Så sänker du API-kostnaderna för OpenClaw med Ollama och lokala modeller

Kostnadsproblemet
Om du kör OpenClaw själv med moln-API:er som OpenAI eller Gemini har du säkert märkt att räkningarna växer snabbt. Vi har sett användare som rapporterar över 20 dollar i veckan för enkla sök- och surfuppgifter – och det vid måttlig användning.
Orsaken är mängden tokens. OpenClaws arkitektur bygger på verktygsanrop, och det gör att en enda webbsökning kan förbruka miljontals tokens. Agenten resonerar om vilka verktyg den ska anropa, bearbetar sökresultaten, sammanfattar innehållet och formaterar ett svar. Varje steg kostar tokens. Gånga det med dussintals frågor om dagen så landar du på en rejäl månadskostnad.
Den goda nyheten: du har alternativ. OpenClaw stöder egna modelleverantörer, vilket betyder att du kan köra lokala modeller gratis, använda billigare molnalternativ eller sätta upp ett hybridupplägg som ger dig det bästa av två världar.
Viktigt: minsta modellstorlek
Innan du sätter igång, en avgörande reservation: OpenClaw kräver modeller som är starka på verktygsanrop och resonemang. Agentarkitekturen innebär planering i flera steg, val av verktyg, tolkning av strukturerad utdata och långa kontextfönster. Små modeller klarar helt enkelt inte det på ett pålitligt sätt.
Rekommenderade minimistorlekar:
- 32B+ parametrar – det praktiska minimumet för att OpenClaw ska fungera pålitligt (t.ex. DeepSeek R1 32B, Qwen 2.5 32B)
- 14B parametrar – kan fungera för enkla uppgifter men misslyckas ofta i arbetsflöden med flera steg
- 7–8B parametrar – rekommenderas inte. Modeller som
llama3.1:8bellermistral:7bsaknar resonemangsdjupet som OpenClaws kedjor av verktygsanrop kräver, och de ger fel, hittar på verktygsanrop eller fastnar i loopar
Om du inte har hårdvara för att köra 32B+-modeller lokalt kan du i stället titta på OpenRouter eller hybridupplägget.
Alternativ 1: Kör lokala modeller med Ollama
Ollama är ett verktyg med öppen källkod som låter dig köra stora språkmodeller lokalt på din egen hårdvara. Det exponerar ett OpenAI-kompatibelt API, vilket betyder att OpenClaw kan använda det som en direkt ersättning för molnmodeller.
Installera Ollama
Installera Ollama på samma maskin som OpenClaw (eller på en separat maskin – mer om det längre ned):
curl -fsSL https://ollama.com/install.sh | sh
Hämta sedan en modell. Vi rekommenderar att du börjar med en modell på 32B+:
ollama pull qwen3:32b
Konfigurera OpenClaw för Ollama
Lägg till Ollama som en egen leverantör under models.providers i din konfiguration openclaw.json:
{
"models": {
"providers": {
"ollama": {
"baseUrl": "http://localhost:11434/v1",
"api": "openai-completions",
"apiKey": "ollama",
"models": [
{
"id": "qwen3:32b",
"name": "Qwen 3 32B",
"reasoning": true,
"input": ["text"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 32768,
"maxTokens": 8192
}
]
}
}
}
}
De viktigaste inställningarna:
- baseUrl – pekar på Ollamas OpenAI-kompatibla endpoint (port 11434 som standard, med sökvägen
/v1) - api – måste vara
"openai-completions"(adaptern för OpenAI:s Chat Completions API) - apiKey – krävs av OpenClaw även om Ollama inte behöver autentisering. Använd valfritt platshållarvärde, till exempel
"ollama" - models – lista de modeller du har hämtat med
ollama pull. Varje modellpost kräverid,name,reasoning,input,cost,contextWindowochmaxTokens
Gör en lokal modell till standard
För att OpenClaw ska använda din lokala modell som standard i stället för ett moln-API konfigurerar du agents.defaults:
{
"agents": {
"defaults": {
"model": "ollama/qwen3:32b"
}
}
}
Nu startar varje ny konversation med din lokala modell – helt utan API-kostnad.
