在x上又看到一篇文章，觉得还是挺有用的，今天就分享给大家。
这篇文章挺实用的，作者 Alex Finn 分享了如何把 OpenClaw（一个 AI Agent 框架）接入本地模型，从而摆脱 Anthropic API 的费用和限制。核心卖点是：32GB 内存的 Mac Mini 就能跑 Qwen 3.5，效果据说相当于六个月前的 Claude Sonnet 水平，而且完全免费。
说实话，作者对 Qwen 3.5 的赞美有点夸张，"等同于 Sonnet 4.5"这个说法经不起严格检验。但 "用前沿模型做规划 + 本地模型做执行"这个混合架构思路是真的有参考价值------执行占 90% 的 token 消耗，把这部分本地化，省钱效果是实实在在的。操作步骤也给得很清楚，只要跟着做就能跑起来。
如何将 OpenClaw 接入本地模型？
作者目前桌上放了 3 台 Mac Studio，他们都在运行着 Qwen 3.5------一个本地模型，作者认为智能程度接近 Sonnet 4.5。无限 token，没有速率限制，成本就只有电费消耗。而且数据100% 私密，不上传到任何云端服务器，即使断网也能正常工作。
不需要价值一万美元的 Mac Studio，Mac Mini 就够了。
Qwen 3.5 就在前几天刚发布，直接可以装进 32GB 内存里跑。这意味着比基础款高一档的 Mac Mini 就能跑起来，并且性能直逼Sonnet 4.5，24/7 驱动你的 OpenClaw Agent，没有任何 API 费用，数据也不出本地。
目前 OpenClaw 用户最大的抱怨就是限制和价格------接 Anthropic API 的话，每月可能花几千美元，还频繁受到速率限制。本地模型完美的解决了这个问题。
不只是省钱，它还解锁了很多以前不可能实现的用法。没有限制之后，Agent 可以 24/7/365 持续运行。这彻底改变了你和 AI 的关系------从一问一答的对话，变成被动的、常驻的协作：Agent 持续产出价值，自我改进，主动寻找新任务。
作者目前跑着一个"SaaS 工厂"：
- 4 个 OpenClaw Agent 同步协作开发同一个产品，各自领任务，完成后自动寻找下一个，必要时自行创建新任务
- 另一个 Agent（Ralph）负责 QA，审查所有任务，发现问题后直接修改对应 Agent 的记忆并改进它
这是一个完整的闭环自我改进系统。如果用 API 来跑，每月要花好几千；用本地模型（Qwen 和 MiniMax）完全免费，只有电费------而 Mac 电脑的能耗效率相当高。
如何部署本地模型
要跑 Qwen 3.5，至少需要 32GB 内存的 Mac Mini。模型本身占 20GB，留点余量给其他任务用。
如果只有基础款 16GB Mac Mini，也没关系，虽然跑不了这个模型，但可以跑一些更小的模型，处理一些简单任务。
在 32GB 及以上的电脑上部署 Qwen3.5-35B-A3B 的步骤：
- 下载 LM Studio --- lmstudio.ai，免费，拖入 Applications 即可
- 搜索 Qwen3.5-35B-A3B-4bit --- 在 Discover 标签页搜索 "Qwen3.5-35B-A3B"，选择 4-bit MLX 版本
- 下载 --- 约 20GB，网速好的话几分钟搞定
- 加载模型 --- 在侧边栏点击它，点 Load，完成。本地 AI 现在已经在跑了
- 接入 OpenClaw --- 告诉你的 OpenClaw 你下载好了，让它把这个模型作为工具来使用
如果内存不足 32GB，可以直接问 OpenClaw："我的硬件能跑的最好的本地模型是什么？能帮我分担一些任务或改善记忆系统？"
什么时候用本地模型
本地模型的智能水平大约是六到十二个月前的前沿水准，并非当下最强。建议这样搭配：用 Anthropic 或 ChatGPT 作为 OpenClaw 的"大脑"负责规划，用本地模型作为"肌肉"负责执行。
执行阶段占了大约 90% 的 token 消耗，把这部分本地化，省钱效果非常明显。同时也能学到更多关于本地 AI 的知识，在需要时保持数据隐私。
作者判断，年底之前，应该会出现能在单台 Mac Studio 或 Mac Mini 上运行的 Opus 4.6 级别模型------到那时，局面会完全不同。
深度思考
"大脑+肌肉"混合架构是真正有价值的洞察： 规划用前沿 API、执行用本地模型，这个分工符合实际成本结构------执行占 90% 的消耗，本地化收益最大，而规划对质量最敏感，不该将就。
闭环自我改进系统的门槛比听起来低很多： QA Agent 修改其他 Agent 记忆这个设计，意味着系统错误可以被自动收敛。这类结构以前只在大公司的工程团队里出现，现在一个人就能在桌面上跑起来。
本地模型浪潮的真正驱动力是隐私，不只是省钱： 数据不出设备、断网可用，对某些场景（法律、医疗、企业内部数据）的意义远超省 API 费用。作者轻描淡写了这一点，但它可能才是最大的需求来源。
对 Qwen 3.5 性能的描述需要打折扣： "等同于 Sonnet 4.5"是营销语言，实际表现取决于具体任务类型，代码和推理类任务差距通常比基准测试体现的更大。跟着配置跑，自己测才算数。
本地模型最大的价值不是免费，而是让 Agent 从"用完即止"变成"持续运转"------这才是工作流真正被重构的地方。
原文链接：x.com/AlexFinn/st...