OpenClaw 2026
Hardware Matrix
From $6/month VPS servers to 70B parameter home datacenters. Compare 8 distinct hardware architectures to find the perfect host for your personal AI.
▶ The Comparison Matrix
Sort by any column to find the right balance of price, power, and tokens/sec.
表中的数字是参考值，不是我们的实测数据。吞吐取决于量化方式、上下文长度和散热状态；价格会变；功耗随配置不同而不同。请用它把候选范围缩小到两三个，然后对你真正买回来的那台用 `ollama run <model> --verbose` 实测，看 eval rate 那一行。
| RAM | Tokens/sec | |||||
|---|---|---|---|---|---|---|
Hetzner CPX11 Cloud VPS | 2GB (+4GB Swap) | $6 | 0W | 3 | Zero | 4.5 t/s (Llama 8B) |
Raspberry Pi 5 SBC (ARM) | 8GB | $80 | 5W | 4 | Zero | 6.2 t/s (Llama 8B Q4) |
Intel N100 Mini PC Mini PC | 16GB DDR5 | $150 | 10W | 3 | Low | 5.1 t/s (Llama 8B) |
Orange Pi 5 Plus SBC (ARM) | 16GB / 32GB | $180 | 10W | 5 | Zero | 8.5 t/s (Llama 8B) |
Mac Mini M4 Mini PC | 16GB Unified | $599 | 15W | 8 | Low | 35 t/s (Llama 8B) / 15 t/s (32B) |
Synology DS923+ NAS | Upgraded 32GB | $750 | 35W | 5 | Medium | 8.5 t/s (Llama 8B) |
Mac Mini M4 Pro Mini PC | 48GB / 64GB Unified | $1599 | 25W | 10 | Low | 65 t/s (Llama 8B) / 28 t/s (70B) |
Custom PC (1x RTX 4090) Desktop/Workstation | 64GB DDR5 / 24GB VRAM | $3000 | 450W | 10 | High | 110 t/s (8B) / 35 t/s (70B) |
▶ Specific Setup Guides
The $6/mo Cloud VPS
Perfect for Telegram/WhatsApp bots. Use small 4B/8B parameter models running 24/7 without worrying about hardware failure or electricity costs.
Apple Silicon Mac Mini
The undisputed king of local AI in 2026. Massive unified memory means you can run 70B parameter models at low power consumption.
NAS (Synology) Setup
Already have a NAS? Upgrading the RAM allows you to run OpenClaw directly alongside your files for maximum document retrieval speed.
怎么读这张表，才不会被它误导
可排序的列会引诱你去优化错误的变量。按每秒 token 数排序，桌面 GPU 会排到最上面——这没错，但通常没用：对一台常开的 Agent 主机来说，真正的约束依次是内存、噪音、电费，吞吐排在这些之后。一台能安静地跑起你需要的模型、并且放在你待着的房间里的机器，胜过一台更快但你最后会把它关掉的机器。
按这个顺序读。第一，先定你需要的模型规模——4-bit 模型大约每十亿参数占 0.6 GB，所以 8B 需要约 5 GB、32B 需要约 20 GB，再加上上下文和操作系统。第二，把所有装不下的行直接划掉；交换不是「慢一点的选项」，它是坏掉的选项。第三，在剩下的里面按噪音、待机功耗，以及它是否需要从你的网络外部可达来选。吞吐是用来打破平局的，不是选择标准。
性能分是我们自己的排序而不是测量值，它把好几件不同的事——内存带宽、核心数、有没有可用的 GPU 通路——压缩成了一个数字。它适合用来分组，不适合用来比较相邻的两行。如果两个候选很接近，诚实的做法是把两个都租或借一小时，用同一条提示词各跑一遍。