当OpenClaw 遇上Gemma 4，实现Token自由了

昨天，我在折腾一件极客圈很火的事情：用一台普通的Mac mini，在本地离线跑通了Google全新发布的Gemma 4大模型，并且把它接入了OpenClaw（小龙虾）。

跑通、并且顺畅执行完几个自动化任务之后，盯着屏幕，我的第一反应不是“现在的开源AI真强”，而是：

AI的使用成本，正在被暴力砸向，归零。

先说这套环境是怎么跑起来的。

我用的是Gemma 4的轻量版本，在Mac mini上两行命令直接拉取，完全离线运行。没有云端计算，不调用外部API，拔掉网线照样跑。

看着系统的资源占用图，你会有一种久违的掌控感——这是AI时代全面转向云端大厂收费以来，你第一次感觉到：这个强大的智能体，真正属于你自己的物理硬件了。

在这个测试里，有两个绝对的主角。第一个是Google刚刚放出来的Gemma 4。

我仔细翻了Gemma 4的技术架构，发现了一件很有意思的事：相比上一代，它的底层架构几乎没变（依然是Pre/Post-norm、5:1混合注意力机制等）。

它能在这个体量下打出超越前代甚至叫板千亿参数模型的效果，靠的不是架构升级，是极致的数据质量和训练工程。

最大的惊喜是它的MoE（混合专家）设计：总参数26B（260亿），但每次推理实际激活的参数只有4B（40亿）。

这就好比你请了一个拥有26个领域博士学位的全栈专家，但他每次帮你干活只吃一碗面条。

用小模型的极低显存成本，打出了大模型的高效表现。

更有商业价值的是，它是Apache 2.0开源协议。不仅免费，还能商用、能魔改、能零门槛私有化部署。

但这还不是它真正的杀手锏。Gemma 4最具商业价值的特性：它原生支持强大的Function Calling（函数调用）能力。

原生支持函数调用的模型，是可以自己拿起铲子干活的。它可以调用甚至编写代码、操作数据库、顺着网线爬取数据。它是一个独立的“外包干活工具人”。

这就是为什么我要把它接入OpenClaw的原因——这是在这个测试里的第二个主角。

光有Gemma 4，你只有一个聪明的大脑；加上OpenClaw，你就拥有了一套本地的Agent OS（智能体操作系统）。

龙虾负责分配任务、管理多平台接口、调用工具（MCP），而Gemma 4作为本地算力引擎，为这一切提供心智。

这里有个避坑指南：很多小白装了龙虾，以为自己用上了本地大模型，其实一看后台日志显示`gateway-injected`，说明你还在用龙虾内置的那个残血小模型。

真正的正确姿势是：

用Ollama拉取完整的`gemma4:26b`，把龙虾里的模型配置指向它，然后强制命令`/model ollama/gemma4:26b`。

当命令行跳出`agent main | ollama/gemma4:26b`那一刻，恭喜你，你已经拥有了一个完全独立、免费、不受任何大厂API限流和审查的本地私有全能数字员工。

这套“Mac mini + Gemma 4 + OpenClaw”的本地基建，到底带来了多大的变化？

以前，如果你要高强度利用AI来帮你写文章、做代码审查、处理表格数据、执行自动化任务，你每个月买各种API Token和包月会员的钱，轻松就是几百美金。

现在，我的工作流变成了这样：

- 90%的日常繁杂任务和数据处理：全部交给本地的Gemma 4 + 龙虾，纯离线，数据绝对隐私安全。

- 10%的超复杂逻辑推理和系统架构设计：这种高难度动作，我才会花钱去调用云端的Claude 4.6或更高阶模型。

一个最直接的商业范式发生了：对于重度用户来说，使用AI的成本，已经从暴利的“按Token计费”，变成了纯粹的“按电费计费”。

稳定，可用，没有任何调用焦虑。随便让龙虾去抓取几万页垃圾数据做清洗，它只要开着机就行，唯一的成本就是电费。

当硬件一次性买断，当智力成为了可以免费下载的压缩包，那些依靠倒卖基础模型Token来维持估值的云大厂们，真的要开始肉疼了。

<原文链接：https://mp.weixin.qq.com/s/hPS9GTudz9IRYrUAjIZkRg