Alex Finn 终于开始介绍通过本地模型跑龙虾（OpenClaw）的方法了。

高频使用龙虾的朋友可能已经开始感受每月 Token 账单的压力了。其实，将模型直接跑在自己电脑上，不仅省钱，还能解锁各种云端模型根本做不到的玩法，让AI全年无休地替你干活。

云端模型每发一条消息就在烧钱，隐私也是个隐患，网速差了还得等。更别说让它24小时不停跑任务，账单会让你怀疑人生。本地模型的逻辑完全不同，模型装在自己机器上，断网也能用，没人看得到你的对话，唯一的成本就是电费。

Alex 特别推荐了三个本地模型，Qwen 3.5智能程度高，Nvidia的Nemotron 3刚入场表现强劲，MiniMax 2.5轻量快速。下载工具可以用LM Studio，能够免费从Hugging Face拉模型，普通人也能上手。（由于国内的网络状况，使用 LM Stuido 会有障碍，我更推荐 Ollama。）

硬件方面也不用焦虑。600美元的Mac Mini就能跑小模型，处理记忆管理、内容分类这类任务已经够用。想要更强的智能，4000美元左右的Mac Studio能跑接近顶级模型的水平。如果你已经开始高频使用龙虾，24 小时运行，确实可以考虑 Mac Stuido，本地跑 Minimax M2.7、Qwen-3.5 都是非常好的选择。

真正的用法是 "大脑+肌肉"。用 ChatGPT 或 Claude 做调度，负责想清楚该干什么，再把具体任务扔给本地模型执行，写代码用 Qwen，做研究用 Nemotron，写文章用MiniMax。云端模型只消耗少量 Token，执行层全部免费，成本直接砍掉 90%。

实际怎么跑？一个本地模型全天候爬取商业机会，一个持续写代码，相当于雇佣了几个不要工资的员工。如果全部换成云端API来跑，每天的 Token 费用会是个让人头皮发麻的数字。

#AI技术[超话]##龙虾使用指南##OpenClaw##HOW I AI# http://t.cn/AXfDNpwi