早上9点到公司的第一件事不是写代码，是看‘Agent昨晚跑了多少轮、Token烧了多少、有没有异常日志’。这条9月30日的小红书动态，在养虾（OpenClaw）圈子里已经是日常：虾不是养来聊天的，是养来干活的，而干活的虾，每一轮都在烧你的钱，或者烧你的电。
一、2.0之后，云端账单先炸了
9月1日，停更7周的OpenClaw带着一次性吞下1.6万个PR的2.0回来了。紧接着，知乎问题‘Openclaw怎么没有人讨论了呀？’下面那条78赞的回答把账拆得很细：同样的日常工作、同样的模型API接入，token费用涨了5倍。 单次提交的token从2万涨到8万，每轮调用从两三个tools变成七八个，新版还默认开着记忆滚动、每晚三点跑‘梦境’插件整理记忆，甚至要再起一个模型做向量搜索——用这位用户的原话说，习惯晚上让电脑休眠的人，隔天的token账单“让囊中羞涩的你难堪”。知乎知乎
烧token这件事本身不新。小米MiMo团队负责人罗福莉今年4月就点过：OpenClaw的上下文管理做得非常糟糕。一个用户请求会触发多轮低价值的工具调用，每次都带着超过10万Token的长上下文窗口。 当时流传的优化帖也算过：会配置的人，用同样模型，成本能差5–10倍。而龙虾之父自己贴出的月消耗是6030亿token、按预设费率折合130万美元——他本人不掏钱，因为是员工免费额度。新浪微博新浪微博
二、‘本地部署=token自由’重新变成默认答案
云端账单一炸，本地的声量立刻回来了。9月27日那条‘求本地部署open claw使用心得’的小红书帖子顶了29条回复。更早的笔记‘openclaw养虾还得本地大模型 token自由很爽’攒下525次收藏。小红书小红书
用Mac Studio 512G本地AI模型跑openclaw的笔记306赞、307条评论，评论区同样吵成两半。厂商也顺着话术上新：B站这几天出现了‘有模型商店的AI硬件？本地部署从此0门槛了？本地大模型直接上岗干活！’的整机演示。还有把工作站式迷你主机直接标成‘真正的本地（24小时）在线的AI员工openclaw’在售的推广帖。闲鱼上一轮‘代装龙虾’到‘代卸龙虾’的生意周期，眼看又要轮回。哔哩哔哩哔哩哔哩
知乎9月29日那个直球问题——‘很多人认为本地部署一个大模型，就实现token自由，就可以干活了，真的吗？’——目前有回答直接泼冷水：本地部署最大的好处是可以在局域网流转保密数据，如果没有保密需求，还是租用AI更合适，既省事又能用上最新版，还省钱。知乎
三、先看本地阵营自己的成绩单：两半
先看聊天模型的水位线。最近一周最热的本地部署实测，是B站UP主零度解说那条‘8G显存竟能跑125B大模型！内存硬抗Qwen3.8-Flash-Next，N卡、A卡都能用！本地部署实测’，一万一千多播放、一百五十多条评论，评论区本身就是一张行情表：‘最低硬件要求，可用资源：12g显存，32g内存，注意是可用资源’；5060Ti-16G+64G DDR4的机器‘平均有40+t/s’；128G统一内存把显存调到8G的Mac档‘速度15~20t’；5090D+64G的高配能到‘130t/s’。而‘8g显存不用试了，没戏’拿了5赞。 老平台更直接：P100、T10、V100、2080不能用，DDR3加载一层专家层要200ms延迟，还有CPU不支持AVX512被卡的。哔哩哔哩
养虾是这道题再乘一遍：2.0一个任务七八轮工具调用、每轮上万上下文、全天候连轴转。已经在用双3090+NVLink跑qwen3.8-27B当日常虾的用户，原话是‘9月的OpenClaw都有点坑，不是必须先不要升级，2345这几个版本我一路踩坑过来的’；同一批评论里也有人昨天升级到2026.9.6之后感觉‘重生’了——升级本身就是开盲盒。小红书
