「养虾破产」了才想起来切本地模型？我把20份虾民实测记录压成一张表：这三档显存才算数，其余先别动

「养虾破产」了才想起来切本地模型？我把20份虾民实测记录压成一张表：这三档显存才算数，其余先别动

“真是服了，昨晚为了跑任务，硬生生给我干了几千万token。你说养个小龙虾还能破产，这合理吗？”

这是今年4月一位教程作者寒山在文章开头的吐槽。今日头条如果你这半年玩过OpenClaw（社区叫它"龙虾"），大概率对这句话有体感：这东西干活是真干，烧token也是真烧。有程序员让它跑一天爬虫测试烧掉5000万token，有重度用户一天烧10亿、折合几千块人民币，猎豹CEO傅盛公开说自己每天在AI上的花费超过100美元。今日头条一位独立开发者晒出第一个月账单：光API就400多美元。知乎

于是"接个本地模型，账单归零"成了虾圈最近半年最热门的折腾方向。Ollama v0.15.4之后原生集成了OpenClaw，一条`ollama launch openclaw`就能拉起。今日头条 OpenClaw 3.12干脆把Ollama/vLLM做成了插件。今日头条门槛确实塌了。但我把全网微信、知乎、头条、小红书、抖音上20多份真实部署记录摆在一起看完，发现一个尴尬的事实：账单归零是真的，"本地模型跑龙虾"能跑成什么样，完全取决于你的显存落在哪一档——而且大部分劝退帖，坑根本不在模型。

这篇不教你装Ollama（那玩意儿三分钟的事），只回答三个问题：龙虾的钱到底花在哪、你的机器能不能喂饱它、以及切本地这笔账划不划算。

先想明白：龙虾不是聊天框，它每轮都在"重发整个工位"

很多人拿"我用免费云端AI聊天没花过钱"的直觉来判断龙虾的消耗，这是错觉的来源。知乎一位AI茶水间方向的作者把OpenClaw的单次请求拆成六个模块，数字很直观：

• 系统提示词：每次请求1250～6250 token，因为它要从AGENTS.md、SOUL.md等文件现场拼装，默认每个文件最多加载20000字符。知乎

• 工具定义：3000～5000 token，刚性开销。光一个browser（浏览器）工具的Schema就约800 token；

• 会话历史：越聊越贵。有实测统计，5轮对话的累计token消耗是单轮的13倍；

• Memory Flush：压缩会话前还要先单独调一次大模型"整理记忆"，等于再花一遍全量固定开销；

• 记忆检索结果、工具调用链：文件读进来、网页抓进来、shell输出，全部原样塞回上下文。

最扎心的例子来自一位知乎用户：让龙虾识别总结一张手机截图，一次任务烧掉40万token，“吓得我直接把百炼API关了”。知乎还有个配错心跳的独立开发者——拿Claude Opus跑每15分钟一次的定时检查，一天96次心跳、每次带1.5万token上下文，光打招呼一天就十几美元。知乎

所以"本地4B小模型免费陪聊"的经验，放到龙虾身上不成立：它不是问一句答一句，是每干一步活就把整个工作环境重新加载一遍。对模型的要求从"会聊天"变成了"扛得住大吞吐+会用工具"。这也解释了为什么虾圈集中抱怨"龙虾失忆"——上下文窗口里装的根本不是你的话，是它的工具列表和工作区文件。

20份部署记录拼出来的显存档位表：哪一档才算数

把各家实测按显存归档，边界比想象中清晰：

两个容易被忽略的细节：一是上下文不能设太小——OpenClaw有16k上下文的最小硬门槛，低于它会直接工具调用失败。知乎8G卡跑4B模型时"显存里给KV cache留多少"决定了你是流畅还是频繁爆显存。二是同一台机器可以按任务路由——有虾民的完整自动化系统里，盘中监控、图表生成走本地Qwen2.5-7B，盘后研报走35B，只有核心决策和写公众号走云端GLM，一天约1-3元、一个月50-90元把11个定时任务全跑下来，纯本地模式甚至直接0元。微信公众号

接上跑不通的，八成栽在这三个坑，都不是"模型不行"

我把各家踩坑帖去重之后，反复出现的其实就三条：

坑一：baseUrl手滑带了`/v1`。微信上两篇独立踩坑记录都指向这里：OpenClaw走Ollama时必须填`http://127.0.0.1:11434`，填OpenAI兼容的`/v1`地址会让工具调用直接坏掉——模型把原始JSON当纯文本吐出来，看起来就是"人工智障"。微信公众号走Ollama原生`/api/chat`接口才能流式输出和工具调用同时工作。