Hårdvarukrav för lokala modeller
Lokala modeller körs på din processor eller ditt grafikkort. Den begränsande faktorn är nästan alltid minnet – modellen måste rymmas helt i RAM (eller i VRAM när du kör inferens på grafikkortet).
| RAM / VRAM | Modellstorlek | Fungerar med OpenClaw | Exempel |
|---|---|---|---|
| 8 GB | 7B parametrar | Fungerar inte – för liten för verktygsanrop | Llama 3.1 8B, Mistral 7B |
| 16 GB | 14B parametrar | Begränsat – bara enkla uppgifter | Qwen 2.5 14B |
| 32 GB+ | 32B+ parametrar | Rekommenderas – pålitlig för de flesta uppgifter | DeepSeek R1 32B, Qwen 3 32B |
| 48 GB+ VRAM (GPU) | 70B+ parametrar | Utmärkt – i nivå med molnmodeller i mellanklassen | Llama 3.1 70B, Mixtral 8x22B |
Rekommenderade grafikkort
Att köra modeller på ett grafikkort är 5–10 gånger snabbare än inferens på processorn. Om du menar allvar med lokala modeller:
- RTX 3090 (24 GB VRAM) – kör 14B-modeller i full fart och 32B-modeller med kvantisering
- RTX 4090 (24 GB VRAM) – samma kapacitet, snabbare inferens
- Två grafikkort eller 48 GB+ VRAM – krävs för 70B+-modeller utan kraftig kvantisering
Inferens enbart på processorn fungerar, men räkna med längre svarstider – runt 5–15 tokens per sekund beroende på hårdvara och modellstorlek.
Kör Ollama på en separat maskin
Din VPS har förmodligen inget grafikkort. Men det kanske din stationära dator hemma har. Du kan köra Ollama på en maskin hemma med grafikkort och koppla din VPS till den på ett säkert sätt med Tailscale.
Så gör du
- Installera Tailscale på både din VPS och din maskin hemma
- Installera Ollama på maskinen hemma (den med grafikkortet)
- Starta Ollama med nätverksåtkomst påslagen:
OLLAMA_HOST=0.0.0.0 ollama serve
- Uppdatera OpenClaw-konfigurationen på din VPS så att den pekar på Tailscale-IP:n:
{
"models": {
"providers": {
"ollama": {
"baseUrl": "http://100.x.x.x:11434/v1",
"api": "openai-completions",
"apiKey": "ollama",
"models": [
{
"id": "deepseek-r1:32b",
"name": "DeepSeek R1 32B",
"reasoning": true,
"input": ["text"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 65536,
"maxTokens": 8192
}
]
}
}
}
}
Byt ut 100.x.x.x mot Tailscale-IP:n för din maskin hemma. Anslutningen är krypterad och du behöver inte öppna några portar i ditt hemnätverk.
Alternativ 2: Billigare molnmodeller via OpenRouter
Alla har inte ett grafikkort hemma. OpenRouter samlar dussintals AI-modeller och låter dig betala per token – ofta till en bråkdel av kostnaden för direkt API-åtkomst.
Modeller som Gemini Flash, Llama 3.1 70B och Mistral Large finns till betydligt lägre priser än GPT eller Claude, och fungerar bra för vardagliga uppgifter i OpenClaw.
Konfiguration för OpenRouter
{
"models": {
"providers": {
"openrouter": {
"baseUrl": "https://openrouter.ai/api/v1",
"api": "openai-completions",
"apiKey": "sk-or-your-key-here",
"models": [
{
"id": "google/gemini-2.0-flash-001",
"name": "Gemini 2.0 Flash",
"reasoning": false,
"input": ["text"],
"cost": { "input": 0.1, "output": 0.4, "cacheRead": 0.025, "cacheWrite": 0.1 },
"contextWindow": 1048576,
"maxTokens": 8192
},
{
"id": "meta-llama/llama-3.1-70b-instruct",
"name": "Llama 3.1 70B",
"reasoning": false,
"input": ["text"],
"cost": { "input": 0.39, "output": 0.39, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 131072,
"maxTokens": 8192
}
]
}
}
}
}
Priserna hos OpenRouter varierar mellan modellerna, men räkna med att betala 50–90 % mindre än för motsvarande modeller från OpenAI eller Anthropic vid vardagliga uppgifter.
