乐于分享
好东西不私藏

OpenClaw v2026.5.22 beta.1:用 /models 做一个多模型开发台

OpenClaw v2026.5.22 beta.1:用 /models 做一个多模型开发台

昨天我整理模型价格和上下文窗口时,有一个很明显的问题:价格表只能回答“哪个模型便宜”,但日常开发真正麻烦的是另一个问题。

我现在到底有哪些模型能用?

它们分别来自哪个 Provider?

上下文多长、输入输出怎么计费、能不能在当前环境调用?

如果这些信息散在不同控制台、文档和环境变量里,多模型开发很快就会变成手工记账。

OpenClaw v2026.5.22 beta.1 这次最值得看的点,就是它把 /models 端点放到了更新重点里。这个方向很适合做一个本地多模型开发台。

/models 解决的不是推理,而是管理

先把边界说清楚:/models 不是让模型变聪明,也不是让推理速度突然起飞。

它解决的是模型管理问题。

典型场景是这样的:

text
1前端选择器需要展示模型列表2脚本需要知道可用模型名称3成本工具需要读取上下文和价格字段4开发者需要在多个 Provider 之间切换

如果每个 Provider 都单独适配,代码会很碎。OpenAI 一套,Anthropic 一套,Google 一套,国产模型再来几套,最后你写的不是业务工具,而是 Provider 胶水。

统一 /models 的价值就在这里:把“有哪些模型”这件事先标准化。

这个接口可以拿来做什么

我会优先用它做 4 个小工具。

第一,模型选择器。

前端或命令行工具启动时,请求一次 /models,把可用模型展示出来。比硬编码模型名稳,尤其适合经常切模型的开发环境。

第二,价格表导出。

如果返回结构里包含价格、上下文窗口、能力标签,就可以导出成 Markdown 或 JSON,做自己的模型速查表。

第三,Provider 健康检查。

模型能列出来,不代表一定能推理成功,但至少可以先确认配置是否加载、Key 是否存在、Provider 是否被识别。

第四,本地 Agent 的模型路由。

比如写一个简单规则:

text
1代码审查 -> 走高质量模型2摘要整理 -> 走低成本模型3长文档问答 -> 优先选择长上下文模型

这类路由的前提,就是你得先有一份结构化模型列表。

一个最小实操路径

等你要试 OpenClaw beta 版本时,我建议按这个顺序来,不要一上来就把它塞进正式工作流。

第一步,安装 beta 版,并确认版本号。

bash
1openclaw --version

第二步,配置 Provider。

API Key 建议只放本地环境变量或 .env,不要写进仓库:

bash
1OPENAI_API_KEY=sk-xxx2ANTHROPIC_API_KEY=sk-ant-xxx

第三步,调用 /models

示例命令可以先按这种思路写:

bash
1curl http://127.0.0.1:PORT/models

这里的 PORT 以你本地实际启动端口为准。beta 工具的默认端口、返回字段、启动方式都要以官方 release 和文档为准。

第四步,把结果导出。

如果返回的是 JSON,可以先用 jq 做一次筛选:

bash
1curl http://127.0.0.1:PORT/models | jq '.'

下一步再考虑整理字段:

bash
1curl http://127.0.0.1:PORT/models | jq '.models[] | {name, provider, context, input_price, output_price}'

这段不是官方固定字段,只是说明我会优先关注哪些信息。真实字段要以 OpenClaw 当前版本返回为准。

不要把模型列表速度当成推理速度

这个坑很容易踩。

/models 很快,只说明模型列表查询快;它不代表模型推理快,更不代表所有 Provider 都稳定。

真正评估一个多模型工具,至少要分 3 层:

层级
看什么
结论边界
列表层
/models

 返回速度、字段完整度
只能说明管理体验
调用层
单次 chat/completions 延迟、错误率
才能说明推理可用性
成本层
输入、输出、缓存、限速
才能说明长期使用成本

所以这篇我不把 OpenClaw 写成“性能实测”。在没有完整跑通多 Provider 调用前,更准确的说法是:这是一个值得关注的多模型管理入口。

🚨 踩坑提醒

第一,beta 版本不要直接进生产。

v2026.5.22 beta.1 适合本地试用、写脚本、看接口设计,不适合直接接正式业务链路。

第二,API Key 不要出现在截图里。

多模型管理工具天然会碰到很多密钥。无论是 .env、配置页还是终端输出,发文章或录屏前都要先脱敏。

第三,国内网络环境要单独测。

模型列表能返回,不代表实际模型调用能稳定连通。Provider 的网络、区域、限速和账单状态都可能影响结果。

第四,不同 Provider 的字段不能硬比。

同样叫“上下文窗口”,不同模型的计费、缓存、输出限制可能完全不同。要做横评,必须统一单位和测试条件。

适合谁折腾

如果你只固定用一个模型,OpenClaw 这类工具暂时不是刚需。

但如果你有这些需求,就值得试:

  • 同时用 OpenAI、Claude、Gemini、国产模型;
  • 想把模型列表接进自己的前端工具;
  • 想做一个内部模型价格表;
  • 想给 Agent 做简单模型路由;
  • 不想再手动维护一堆模型名。

模型生态越碎,统一管理层越有价值。

昨天的价格表告诉我一个结论:模型选择已经不是“哪个最强”这么简单了。今天这个 /models 方向补上的,是另一半问题:先把可用模型变成结构化数据,再谈选择和优化。

素材来源:

  • OpenClaw 官方发布说明:v2026.5.22-beta.1:https://openclaw-hub.com/blog/release-v2026.5.22-beta.1
  • OpenClaw GitHub Release:https://github.com/openclaw/openclaw/releases/tag/v2026.5.22-beta.1

#OpenClaw #多模型管理 #AI工具 #ModelsAPI #开源工具