OpenClaw + Ollama: запуск с локальными AI-моделями без облака
18 марта 2026 года в официальной документации Ollama появилась отдельная страница, посвящённая интеграции с OpenClaw. Это официальное признание связки: теперь настройка описана в первоисточнике, а не в разрозненных постах сообщества. В этой статье — пошаговая инструкция, системные требования и разбор того, какие модели поддерживаются.
Зачем запускать OpenClaw локально
Основная причина — приватность. При работе с облачными провайдерами ваши запросы, контекст задач и данные, которые OpenClaw читает в процессе работы, уходят на внешние серверы. Локальный запуск через Ollama полностью исключает передачу данных: модель работает на вашем железе, без интернет-соединения.
Это критично для:
- Работы с конфиденциальными документами и кодом
- Корпоративных сред, где политики запрещают отправку данных в облако
- Ситуаций, когда нужна стабильная работа без зависимости от внешних API
Подробнее о приватности и локальном запуске OpenClaw.
Системные требования
Прежде чем начинать настройку, убедитесь, что ваша система соответствует минимальным требованиям для запуска локальных моделей через Ollama.
| Параметр | Минимум | Рекомендуется |
|---|---|---|
| RAM | 8 GB | 16 GB и более |
| Место на диске | 5–10 GB на модель | 20+ GB для нескольких моделей |
| GPU | Не обязателен | Значительно ускоряет генерацию |
| ОС | macOS, Linux, Windows | macOS / Linux |
Важно: 8 GB RAM — это минимум для запуска небольших моделей (7–8 параметров). При работе с моделями 70B потребуется существенно больше ресурсов. При нехватке памяти модель будет работать медленно или не запустится.
Шаг 1: Установка Ollama
Если Ollama ещё не установлен, скачайте его с официального сайта ollama.com и следуйте инструкциям для вашей операционной системы.
Проверьте, что Ollama запущен:
ollama --versionШаг 2: Загрузка модели
Ollama поддерживает несколько моделей, совместимых с OpenClaw. Выберите подходящую под ваши ресурсы:
# Llama 3.1 (8B) — хороший баланс качества и скорости
ollama pull llama3.1
# Mistral 7B — быстрая, хорошо работает на 8 GB RAM
ollama pull mistral
# Qwen 2.5 — сильный вариант для кода
ollama pull qwen2.5
# Gemma 2 — от Google, эффективна на небольшом железе
ollama pull gemma2Для большинства задач на машине с 16 GB RAM рекомендуется llama3.1 (8B) или mistral. Модели 70B требуют значительно больше ресурсов.
Шаг 3: Подключение Ollama к OpenClaw
После установки и запуска Ollama настройте OpenClaw на использование локального провайдера. В настройках OpenClaw укажите endpoint Ollama (по умолчанию http://localhost:11434) и выберите нужную модель.
Если вы используете более старую версию конфигурации или скрипты запуска, алиас clawdbot по-прежнему поддерживается — команда Ollama сохранила обратную совместимость. Это означает, что существующие скрипты, написанные под старое имя, продолжат работать без изменений.
Шаг 4: Проверка связки
После настройки убедитесь, что OpenClaw видит локальную модель. Запустите простую задачу — например, попросите агента прочитать файл и описать его содержимое. Если ответ приходит без ошибок и не обращается к внешним API, интеграция работает корректно.
Если OpenClaw ещё не установлен, начните с базовой инструкции: первый запуск OpenClaw.
Поддерживаемые модели: сводная таблица
| Модель | Размер | RAM (минимум) | Сильные стороны |
|---|---|---|---|
| Llama 3.1 8B | ~5 GB | 8 GB | Универсальные задачи |
| Llama 3.1 70B | ~40 GB | 64 GB | Сложные задачи, высокое качество |
| Mistral 7B | ~4 GB | 8 GB | Скорость, эффективность |
| Qwen 2.5 | ~5–9 GB | 8–16 GB | Код, мультиязычность |
| Gemma 2 | ~5 GB | 8 GB | Эффективность на малых ресурсах |
DeepSeek v4 локально через Ollama
DeepSeek v4 — одна из самых востребованных моделей для связки с OpenClaw в 2026: сильна на коде и рассуждениях, есть бесплатные дистилляты. Установка:
# Полная версия (требует серьёзного GPU)
ollama pull deepseek-v4
# Дистиллят на базе Qwen (умещается в 16 ГБ RAM)
ollama pull deepseek-r1:14bВ настройках OpenClaw укажите модель deepseek-v4 или deepseek-r1:14b. Подробнее в интеграции DeepSeek с OpenClaw.
Qwen локально (Qwen 2.5 / Qwen 3)
Qwen — китайская модель, отлично знающая русский и сильная в коде. На Mac с 16 ГБ RAM работает Qwen 2.5 7B; на 32+ ГБ — Qwen 2.5 14B.
ollama pull qwen2.5:7b # 16 ГБ RAM
ollama pull qwen2.5:14b # 32 ГБ RAM
ollama pull qwen2.5-coder # для задач программированияQwen хорошо подходит для генерации навыков OpenClaw, если вы не хотите гонять задачу через облако.
Mac mini как Ollama-сервер для команды
Mac mini M4 с 32–48 ГБ unified memory — отличный «домашний LLM-сервер»: тихий, дешёвый, быстрый на Apple Silicon. Сценарий:
- На Mac mini ставите Ollama, открываете доступ по сети:
OLLAMA_HOST=0.0.0.0:11434 ollama serve. - На рабочих машинах в
.openclaw/settings.json:
{
"providers": {
"ollama": { "baseUrl": "http://mac-mini.local:11434" }
}
}- Все участники команды используют одну модель без облака и без нагрузки на свои ноутбуки.
Сравнение производительности — Mac mini vs VPS для OpenClaw.
Ограничения локального запуска
Честный разбор невозможен без упоминания компромиссов:
Скорость генерации при работе без GPU будет заметно ниже, чем у облачных моделей. На CPU даже небольшая модель может генерировать 5–15 токенов в секунду против 50–100 токенов у облачных API.
Качество ответов у локальных моделей 7–8B уступает GPT-4 или Claude 3.5 для сложных задач рассуждения. Для технических задач и работы с кодом разрыв меньше.
Обновления моделей требуют ручной загрузки через ollama pull. Облачные провайдеры обновляют модели автоматически.
Для сценариев, где требуется работа с корпоративными данными через внешние источники, рассмотрите также интеграцию OpenClaw с MCP Coupler.
Итог
Официальная документация Ollama для OpenClaw — знак того, что эта связка стала достаточно востребованной, чтобы поддерживать её на уровне первоисточника. Локальный запуск через Ollama — практичный выбор для тех, кому важна приватность и независимость от облачных провайдеров. Системные требования доступны большинству современных машин разработчика, набор поддерживаемых моделей покрывает основные сценарии использования.