Alternativ 3: Kombinera lokalt och moln
Den smartaste strategin kombinerar lokala modeller och molnmodeller. Använd billiga eller gratis modeller till vardagsuppgifter och spara de dyra molnmodellerna till när du verkligen behöver dem.
Så fungerar det
I OpenClaw kan du tilldela olika modeller till olika agenter. Tanken är:
- Rutinuppgifter (webbsökning, sammanfattning, formatering) → lokal modell i Ollama eller billig modell via OpenRouter
- Komplext resonemang (kodgenerering, analys i flera steg, kreativt skrivande) → GPT, Claude eller Gemini Pro
Ställ in modellval per agent i din openclaw.json:
{
"agents": {
"defaults": {
"model": "ollama/qwen3:32b"
},
"overrides": {
"coder": { "model": "anthropic/claude-sonnet-4-5-20250929" },
"researcher": { "model": "openrouter/google/gemini-2.0-flash-001" }
}
}
}
Då använder din standardagent en gratis lokal modell, medan specialiserade agenter som kodaren kan använda en kraftfullare molnmodell när uppgiften kräver det.
Kostnadsjämförelse
Så här ser typiska månadskostnader ut vid måttlig användning (cirka 50 frågor per dag) med olika upplägg:
| Upplägg | Kostnad för AI-modell | Infrastruktur | Totalt per månad |
|---|---|---|---|
| Bara moln (GPT / Gemini Pro) | 60–120 USD | 5–10 USD VPS | 65–130 USD |
| OpenRouter (Gemini Flash / Llama) | 10–30 USD | 5–10 USD VPS | 15–40 USD |
| Bara lokalt (Ollama 32B+) | 0 USD | 5–10 USD VPS + el | 5–15 USD |
| Hybrid (lokal standard + moln för det komplexa) | 10–25 USD | 5–10 USD VPS | 15–35 USD |
Skillnaden är dramatisk. Ett hybridupplägg kan sänka din månatliga AI-kostnad med 70–85 % jämfört med att bara använda moln-API:er.
Avvägningarna
Lokala modeller är inte helt kostnadsfria – du byter pengar mot andra saker:
- Hårdvarukrav – du behöver 32 GB+ RAM eller ett hyggligt grafikkort för modeller som fungerar med OpenClaw
- Långsammare svar än moln-API:er, särskilt på hårdvara utan grafikkort
- Lägre kvalitet på komplexa resonemangsuppgifter jämfört med de ledande molnmodellerna
- Mer arbete med uppsättningen och felsökning då och då
- Strömförbrukning om ett grafikkort går dygnet runt
För många användare är hybridupplägget den perfekta balansen: snabbt och billigt för rutinarbete, hög kvalitet när det spelar roll.
Kom igång
- Kontrollera din hårdvara – du behöver 32 GB+ RAM eller ett grafikkort med 24 GB+ VRAM för pålitliga resultat
- Installera Ollama och hämta en modell på 32B+:
ollama pull qwen3:32bellerollama pull deepseek-r1:32b - Uppdatera din konfiguration – lägg till leverantören med
"api": "openai-completions"och en platshållare somapiKey - Utvärdera kvaliteten – kör dina vanliga uppgifter och se om resultatet håller
- Gå över till hybrid – ställ in modeller per agent när du vet vilka uppgifter som kräver molnkvalitet
OpenClaw-communityn på Discord är ett bra ställe att dela konfigurationer och få tips om vilka modeller som fungerar bäst för olika uppgifter.
Vill du ha bekvämligheten med managed hosting utan att sköta servrar själv? ClawNest tar hand om infrastruktur, uppdateringar och säkerhetskopior så att du kan fokusera på att konfigurera dina AI-assistenter. Börja med en gratis provperiod på 3 dagar – inget kreditkort krävs.