LLMRAM

OpenClaw: exigences matérielles, connexion locale et planification contexte

Guide officiel pour OpenClaw. OpenClaw est une passerelle d'agents open source orientée local-first, compatible avec des providers de modèles cloud et locaux.

Présentation

OpenClaw se présente comme une stack d'assistant où l'état et les identifiants restent sur vos appareils, avec des backends de modèle/runtime interchangeables.

Le Gateway agit comme plan de contrôle local pour les sessions, outils, canaux et routage des modèles.

Exigences runtime officielles

  • Exigence runtime Node: La doc d'installation OpenClaw exige Node 24.16+ ou 26.1+, et recommande Node 26. L'installateur provisionne Node si nécessaire. (Documentation d'installation OpenClaw)
  • Support des plateformes: La doc d'installation OpenClaw liste macOS, Linux et Windows comme plateformes supportées. (Documentation d'installation OpenClaw)
  • Note mémoire pour modèles locaux: La doc OpenClaw local-models indique que la mémoire dépend des poids du modèle, du contexte, du runtime et de la charge hôte ; les recettes llama.cpp managées utilisent 64K de contexte et la plus petite recette indique un plancher de 8 GiB de mémoire hôte. (Documentation modèles locaux d'OpenClaw)

Snippets de connexion locale (docs officielles)

Ollama

models: {
  providers: {
    ollama: {
      api: 'ollama',
      baseUrl: 'http://host:11434',
    },
  },
}

La doc Ollama d'OpenClaw avertit explicitement de ne pas utiliser /v1 en mode provider Ollama natif.

Source: Documentation fournisseur Ollama d'OpenClaw

LM Studio

models: {
  providers: {
    lmstudio: {
      api: 'openai-responses',
      baseUrl: 'http://127.0.0.1:1234/v1',
      models: [{ id: 'my-local-model', contextWindow: 196608 }],
    },
  },
}

Source: Documentation modèles locaux d'OpenClaw

vLLM

models: {
  providers: {
    local: {
      api: 'openai-completions',
      baseUrl: 'http://127.0.0.1:8000/v1',
      apiKey: 'sk-local',
    },
  },
}

La doc local-models d'OpenClaw liste vLLM parmi les proxys locaux OpenAI-compatibles.

Source: Documentation modèles locaux d'OpenClaw

Pourquoi le long contexte et le tool-calling comptent

  • La doc OpenClaw local-models souligne qu'un modèle peut réussir des prompts courts mais échouer sur un tour agent complet, car schémas d'outils, historique et prompts consomment du contexte.
  • Le setup OpenClaw valide un vrai tool call avant de basculer le modèle local par défaut en mode managé.

Calculateur prérempli

Ce tableau est une estimation de planification (Q4_K_M, batch=1), pas une exigence officielle minimale.

Calculateur VRAM / RAM

Comparez l’adéquation sur VRAM GPU, mémoire unifiée Apple et scénarios d’offload CPU/RAM.

ID Hugging Face / paramètres personnalisés (optionnel)

Si l’ID repo est inconnu, vos valeurs sont utilisées en mode estimation.

Mémoire par quantification
QuantPoidsKVOverheadTotal
FP16 / BF1613.04 GiB8 GiB1.54 GiB22.58 GiB
INT8 / Q8_06.68 GiB8 GiB1.54 GiB16.22 GiB
Q6_K5.17 GiB8 GiB1.54 GiB14.71 GiB
Q5_K_M4.44 GiB8 GiB1.54 GiB13.98 GiB
Q4_K_M3.75 GiB8 GiB1.54 GiB13.29 GiB
Q3_K_M / Q32.85 GiB8 GiB1.54 GiB12.39 GiB
Q2_K / Q22.04 GiB8 GiB1.54 GiB11.58 GiB
Compatible / incompatible par matériel
MatérielMémoireVerdicttok/s estimés
NVIDIA GeForce RTX 4090 24GB24 GiBCompatible170.3
NVIDIA GeForce RTX 5090 32GB32 GiBCompatible302.75
NVIDIA GeForce RTX 4080 SUPER 16GB16 GiBCompatible124.34
NVIDIA GeForce RTX 4070 Ti SUPER 16GB16 GiBCompatible113.53
AMD Radeon RX 7900 XTX 24GB24 GiBCompatible162.19
NVIDIA A100 80GB PCIe80 GiBCompatible326.91
Apple Silicon M3 Max (128GB unified memory)128 GiBCompatible57.64
Apple Silicon M2 Ultra (192GB unified memory)192 GiBCompatible115.28
2× NVIDIA GeForce RTX 4090 (aggregate)48 GiBCompatible306.46

Formules et hypothèses

  • 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.

