问题很可能不是模型不够强，而是你把最贵的模型用在了不该用的地方。这就好比你请了一位时薪 15 美元的架构师来帮你倒垃圾——能干吗？能。值吗？显然不值。

OpenClaw 的多模型调度机制，解决的正是这个问题：让不同能力、不同价位的模型各司其职，用最少的成本换取恰到好处的智能输出。

先搞清楚：每个模型擅长什么

在决定怎么调度之前，你得先了解手上有哪些"员工"可用。下面这张能力矩阵值得收藏（价格仅供参考，以官方最新定价为准）：

模型 提供商 成本（/百万 token） 擅长 弱点
Claude Opus 4.6 Anthropic 高（$15+） 复杂推理、架构设计、深度分析 贵、慢
Claude Sonnet 4 Anthropic 中（$3） 编码、日常对话、性价比之王 超长文本稍弱
Claude Haiku 3.5 Anthropic 低（$0.25） 快速响应、简单任务 能力有限
GPT-5 / GPT-4o OpenAI 中高 多模态、通用能力强 代码稍弱于 Claude
Gemini 2.0 Pro Google 中（$3.5） 超长上下文（100 万 token） 中文稍弱
Gemini 2.0 Flash Google 极低（$0.075） 速度快、最便宜 推理能力一般
Kimi K2.5 Moonshot 低（$0.5） 中文长文本、写作、推理 代码一般
DeepSeek V3 DeepSeek 极低（$0.1） 便宜、中文好 复杂推理一般

注意看价格差距——Opus 和 Flash 之间差了 200 倍。如果你的 Cron 定时任务每天用 Opus 跑，一个月可能多花 15 美元；换成 Gemini Flash，效果一样，成本降低 99%。

那么问题来了：什么任务该用什么模型？

一棵决策树，帮你快速选型

与其每次纠结，不如建立一套简单的判断逻辑：

任务开始
   │
   ▼
是编码任务？
   │
   ├── 是 → 复杂架构/系统设计？
   │           ├── 是 → Claude Opus 4.6（最强推理）
   │           └── 否 → Claude Sonnet 4（性价比之王）
   │
   └── 否 → 需要超长上下文（>100k token）？
               ├── 是 → Gemini 2.0 Pro（100万 token 上下文）
               └── 否 → 是自动化/Cron/Heartbeat？
                           ├── 是 → Gemini 2.0 Flash（最便宜）
                           └── 否 → 是中文写作？
                                       ├── 是 → Kimi K2.5（中文最强）
                                       └── 否 → Claude Sonnet 4

翻译成更直觉的速查表：

场景 推荐模型 理由
日常对话 Claude Sonnet 4 综合能力强、性价比高
复杂架构设计 Claude Opus 4.6 最强推理能力
代码审查/重构 Claude Sonnet 4 代码理解力强
中文写作/博客 Kimi K2.5 中文写作质量最好
Cron/Heartbeat 定时任务 Gemini 2.0 Flash 最便宜，自动化够用
超长文档处理 Gemini 2.0 Pro 100 万 token 上下文
多语言翻译 GPT-4o / GPT-5 多语言能力强
快速问答 Gemini 2.0 Flash 响应快、便宜

在 OpenClaw 中配置多模型策略

理解了选型逻辑，接下来是实际操作。

第一步：设置全局默认模型和别名

在 ~/.openclaw/openclaw.json 中定义你的模型白名单：

{
  "agents": {
    "defaults": {
      "model": "anthropic/claude-sonnet-4",
      "models": {
        "opus": {
          "id": "anthropic/claude-opus-4-6",
          "alias": "opus"
        },
        "sonnet": {
          "id": "anthropic/claude-sonnet-4",
          "alias": "sonnet"
        },
        "flash": {
          "id": "google/gemini-2.0-flash",
          "alias": "flash"
        },
        "kimi": {
          "id": "moonshot/kimi-k2.5",
          "alias": "kimi"
        }
      }
    }
  }
}

这里有个容易忽略的细节：只有在 agents.defaults.models 中列出的模型，才能通过 /model 命令切换。所以提前把你常用的模型都注册好。

第二步：会话中随时切换

对话过程中，一条命令就能切换模型：

你：/model flash
AI：已切换到 Gemini 2.0 Flash（别名"flash"）

你：查一下今天天气
AI：（用超便宜的 Flash 模型回答）

你：/model opus
AI：已切换到 Claude Opus 4.6（别名"opus"）

这才是多模型调度的精髓——不是选一个模型用到底，而是根据当前任务的复杂度随时切换。遇到需要深度推理的问题切 Opus，处理完立刻切回 Sonnet 或 Flash，就像开车换挡一样自然。

第三步：用 CLI 管理模型

# 查看所有可用模型
openclaw models list

# 查看模型状态（是否可用、延迟）
openclaw models status

# 设置默认模型
openclaw models set anthropic/claude-sonnet-4

# 添加别名（让切换更方便）
openclaw models aliases add cheap google/gemini-2.0-flash
openclaw models aliases add code anthropic/claude-sonnet-4
openclaw models aliases add hard anthropic/claude-opus-4-6

给别名起个有语义的名字——cheap、code、hard——比记模型全名方便得多。

第四步：为自动化任务指定模型

Cron 定时任务是最容易浪费钱的地方，因为它每天自动跑，你可能根本没注意到它在烧钱：

openclaw cron add \
  --name "daily-news" \
  --cron "0 6 * * *" \
  --tz "Asia/Shanghai" \
  --session isolated \
  --model "google/gemini-2.0-flash" \
  --message "采集新闻..."

用 --model 参数显式指定便宜模型，这一步千万别省。

Sub-agent 同理，在生成子任务时指定模型：

{
  "name": "sessions_spawn",
  "arguments": {
    "description": "写后端API",
    "model": "anthropic/claude-sonnet-4",
    "prompt": "..."
  }
}

这套思路的本质

多模型调度的核心不是技术配置，而是一种资源分配思维：贵的做难事，便宜的干杂活。模型各有性格——有的推理强但慢，有的便宜但够用，有的中文好但代码一般。了解它们的长短板，才能做到"省而不拙"。

对于一人公司来说，这一点尤其重要。你没有企业级预算，但你有灵活调度的自由。把省下来的钱花在真正需要强模型的关键环节上，整体效果反而更好。

不妨回头看看你现在的 OpenClaw 配置：有没有哪些定时任务，其实完全可以换一个便宜 40 倍的模型来跑？