OpenClaw: requisitos de hardware, conexión local y planificación de contexto
Guía oficial para OpenClaw. OpenClaw es una gateway de agentes open source y local-first que admite proveedores de modelos en cloud y en local.
Qué es
OpenClaw se presenta como una stack de asistente donde el estado y las credenciales permanecen en tus dispositivos, con backends de modelo/runtime intercambiables.
Su Gateway actúa como plano de control local para sesiones, herramientas, canales y ruteo de modelos.
Requisitos oficiales de runtime
- Requisito de runtime Node: La documentación de instalación de OpenClaw exige Node 24.16+ o 26.1+, y recomienda Node 26. El instalador aprovisiona Node si falta. (Documentación de instalación de OpenClaw)
- Soporte de plataformas: La documentación de instalación de OpenClaw lista macOS, Linux y Windows como plataformas soportadas. (Documentación de instalación de OpenClaw)
- Nota de memoria para modelos locales: La documentación local-models de OpenClaw indica que la memoria depende de pesos del modelo, contexto, runtime y carga del host; las recetas administradas de llama.cpp usan contexto 64K y la receta más pequeña marca un piso de 8 GiB de memoria de host. (Documentación de modelos locales de OpenClaw)
Snippets de conexión local (docs oficiales)
Ollama
openclaw onboard # choose Ollama: Cloud + Local, Cloud only, or Local only openclaw models list --provider ollama
Ollama
models: {
providers: {
ollama: {
api: 'ollama',
baseUrl: 'http://host:11434',
},
},
}La documentación de Ollama en OpenClaw advierte explícitamente no usar /v1 en el modo provider nativo de Ollama.
LM Studio
models: {
providers: {
lmstudio: {
api: 'openai-responses',
baseUrl: 'http://127.0.0.1:1234/v1',
models: [{ id: 'my-local-model', contextWindow: 196608 }],
},
},
}vLLM
models: {
providers: {
local: {
api: 'openai-completions',
baseUrl: 'http://127.0.0.1:8000/v1',
apiKey: 'sk-local',
},
},
}La documentación local-models de OpenClaw incluye vLLM como proxy local compatible con OpenAI.
llama.cpp
# Managed local server path from OpenClaw local-model docs openclaw onboard # choose Managed local server (llama.cpp plugin)
Por qué importan contexto largo y tool-calling
- La documentación local-models de OpenClaw enfatiza que un modelo que pasa prompts cortos puede fallar en turnos completos de agente porque schemas de herramientas, historial y prompts consumen contexto adicional.
- La configuración de OpenClaw valida una llamada real de herramienta antes de cambiar el modelo local predeterminado en el flujo administrado.
Calculadora precargada
Esta matriz es una estimación de planificación (Q4_K_M, batch=1), no un mínimo oficial del proveedor.
Calculadora VRAM / RAM
Compara escenarios de VRAM dedicada, memoria unificada de Apple y offload CPU/RAM.
ID de Hugging Face / parámetros personalizados (opcional)
Si el repo no es conocido, se usarán tus valores como estimación.
| Quant | Pesos | KV | Overhead | Total |
|---|---|---|---|---|
| FP16 / BF16 | 13.04 GiB | 8 GiB | 1.54 GiB | 22.58 GiB |
| INT8 / Q8_0 | 6.68 GiB | 8 GiB | 1.54 GiB | 16.22 GiB |
| Q6_K | 5.17 GiB | 8 GiB | 1.54 GiB | 14.71 GiB |
| Q5_K_M | 4.44 GiB | 8 GiB | 1.54 GiB | 13.98 GiB |
| Q4_K_M | 3.75 GiB | 8 GiB | 1.54 GiB | 13.29 GiB |
| Q3_K_M / Q3 | 2.85 GiB | 8 GiB | 1.54 GiB | 12.39 GiB |
| Q2_K / Q2 | 2.04 GiB | 8 GiB | 1.54 GiB | 11.58 GiB |
| Hardware | Memoria | Veredicto | tok/s est. |
|---|---|---|---|
| NVIDIA GeForce RTX 4090 24GB | 24 GiB | Compatible | 170.3 |
| NVIDIA GeForce RTX 5090 32GB | 32 GiB | Compatible | 302.75 |
| NVIDIA GeForce RTX 4080 SUPER 16GB | 16 GiB | Compatible | 124.34 |
| NVIDIA GeForce RTX 4070 Ti SUPER 16GB | 16 GiB | Compatible | 113.53 |
| AMD Radeon RX 7900 XTX 24GB | 24 GiB | Compatible | 162.19 |
| NVIDIA A100 80GB PCIe | 80 GiB | Compatible | 326.91 |
| Apple Silicon M3 Max (128GB unified memory) | 128 GiB | Compatible | 57.64 |
| Apple Silicon M2 Ultra (192GB unified memory) | 192 GiB | Compatible | 115.28 |
| 2× NVIDIA GeForce RTX 4090 (aggregate) | 48 GiB | Compatible | 306.46 |
Fórmulas y supuestos
- Weight memory uses resident params × effective_bits / 8 (total params when available, otherwise active/fallback estimate).