Mac Studio阵营热帖里的置顶反驳更扎心：没意义，本地模型怎么可能追的上最新的呢。 同一评论区还有‘本地模型自嗨可以，生产力没啥用’的判断、同配置网友描述的活跃模型进度条长期几十秒，以及两台顶配Mac Studio最少二十万的硬件劝退账。小红书
四、把‘token自由’拆成三笔账
第一笔是能力账：Agent不是问答。本地模型能不能跑通OpenClaw那七八轮工具调用、长上下文里会不会越跑越偏，决定它是‘上岗干活’还是‘卡死重来’。知乎有人用Ollama+LitServe+OpenClaw搭了一个本地看图助手，图片不出设备就能被AI理解——这是本地接入跑通的好例子，但任务足够简单。 任务复杂时，本地小模型会像那位78赞答主形容的那样，变成集十种杀人武器于一身的达文西：每次都‘尽心尽力为你着想’，实际在原地打转，而重试不烧钱、只烧你等它的时间。知乎知乎
第二笔是速度账：把聊天实测的t/s换算成虾的真实工时。按评论区40t/s的机器估算，一个任务七八轮、每轮输出几千token，再叠加长上下文预处理，单任务十几分钟起步是常态；云端API跑同样任务往往几十秒出结果。在24小时有人派活的场景里，本地速度×任务轮数×并发，才是真正的‘算力账单’。这一段是按已引用实测数据的推理性估算，实际结果随任务复杂度、量化档和上下文长度浮动。
第三笔是钱的账，结论可能和标题相反：本地部署省的是token费，花的是硬件折旧、24小时在线的电和踩坑时间。今年闲鱼已经交过一次学费——‘前阵子全是代装龙虾，现在全是卸龙虾服务’，原因就一句：token烧不起，删了省心。 真正让本地成立的是云端给不了的三样东西。数据不出本机：一直在用，自从被封号，我才知道任何云端部署的东西都不可靠，一旦封号资料全没了，本地才是王道。 不被API涨价拿捏的长期确定性，以及老版用户怀念的那种token可控、让我知道钱用在哪里的控制感。新浪微博小红书知乎
五、你是哪一档：四档对号入座
手里有24G以上显存加64G内存的新平台（或128G级统一内存Mac），虾的活儿是固定摘要、检索、轻操作：可以本地。选型上27B级是当下评论区晒成绩单最集中的甜点档；版本上先等口碑——2.0之后一路踩坑和‘9.6重生’两种体验都是真的，升级前查一周社区评价再动。
只有8—12G显存、内存32G以下、老CPU老平台：别被‘8G跑125B’的演示种草，评论区已经替你算好入场券是‘显存12g、内存32g的可用资源’起步。这个档位先继续订阅或免费额度——今年3月国家超算互联网就给虾友免费发过1000万Tokens额度——把硬件预算留到下一轮。新浪微博
准备为‘24小时AI员工’买‘养虾机’整机：先问销售三个数字——本机实测t/s、工具调用通过率、OpenClaw 2.0/9.6的记忆开销它跑没跑过。‘模型商店、0门槛’解决的是装，不是账单；这类新上架推广帖播放量普遍个位数，市场自己还在观望。
轻度用户、没硬件：别为一只虾配一台机。这个圈子9月已经在分流，评论区有人说Workbuddy强太多了，也有人转投Hermes、qwenpaw、dsh这些同样能本地部署的壳。腾讯的Qclaw上线半年停运，又让‘普通人如何彻底私有化自建’热了一轮——但那是另一笔账。小红书哔哩哔哩
观察信号
接下来看三件事，决定上车还是下车：OpenClaw会不会把记忆滚动的默认开销真正降下来（9.6是第一份样本）；下一波本地模型会不会把工具调用通过率当卖点（Qwen3.8-Flash-Next们已经把速度问题摆上桌）；云厂商会不会借2.0抱怨潮再发一轮补贴。今年这圈人已经为‘代装→代卸’交过一次学费——这一轮本地的账，别用聊天的算盘打。