Table de compatibilité par palier mémoire (estimation LLMRAM)

Ce tableau est une estimation de planification (Q4_K_M, batch=1), pas une exigence officielle minimale.

Contexte 32K

Paliers GPU

Profil modèleMémoire totale estimée8 GB12 GB16 GB24 GB32 GB48 GB
Mistral 7B Instruct v0.39.17 GiB✕ Non compatible✓ Compatible✓ Compatible✓ Compatible✓ Compatible✓ Compatible
Qwen 3.8 27B24 GiB✕ Non compatible✕ Non compatible✕ Non compatible✓ Compatible✓ Compatible✓ Compatible
GLM 5.3 (Flash)195.84 GiB✕ Non compatible✕ Non compatible✕ Non compatible✕ Non compatible✕ Non compatible✕ Non compatible

Paliers mémoire unifiée Mac

Profil modèleMémoire totale estimée16 GB36 GB64 GB128 GB
Mistral 7B Instruct v0.39.17 GiB✓ Compatible✓ Compatible✓ Compatible✓ Compatible
Qwen 3.8 27B24 GiB✕ Non compatible✓ Compatible✓ Compatible✓ Compatible
GLM 5.3 (Flash)195.84 GiB✕ Non compatible✕ Non compatible✕ Non compatible✕ Non compatible

Contexte 64K

Paliers GPU

Profil modèleMémoire totale estimée8 GB12 GB16 GB24 GB32 GB48 GB
Mistral 7B Instruct v0.313.29 GiB✕ Non compatible✕ Non compatible✓ Compatible✓ Compatible✓ Compatible✓ Compatible
Qwen 3.8 27B32.24 GiB✕ Non compatible✕ Non compatible✕ Non compatible✕ Non compatible✕ Non compatible✓ Compatible
GLM 5.3 (Flash)219.01 GiB✕ Non compatible✕ Non compatible✕ Non compatible✕ Non compatible✕ Non compatible✕ Non compatible

Paliers mémoire unifiée Mac

Profil modèleMémoire totale estimée16 GB36 GB64 GB128 GB
Mistral 7B Instruct v0.313.29 GiB✕ Non compatible✓ Compatible✓ Compatible✓ Compatible
Qwen 3.8 27B32.24 GiB✕ Non compatible✕ Non compatible✓ Compatible✓ Compatible
GLM 5.3 (Flash)219.01 GiB✕ Non compatible✕ Non compatible✕ Non compatible✕ Non compatible

FAQ

OpenClaw nécessite-t-il obligatoirement des APIs cloud ?

Non. La doc OpenClaw couvre des setups local-first et des routes de modèles locaux, y compris Ollama et serveurs locaux managés.

Pourquoi OpenClaw documente-t-il à la fois Ollama natif et les backends /v1 compatibles OpenAI ?

Le mode provider Ollama utilise l'API native d'Ollama, tandis que vLLM/LM Studio/proxys se configurent via des modes providers OpenAI-compatibles.

Peut-on déduire un minimum mémoire unique depuis les docs OpenClaw ?

Non. OpenClaw précise que la mémoire dépend du modèle, du contexte, du runtime et des conditions hôte ; les planchers de recettes ne sont pas des garanties de fit.

Notes de vérification

  • La section des exigences runtime ne contient que des affirmations présentes dans les docs officielles du framework listées sur cette page.
  • Les tableaux de compatibilité sont des estimations de planification LLMRAM dérivées des pages modèles actuelles et des hypothèses du calculateur.
  • Quand un snippet spécifique à un runtime manque dans les liens officiels fournis (ex. Hermes llama.cpp), la lacune est indiquée explicitement.

Sources officielles utilisées

Liens internes