坑二：Agent流程没关，然后怪模型。头条一位只有一台12核CPU老机的玩家，在Ollama和LM Studio之间来回换了7B、4B、1.5B、0.5B一路降档，全部超时。真正的元凶是：本地小模型+CPU扛不住完整的Agent重推理流程，再加上上下文拉到32K、maxTokens设4096、没开内存锁——换什么模型都得跪。他最后的总结值得所有折腾党抄："出问题就换模型，不找真正原因"是最贵的路径。今日头条

坑三：两端参数不一致+超时给短了。OpenClaw侧和Ollama/LM Studio侧的contextWindow要手动对齐（一边16384一边8192必报错）；本地模型首次加载30-60秒，默认5分钟超时不够用，要把`timeoutMs`拉到900000；局域网互通记得放行11434端口。至于"token用率94%突然中断对话"，是会话历史堆到模型窗口上限了——定期清理session文件，比换大模型便宜。微信公众号

那笔账到底怎么算：三条路线，对号入座

现在可以回答最初的问题了。我把虾民圈子的路线归成三条，各自有明确的适用人群：

路线A：继续云端，先把配置省到位。被验证降幅最大的一套操作：精简AGENTS.md（200行砍到60行）、MEMORY.md瘦身（光这一步省30-40%）、禁用browser/cron/canvas/nodes四个多数人用不上的工具（单次请求省1500-2000 token）、压缩阈值从88%调到70%、简单任务走便宜模型叠prompt缓存。那位月烧400美元的独立开发者靠这套组合拳加模型分层，成本压到20美元以内。知乎更省事的办法是订阅制：MiniMax 29元包月（5小时50次prompt）、GLM的Coding Plan这类"按次不按token"的套餐，直接消灭token焦虑——小红书一位开发者一周近半亿token靠1200次/5小时的套餐扛住了。小红书对大多数月账单在200元以内的虾民，这条路线的性价比其实打爆了本地部署。

路线B：全本地。边际成本归零，8小时/天的机器电费一个月60-90元。但回本账要算清楚：如果为了跑龙虾专门配一台5060Ti 16G整机（3月行情约9700元），而你原本月API账单只有100-200元，回本周期奔着四年去——四年后的你大概率在用更好的模型，而不是更便宜的电费。今日头条本地全跑真正划算的前提有二选一：你已经有12G以上显存的机器，或者你的任务里"数据不出本机/24小时挂机"本身就是需求（合同、客户资料、内部文档、量化监控）。医疗、法务、内网办公这类场景，隐私价值比省下的token费更先成立。

路线C：混合路由（老虾民的终局形态）。`primary`设本地模型、`fallbacks`挂云端模型，本地挂了自动切云端；简单整理走本地7B/14B，复杂规划和多代理协作走云端。前面那套月均50-90元的A股+自媒体自动化系统就是这条路线的完整样本。Ollama和LM Studio现在都支持向导式配置，这条路的操作成本已经很低了。

反过来，有两个人群我建议先别动：没有独立显卡、正冲动下单"省钱神机"的——CPU跑龙虾的体验，各帖差评高度一致；内容创作、复杂编码重度用户——一位把8B/14B本地模型接进OpenClaw做skill开发的玩家，任务做不出来，最后还是切回云端模型，本地留着只跑"听得懂话就行"的杂活。证据只能说到这：弱模型跑不了重Agent流程，是当前所有实测的共识，而27B以上档位能不能完全替代云端中端模型，各家说法还在打架。

接下来盯什么

这个方向的边界每个月都在挪，三个信号值得放进观察列表：MiniMax H3、Qwen新模型的低显存量化版本什么时候铺到8-12G档（决定8G卡用户的天花板）；国内API涨价的尾巴——DeepSeek输出价从2元回到8元后还计划上调50%，多家厂商跟进，"云端永远便宜"的前提并不牢。今日头条以及Ollama/LM Studio与OpenClaw的集成版本更新——插件化之后，配置坑的清单本身也在变短。

养虾这件事，2026年的真相是：龙虾不是聊天工具，是雇了个按token计薪的全职员工。本地模型能不能替你发这份工资，取决于你的显存配不配得上它的工位数。先看清账单花在哪，再决定是动硬件还是动配置——顺序反了，省下的会员费，还不够交学费。