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.
1. Установить 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 --version2. Загрузить модель
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.
3. Подключить 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.
4. Проверить связку
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.
Другие варианты провайдера модели: полная карта интеграций.