了解大模型

在驾驭 OpenClaw 之前，了解它的“大脑”——大语言模型（LLM）是如何运作的，能帮你避开很多坑，并帮你省下不少钱。这篇科普将带你快速看透大模型的核心概念。

1. 大模型的分类与常用模型

市面上的大模型多如牛毛，但如果按核心能力和使用场景来划分，主要可以分为以下几类（涵盖目前最新的主流模型）：

聊天/通用型（Chat / General）：各科均衡的“通才”，情商高、常识广，适合日常对话、文本润色、基础信息检索。
- 国际代表：OpenAI 的 GPT-4o、Anthropic 的 Claude 3.5 Haiku、Google 的 Gemini 1.5 Pro / Flash。
- 国内代表：阿里的 Qwen-Max、智谱的 GLM-4、百度的 文心一言 4.0、字节的 豆包（Doubao-pro）、月之暗面的 Kimi。
深度推理型（Reasoning）：理科状元，引入了“思维链（CoT）”。它们回答慢，但在数学、复杂逻辑推演和系统架构设计上具有降维打击的能力。
- 典型代表：OpenAI 的 o1 / o3-mini、深度求索的 DeepSeek-R1（目前开源推理模型的巅峰）。
编程/代码型（Coder）：专门吃代码长大的“程序员”。在代码补全、Bug 排查和长上下文代码阅读上远超通用模型。
- 典型代表：Anthropic 的 Claude 3.5 Sonnet（目前地表最强前端与代码模型）、阿里的 Qwen2.5-Coder、深度求索的 DeepSeek-Coder-V2、法国的 Mistral Large 2。
多模态与生图型（Multimodal / Vision）：长了眼睛和手，能看懂图片、甚至画图。
- 典型代表：OpenAI 的 Sora（视频生成）、Midjourney v6、Flux.1（纯生图），以及各家带 Vision/VL 尾缀的模型（如 Qwen-VL、GLM-4V）。
领域专家型（Specialist）：只干一件事但干到极致的“超级小模型”，通常参数极小，速度极快。
- 典型代表：DeepSeek OCR（专精图像文字提取）、BGE（专精向量检索）、各类专精 Markdown 排版的微调模型。

2. 什么是“参数（Parameters）”？

在挑选模型时，你经常会看到“Llama 3 70B”或者“Qwen 72B”这样的名字。这里的 “B” 代表 Billion（十亿）。70B 就是 700 亿参数。

参数可以理解为模型的“脑容量”和“连接突触”。参数越大，模型包含的世界知识就越多，逻辑推理能力通常也越强。
代价：参数越大，运行它所需的显存（显卡）和算力成本就成倍增加。这就是为什么你很难在普通家用电脑上跑动千亿参数的模型，通常只能通过 API 调用云端服务。

3. 为什么需要“专家模型”与“超级小模型”？

既然参数越大越聪明，那我们是不是所有事情都应该交给千亿参数的“大聪明”来做？并不是。

杀鸡焉用牛刀：如果你只是想让 AI 帮你从图片里提取一段文字，调用 GPT-4o 就像是雇了一位诺贝尔奖得主来帮你抄笔记，既昂贵又浪费。
小而美：现在 AI 领域的趋势是走向“专家分工”。比如专门做图像文字识别的 DeepSeek OCR，它们参数很小（可能只有几 B），跑得极快，成本几乎为零，但在特定任务上往往比大模型更精准。

在 OpenClaw 的高阶玩法中，我们常常会让主 Agent（聪明的大模型）去调用这些“超级小模型（Skill）”。让专业的模型干专业的事，这就是现代 AI 架构的魅力。

4. 什么是“Token”？（关于你的钱包）

大模型的“脑容量”决定了它的聪明程度，而它读写文字的方式则直接决定了你的花费。

大模型不认识我们人类的字，它认识的是 Token（词元/分词）。

Token 不是字节（Byte）也不是字符，它是大模型理解语义的最小单位（你可以把它想象成模型眼里的“词根”）。
Token 的进化方向：早期的分词非常机械，但随着模型进化，Token 最终要么是一个完整的单词，要么是一个常用的词组，越来越接近人类的自然分词习惯。
比如“中国人民大团结”这 7 个字：
- 在早期对中文不友好的模型里，可能会被死板地切成“中/国/人/民/大/团/结”甚至乱码，消耗 7 个以上的 Token。
- 在针对中文优化过的模型（如 Qwen 或 DeepSeek）里，它已经能够像人类一样理解词组，直接将其切分为“中国人民 / 大团结”，只消耗 2 个 Token。
这就是为什么选用对中文友好的模型，不仅回答更地道，而且更省钱（因为相同的字数消耗的 Token 更少）。

5. 计费陷阱：输入、输出与“思考模式”

理解了 Token，你还需要知道商业大模型的计费逻辑。计费是双向的，且充满“陷阱”：

输入与输出的不对等

输入 Token（Input）：你发给它的问题、背景资料、代码文件。这部分通常比较便宜。
输出 Token（Output）：它回答你的内容。因为生成文字需要大模型进行复杂的逐词概率计算，消耗更多算力，所以输出 Token 的价格通常是输入 Token 的 3 到 5 倍。

避坑指南：如果你一次性把整个项目的几万行代码全发给它（极高的输入 Token），其实是在烧钱。这就是为什么 OpenClaw 提倡“按需读取文件”而不是“全量喂入”。

隐藏的吞金兽：“思考（Thinking）模式”

像 DeepSeek-R1 或 OpenAI 的 o1 系列模型，引入了“思维链（Chain of Thought）”机制。当你问它一个复杂问题时，它不会立刻作答，而是会先在后台“自言自语”地进行推导和试错。

这些“自言自语”的过程虽然你可能看不见，但它们全部算作输出 Token（Reasoning Tokens），会疯狂消耗你的余额。
避坑指南：思考模式会让消耗量成倍甚至十倍增加。对于简单的日常对话或明确的代码修改，开启深度思考模式纯粹是浪费。好钢要用在刀刃上（比如架构设计或排查陈年 Bug）。

正文导航