Compatible avec OpenClaw v2026.2 | Cet article suppose que vous avez terminé la configuration de base et que vous souhaitez optimiser le choix de modèle ou la maîtrise des coûts.

TL;DR : OpenClaw prend en charge plusieurs modèles : Claude Opus/Sonnet/Haiku, GPT-4o, Gemini et les modèles locaux (Ollama). Configurez "agent": {"model": "anthropic/claude-opus-4-6"} pour basculer. Le Failover passe automatiquement au modèle de secours : "fallback": [{"model": "claude-sonnet-4", "condition": "rate_limit"}]. Claude Opus est recommandé pour les tâches complexes, Haiku pour les tâches simples à haute fréquence.

Fournisseurs de modèles supportés

Vue d’ensemble des fournisseurs

Comparaison des capacités des modèles

Configuration de base des modèles

Anthropic Claude

{
  "agent": {
    "model": "anthropic/claude-opus-4-6",
    "thinkingLevel": "high"
  },
  "models": {
    "anthropic": {
      "apiKey": "${ANTHROPIC_API_KEY}",
      "baseUrl": "https://api.anthropic.com"
    }
  }
}

Recommandations pour le choix du modèle Claude :

OpenAI GPT

{
  "agent": {
    "model": "openai/gpt-4o"
  },
  "models": {
    "openai": {
      "apiKey": "${OPENAI_API_KEY}",
      "baseUrl": "https://api.openai.com/v1",
      "organization": "org-xxx"
    }
  }
}

Recommandations pour le choix du modèle GPT :

Google Gemini

{
  "agent": {
    "model": "google/gemini-2.0-flash"
  },
  "models": {
    "google": {
      "apiKey": "${GOOGLE_API_KEY}",
      "baseUrl": "https://generativelanguage.googleapis.com/v1beta"
    }
  }
}

Modèle local (Ollama)

{
  "agent": {
    "model": "ollama/llama3.1:70b"
  },
  "models": {
    "ollama": {
      "baseUrl": "http://localhost:11434"
    }
  }
}

Installation et démarrage d’Ollama :

# Installer Ollama
curl -fsSL https://ollama.com/install.sh | sh

# Télécharger les modèles
ollama pull llama3.1:70b
ollama pull codellama:34b

# Démarrer le service
ollama serve

Proxy API tiers

{
  "agent": {
    "model": "anthropic/claude-opus-4-6"
  },
  "models": {
    "anthropic": {
      "apiKey": "${PROVIDER_API_KEY}",
      "baseUrl": "https://api.your-provider.com/v1"
    }
  }
}

Format des identifiants de modèle

Format de l’identifiant

{provider}/{model-name}

Alias de modèles personnalisés

{
  "models": {
    "aliases": {
      "smart": "anthropic/claude-opus-4-6",
      "fast": "anthropic/claude-sonnet-4",
      "cheap": "anthropic/claude-haiku-3.5",
      "local": "ollama/llama3.1:70b"
    }
  },
  "agent": {
    "model": "smart"
  }
}

Utilisation des alias :

# Basculer dans le chat
/model fast

# Ou utiliser le nom complet
/model anthropic/claude-sonnet-4

Stratégie de Failover

Qu’est-ce que le Failover ?

Lorsque le modèle principal est indisponible (limite de débit atteinte, interruption de service), le système bascule automatiquement vers un modèle de secours.

flowchart TB
    REQ[Requête entrante] --> PRIMARY{Modèle principal disponible ?}
    PRIMARY -->|Oui| EXEC1[Utiliser le modèle principal]
    PRIMARY -->|Non| CHECK{Condition de Failover}
    CHECK -->|Limite de débit| SECONDARY1[Modèle de secours 1]
    CHECK -->|Interruption de service| SECONDARY2[Modèle de secours 2]
    CHECK -->|Timeout| SECONDARY3[Modèle de secours 3]
    SECONDARY1 --> EXEC2[Exécuter la requête]
    SECONDARY2 --> EXEC2
    SECONDARY3 --> EXEC2
    EXEC1 --> RES[Retourner le résultat]
    EXEC2 --> RES

Configurer le Failover

{
  "agent": {
    "model": "anthropic/claude-opus-4-6"
  },
  "models": {
    "fallback": [
      {
        "model": "anthropic/claude-sonnet-4",
        "condition": "rate_limit"
      },
      {
        "model": "openai/gpt-4o",
        "condition": "error"
      },
      {
        "model": "ollama/llama3.1:70b",
        "condition": "timeout"
      }
    ]
  }
}

