用，拿内存数字去对上面的表，不能按整条算。
常见问题
- 我的普通笔记本能跑 OpenClaw 吗？
- 能，前提是接云端 API。OpenClaw 官方安装页的系统要求写的是 Node 版本（24.16+ 或 26.1+）和操作系统，另注明 pnpm 只在从源码构建时才用，没有内存、显卡要求，费算力的模型在云端。只有想在本机跑大模型时才需要好显卡。
- 本地跑模型，显存和内存哪个更重要？
- 先看显存。模型要整个装进显存才跑得快，显存不够要么跑不起来，要么被迫拆到内存里、速度明显变慢。内存也要够（建议 16G 起），但它是辅助：显存决定你能跑多大的模型。买卡先看显存数字。
- 苹果的 M 系芯片能本地跑模型吗？
- 能。M 系芯片是统一内存架构，CPU 和 GPU 共享同一块内存，模型直接装在这块内存里。所以内存大的 Mac（比如 32G、64G）能装下更大的本地模型；系统和别的软件也占这块内存，不能把整条都算给模型。