OpenClaw多模型配置响应变慢的根源是并发策略冲突、上下文未隔离和缓存未分片；需关闭预加载、分级设置并发上限、启用模型级缓存隔离、精简各模型上下文长度。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
OpenClaw多模型配置后响应明显变慢，通常不是因为加了模型，而是多个模型共存时触发了默认并发策略、上下文未隔离、缓存未分片这三类隐性冲突，导致GPU显存争抢、CPU线程阻塞、推理请求排队堆积。
关闭多余模型的自动加载
OpenClaw默认会在启动时预加载所有已注册模型，哪怕你只用其中一个。多模型配置下，preloadOnStart=true会让3个模型全塞进显存，直接触发OOM或严重抖动。
编辑~/.openclaw/openclaw.json，找到modelService节点，将preloadOnStart设为false。
【必须重启服务才生效】执行openclaw service restart，否则配置只是写在文件里，进程仍按旧策略运行。
为每个模型单独设并发上限
多模型共用同一套maxConcurrent=1会拖慢整体吞吐；但设成>1又容易让小模型被大模型挤占资源。正确做法是按模型能力分级限流。
方法一：命令行逐个配置（推荐）
执行openclaw config set agents.defaults.maxConcurrent 1 → 再执行openclaw config set agents.qwen2.5:3b.maxConcurrent 3 → 最后执行openclaw config set agents.deepseek-v3.maxConcurrent 1。
方法二：手动编辑配置文件
在agents下新增对应模型字段，例如qwen2.5:3b节点内写入maxConcurrent: 3；注意不要漏掉引号，deepseek-v3这类含连字符的模型名必须加双引号包裹。
启用模型级缓存隔离
默认缓存不区分模型，qwen2.5的缓存可能被deepseek-v3的请求污染，导致命中率暴跌。必须开启cache.namespace。
第一步：确认缓存已启用，在cache节点下确保enabled为true。
第二步：为每个模型添加独立命名空间
在agents.qwen2.5:3b.cache下写namespace: "qwen25"；在agents.deepseek-v3.cache下写namespace: "ds3"。
第三步：重启服务并验证
执行openclaw status，检查各模型的cache.hitRate是否稳定在70%以上；若仍低于50%，说明namespace拼写不一致或未生效。
精简各模型上下文长度
多模型混用时，如果共用同一套maxTokens=32000，小模型会被迫处理远超其能力的token量，首Token延迟翻倍。
打开~/.openclaw/agents/main/agent.yaml，在context节点下，为不同模型分别设置：
qwen2.5:3b → maxTokens: 8192
deepseek-v3 → maxTokens: 16384
注意：这个值不能超过模型自身支持的上下文窗口，查官方文档确认qwen2.5:3b最大仅支持8K，硬设16K会导致请求被静默截断。