Conditions de Failover

Configuration avancée du Failover

{
  "models": {
    "fallback": [
      {
        "model": "anthropic/claude-sonnet-4",
        "condition": "rate_limit",
        "maxRetries": 3,
        "retryDelay": 1000
      },
      {
        "model": "openai/gpt-4o",
        "condition": "error",
        "maxRetries": 2
      },
      {
        "model": "ollama/llama3.1:70b",
        "condition": "always"
      }
    ],
    "fallbackPolicy": {
      "retryPrimaryAfter": 60000,
      "logFallbacks": true,
      "notifyUser": true
    }
  }
}

Basculement de modèle par scénario

Basculement par type de session

Différents types de sessions utilisent différents modèles :

{
  "agents": {
    "defaults": {
      "model": "anthropic/claude-sonnet-4"
    },
    "byChannel": {
      "telegram": {
        "model": "anthropic/claude-haiku-3.5"
      },
      "discord": {
        "model": "anthropic/claude-sonnet-4"
      }
    },
    "bySessionType": {
      "main": {
        "model": "anthropic/claude-opus-4-6"
      },
      "group": {
        "model": "anthropic/claude-haiku-3.5"
      }
    }
  }
}

Basculement par type de tâche

{
  "agents": {
    "taskModels": {
      "code": "anthropic/claude-opus-4-6",
      "reasoning": "anthropic/claude-opus-4-6",
      "chat": "anthropic/claude-sonnet-4",
      "simple": "anthropic/claude-haiku-3.5"
    }
  }
}

Sélection dynamique de modèle

Basculer de modèle en cours d’exécution :

# Basculement via CLI
openclaw agent --model anthropic/claude-opus-4-6 --message "Tâche complexe"

# Basculement dans le chat
/model anthropic/claude-opus-4-6
Utilisation de Claude Opus 4.6, adapté aux tâches de raisonnement complexe

/model anthropic/claude-haiku-3.5
Passage à Haiku 3.5, réponse rapide pour les tâches simples

Stratégies d’optimisation des coûts

Comparaison des coûts par modèle

Configuration d’optimisation des coûts

{
  "agents": {
    "defaults": {
      "model": "anthropic/claude-sonnet-4",
      "costOptimization": {
        "enabled": true,
        "rules": [
          {
            "condition": "context_length > 50000",
            "model": "anthropic/claude-sonnet-4"
          },
          {
            "condition": "simple_query",
            "model": "anthropic/claude-haiku-3.5"
          },
          {
            "condition": "code_generation",
            "model": "anthropic/claude-opus-4-6"
          }
        ]
      }
    }
  }
}

Suivi de la consommation de Token

# Voir la consommation de la session en cours
/status

# Exemple de sortie :
# Session: main
# Model: anthropic/claude-opus-4-6
# Tokens: 12,345 input / 2,456 output
# Cost: $0.21

# Activer l'affichage de la consommation
/usage full

Configuration de l’affichage de la consommation

{
  "usageTracking": {
    "enabled": true,
    "showInResponse": true,
    "trackBySession": true,
    "trackByChannel": true,
    "alertThreshold": 10.00
  }
}

Configuration du niveau de réflexion

Explication des niveaux de Thinking

Configurer le niveau de réflexion

{
  "agent": {
    "model": "anthropic/claude-opus-4-6",
    "thinkingLevel": "high"
  }
}

Basculement dynamique

# Basculer dans le chat
/think high
Mode de réflexion élevée activé, adapté au raisonnement complexe

/think minimal
Passage en réflexion minimale, réponse rapide

Configuration détaillée des modèles locaux

Configuration Ollama

{
  "agent": {
    "model": "ollama/llama3.1:70b"
  },
  "models": {
    "ollama": {
      "baseUrl": "http://localhost:11434",
      "options": {
        "temperature": 0.7,
        "num_ctx": 32768,
        "num_predict": 4096
      }
    }
  }
}

Modèles locaux recommandés

Recommandations matérielles

Répartition de charge multi-fournisseurs

Stratégie de rotation (round-robin)

{
  "models": {
    "loadBalancing": {
      "strategy": "round_robin",
      "providers": [
        {
          "model": "anthropic/claude-sonnet-4",
          "weight": 1
        },
        {
          "model": "openai/gpt-4o",
          "weight": 1
        }
      ]
    }
  }
}

