OpenClaw本地部署接入豆包、千问、deepseek、kimi等大模型，安装最新版v2026.5.9实战教程

OpenClaw 支持接入多种大模型，这篇说说怎么配置。我把目前主流的几个平台都试了一遍，整理出各自的配置方法。

下载地址：https://top.wokk.cn

先说配置文件的通用结构

不管接入哪个模型，配置文件里 LLM 部分的结构是一样的：

llm:

provider: xxx

model: xxx

api_key: ${API_KEY}

其中 provider 和 model 名称各平台不一样，下面逐一说明。

一、接入豆包（ByteDance）

豆包是字节跳动的大模型，中文能力不错。

注册地址：https://console.volcengine.com/ark

配置方法：

llm:

provider: volcengine

model: doubao-pro-32k

api_key: ${VOLCENGINE_API_KEY}

豆包的特色是有 32K 上下文，处理长文本有优势。

二、接入千问（Qwen/Alibaba）

千问是阿里云的模型，开源版本 Qwen2.5 表现不错。

注册地址：https://dashscope.console.aliyun.com/

配置方法：

llm:

provider: dashscope

model: qwen-turbo

api_key: ${DASHSCOPE_API_KEY}

如果用开源版本配合 Ollama：

llm:

provider: ollama

model: qwen2.5:7b

base_url: http://127.0.0.1:11434

三、接入 DeepSeek

DeepSeek 是国产模型里性价比很高的选择，价格便宜，效果也不差。

注册地址：https://platform.deepseek.com/

配置方法：

llm:

provider: deepseek

model: deepseek-chat

api_key: ${DEEPSEEK_API_KEY}

DeepSeek 的优势是价格低，API 调用成本只有 GPT-4 的十分之一左右。

四、接入 Kimi（Moonshot）

Kimi 我用得比较多，长文本处理能力是亮点，支持 128K 上下文。

注册地址：https://platform.moonshot.cn/

配置方法：

llm:

provider: moonshot

model: moonshot-v1-8k

api_key: ${MOONSHOT_API_KEY}

可选模型：

• moonshot-v1-8k - 8K 上下文，便宜
• moonshot-v1-32k - 32K 上下文，中等
• moonshot-v1-128k - 128K 上下文，贵但强大

五、接入 GLM（Zhipu）

智谱的 GLM 是清华团队做的，中文任务表现稳定。

注册地址：https://open.bigmodel.cn/

配置方法：

llm:

provider: zhipu

model: glm-4

api_key: ${ZHIPU_API_KEY}

六、多模型切换

OpenClaw 支持多模型配置，可以根据任务类型自动切换：

llm:

default: kimi

models:

kimi:

provider: moonshot

model: moonshot-v1-8k

deepseek:

provider: deepseek

model: deepseek-chat

glm:

provider: zhipu

model: glm-4

切换命令：

openclaw config set llm.current deepseek

七、各模型横向对比

八、免费额度汇总

各平台新用户都有免费额度：

• Kimi：新用户有赠送额度
• DeepSeek：注册送余额
• GLM：新用户有免费额度
• 千问：百炼平台有免费额度
• 豆包：火山引擎有试用额度

写在最后

用了一圈下来，我的建议是：日常对话用 DeepSeek，省钱；长文本用 Kimi 或 GLM；代码任务用千问。不同场景切换着用，体验不错。

OpenClaw 的多模型支持做得很灵活，换模型只需要改一行配置。有兴趣的可以去 https://top.wokk.cn 看看详细文档。