- KV cache = 2 × layers × kv_heads × head_dim × kv_bytes × context × batch.
- Runtime overhead = 1.3 GiB base + 3% of KV-cache memory.
- Tokens/sec estimate uses active_params for decode bandwidth and should be treated as a rough directional number.
- Apple Silicon fit checks use an estimated usable unified-memory budget (about 75% by default, about 68% on 16GB systems) aligned with macOS recommendedMaxWorkingSetSize behavior.
- Recommended quantization keeps at least 10% memory headroom relative to usable memory budget.
- CPU/RAM offload (for example llama.cpp partial offload with lower GPU layer count) can reduce VRAM needs at the cost of speed.
- When config values are unavailable, fallback defaults are used and flagged as estimated on the page.
Tabla de ajuste por niveles de memoria (estimación LLMRAM)
Esta matriz es una estimación de planificación (Q4_K_M, batch=1), no un mínimo oficial del proveedor.
Contexto 32K
Niveles GPU
| Perfil de modelo | Memoria total estimada | 8 GB | 12 GB | 16 GB | 24 GB | 32 GB | 48 GB |
|---|---|---|---|---|---|---|---|
| Mistral 7B Instruct v0.3 | 9.17 GiB | ✕ No ajusta | ✓ Ajusta | ✓ Ajusta | ✓ Ajusta | ✓ Ajusta | ✓ Ajusta |
| Qwen 3.8 27B | 24 GiB | ✕ No ajusta | ✕ No ajusta | ✕ No ajusta | ✓ Ajusta | ✓ Ajusta | ✓ Ajusta |
| GLM 5.3 (Flash) | 195.84 GiB | ✕ No ajusta | ✕ No ajusta | ✕ No ajusta | ✕ No ajusta | ✕ No ajusta | ✕ No ajusta |
Niveles de memoria unificada Mac
| Perfil de modelo | Memoria total estimada | 16 GB | 36 GB | 64 GB | 128 GB |
|---|---|---|---|---|---|
| Mistral 7B Instruct v0.3 | 9.17 GiB | ✓ Ajusta | ✓ Ajusta | ✓ Ajusta | ✓ Ajusta |
| Qwen 3.8 27B | 24 GiB | ✕ No ajusta | ✓ Ajusta | ✓ Ajusta | ✓ Ajusta |
| GLM 5.3 (Flash) | 195.84 GiB | ✕ No ajusta | ✕ No ajusta | ✕ No ajusta | ✕ No ajusta |
Contexto 64K
Niveles GPU
| Perfil de modelo | Memoria total estimada | 8 GB | 12 GB | 16 GB | 24 GB | 32 GB | 48 GB |
|---|---|---|---|---|---|---|---|
| Mistral 7B Instruct v0.3 | 13.29 GiB | ✕ No ajusta | ✕ No ajusta | ✓ Ajusta | ✓ Ajusta | ✓ Ajusta | ✓ Ajusta |
| Qwen 3.8 27B | 32.24 GiB | ✕ No ajusta | ✕ No ajusta | ✕ No ajusta | ✕ No ajusta | ✕ No ajusta | ✓ Ajusta |
| GLM 5.3 (Flash) | 219.01 GiB | ✕ No ajusta | ✕ No ajusta | ✕ No ajusta | ✕ No ajusta | ✕ No ajusta | ✕ No ajusta |
Niveles de memoria unificada Mac
| Perfil de modelo | Memoria total estimada | 16 GB | 36 GB | 64 GB | 128 GB |
|---|---|---|---|---|---|
| Mistral 7B Instruct v0.3 | 13.29 GiB | ✕ No ajusta | ✓ Ajusta | ✓ Ajusta | ✓ Ajusta |
| Qwen 3.8 27B | 32.24 GiB | ✕ No ajusta | ✕ No ajusta | ✓ Ajusta | ✓ Ajusta |
| GLM 5.3 (Flash) | 219.01 GiB | ✕ No ajusta | ✕ No ajusta | ✕ No ajusta | ✕ No ajusta |
FAQ
¿OpenClaw requiere APIs cloud obligatoriamente?
No. La documentación de OpenClaw cubre configuraciones local-first y rutas de modelos locales, incluyendo Ollama y servidores locales administrados.
¿Por qué OpenClaw documenta tanto Ollama nativo como backends /v1 compatibles con OpenAI?
El modo provider de Ollama usa la API nativa de Ollama, mientras que vLLM/LM Studio/proxys se configuran mediante modos provider compatibles con OpenAI.
¿Puedo asumir un único mínimo de memoria fijo en los docs de OpenClaw?
No. OpenClaw explica que la memoria depende de modelo, contexto, runtime y condiciones del host; los pisos de receta no son garantía de ajuste.
Notas de verificación
- La sección de requisitos runtime solo incluye afirmaciones presentes en la documentación oficial del framework listada en esta página.
- Las tablas de ajuste son estimaciones de planificación de LLMRAM derivadas de las páginas de modelo actuales y de los supuestos de la calculadora.
- Cuando falta un snippet específico de runtime en los enlaces oficiales proporcionados (por ejemplo, Hermes llama.cpp), esta página marca explícitamente esa brecha.