Stratégie pondérée

{
  "models": {
    "loadBalancing": {
      "strategy": "weighted",
      "providers": [
        {
          "model": "anthropic/claude-sonnet-4",
          "weight": 70
        },
        {
          "model": "openai/gpt-4o",
          "weight": 20
        },
        {
          "model": "ollama/llama3.1:70b",
          "weight": 10
        }
      ]
    }
  }
}

Stratégie basée sur les coûts

{
  "models": {
    "loadBalancing": {
      "strategy": "cost_optimized",
      "dailyBudget": 10.00,
      "providers": [
        {
          "model": "anthropic/claude-opus-4-6",
          "maxBudget": 5.00,
          "useFor": ["complex", "reasoning"]
        },
        {
          "model": "anthropic/claude-sonnet-4",
          "maxBudget": 3.00,
          "useFor": ["chat", "code"]
        },
        {
          "model": "anthropic/claude-haiku-3.5",
          "maxBudget": 2.00,
          "useFor": ["simple", "high_frequency"]
        }
      ]
    }
  }
}

Bonnes pratiques de configuration des modèles

1. Organisation par scénario

{
  "agents": {
    "defaults": {
      "model": "anthropic/claude-sonnet-4",
      "thinkingLevel": "medium"
    },
    "byUseCase": {
      "coding": {
        "model": "anthropic/claude-opus-4-6",
        "thinkingLevel": "high"
      },
      "chat": {
        "model": "anthropic/claude-haiku-3.5",
        "thinkingLevel": "minimal"
      },
      "research": {
        "model": "anthropic/claude-opus-4-6",
        "thinkingLevel": "xhigh"
      }
    }
  }
}

2. Définir un budget raisonnable

{
  "budget": {
    "daily": 20.00,
    "weekly": 100.00,
    "monthly": 400.00,
    "alertThreshold": 0.8,
    "hardLimit": true
  }
}

3. Surveillance et analyse

{
  "analytics": {
    "trackUsage": true,
    "trackCosts": true,
    "trackPerformance": true,
    "exportPath": "~/.openclaw/analytics",
    "retentionDays": 30
  }
}

4. Test et validation

# Tester la connexion aux modèles
openclaw doctor --check models

# Tester un modèle spécifique
openclaw agent --model anthropic/claude-opus-4-6 --message "Message de test"

# Comparer les réponses des modèles
openclaw benchmark --models "anthropic/claude-opus-4-6,openai/gpt-4o" --prompt "Question complexe"

Dépannage

Échec de connexion au modèle

# Vérifier l'API Key
openclaw config get models.anthropic.apiKey

# Tester la connexion
curl -X POST https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "claude-sonnet-4", "max_tokens": 10, "messages": [{"role": "user", "content": "hi"}]}'

# Vérifier le réseau
ping api.anthropic.com

Limite de débit

# Voir la consommation
openclaw usage --today

# Exemple de sortie :
# Date: 2026-02-26
# Total tokens: 123,456
# Cost: $1.23
# Requests: 89

# Configurer la gestion de la limite de débit
openclaw config set models.anthropic.rateLimitHandling auto_retry

Problèmes avec les modèles locaux

# Vérifier le service Ollama
curl http://localhost:11434/api/tags

# Vérifier si le modèle est chargé
ollama list

# Charger manuellement le modèle
ollama run llama3.1:70b

# Vérifier l'utilisation du GPU
nvidia-smi

Résumé

La configuration multi-modèles est l’une des fonctionnalités les plus puissantes d’OpenClaw :

• Basculement flexible : choisir le modèle adapté selon les besoins de la tâche
• Protection par Failover : gestion automatique de l’indisponibilité des modèles
• Optimisation des coûts : allocation raisonnée du budget, éviter le gaspillage
• Support local : utilisation de modèles locaux pour les scénarios sensibles en matière de confidentialité

Grâce à une configuration judicieuse des modèles, vous pouvez trouver l’équilibre optimal entre performances, coûts et confidentialité.

Résumé de cet article :

• Maîtrise des méthodes de configuration pour divers fournisseurs de modèles
• Compréhension de la stratégie de Failover et de sa configuration
• Apprentissage du basculement dynamique de modèle par scénario
• Connaissance des stratégies d’optimisation des coûts et du suivi de la consommation
• Maîtrise de la configuration et de l’utilisation des modèles locaux

Historique des mises à jour :

• 2026-02-26 : publication initiale, basée sur OpenClaw v2026.2

Navigation de la série :

• ← Précédent : Concepts clés du Gateway
• → Suivant : Le système de Skills en détail