就在刚刚，Qwen 正式发布了全新的开源模型系列 —— Qwen3.5 多模态模型。这一次更新，可以说在开源模型领域掀起了不小的震动。不仅性能几乎“屠榜”，而且全面迈向了原生多模态智能体时代，真正把开源模型带入了一个新的阶段。

Qwen3.5 多模态系列覆盖了从 0.8B 到 397B 的多个尺寸版本，适配不同硬件环境和应用场景。其中 0.8B 和 2B 两款模型体积极小，但推理速度极快，非常适合移动设备、物联网设备以及低延迟实时交互场景。在边缘端部署时，这类小模型可以实现更快响应和更低功耗，对于需要即时反馈的应用来说意义重大。

4B 版本则是“平民级”中的性能担当。它在资源消耗和性能之间取得了极佳平衡，非常适合作为轻量级 Agent 的核心大脑。对于本地部署用户或显存有限的开发者来说，这是一个兼顾智能水平与成本的理想选择。

9B 模型的表现则更进一步。它的综合能力可以媲美许多超大参数开源模型，在推理能力与多模态理解方面表现优异，同时对显存的要求却远低于百亿级以上模型，是服务器端部署中性价比极高的通用模型方案。

而最引人关注的，是开源的 Qwen3.5 397B-17B 模型。该模型总参数达到 3970 亿，但每次前向传播仅激活 170 亿参数，采用创新的混合架构，将线性注意力机制与稀疏混合专家（MoE）结构结合，在保持强大能力的同时显著优化了推理效率与成本。这种“高智能密度”的设计理念，让它在推理、编程、智能体能力、多模态理解等基准测试中全面领先。

Qwen3.5 还大幅扩展了多语言与方言支持，从 119 种提升至 201 种语言与变体，为全球开发者与企业用户提供更广泛的可用性和更完善的支持。模型发布后迅速引爆 AI 社区，连 Elon Musk 也在社交媒体上点赞评论，称其“智能密度令人印象深刻”。

真正让 Qwen3.5 脱颖而出的，是它的原生多模态与 Agent 能力。它不仅可以理解文本与图像，还能够边思考、边搜索、边调用工具，实现真正意义上的智能体协作。在代码与智能体方向，Qwen3.5 可以协助进行网页开发、游戏开发，尤其是在前端构建与界面适配方面表现出色。开发者只需输入自然语言指令，它便能生成可运行代码，并支持实时迭代。

基于 Qwen3.5 底座模型打造的 Qwen Code，更进一步提升了 Web-coding 体验。它能够将自然语言直接转化为代码，实现实时开发与创意生成任务，包括网页构建、项目原型设计，甚至视频生成等创新型任务，为日常编程与探索性开发带来流畅高效的体验。

在视觉智能体方向，Qwen3.5 可以自主操作手机或电脑完成任务。移动端已适配主流应用，支持自然语言驱动操作；电脑端则可处理跨应用数据整理与多步骤流程自动化，有效减少重复人工操作，显著提升效率。

视觉编程能力同样令人惊艳。Qwen3.5 可以将草图转化为结构清晰的前端代码，将简单游戏视频还原为逻辑框架，甚至将长视频内容提炼为结构化网页或可视化图表，大幅降低从创意到实现的门槛。

在空间智能理解方面，Qwen3.5 通过对图像像素与位置信息的建模，在物体计数、相对位置判断与空间关系描述任务中更加精准。它能够有效缓解因遮挡或视觉变化带来的误判，在自动驾驶场景理解与机器人导航等具身智能领域展现出良好潜力。

相比上一代视觉语言模型，Qwen3.5 在学科解题与复杂视觉推理任务上更加稳健。它能够结合图像内容与上下文进行多步逻辑推理，为教育与科研领域的多模态 Agent 应用提供更加可靠的基础能力。

如果你想在本地部署 Qwen3.5，可以通过 Ollama 来运行模型。Ollama 支持完全本地化部署与离线运行，保障数据安全，同时也能与自动化工具 OpenClaw 快速集成。不同尺寸模型对显存要求不同，例如部分版本约需 6GB 左右显存即可运行，而更大尺寸模型则需要更高显存配置。根据自身硬件条件选择合适版本即可。

通过 Ollama 下载模型后，可在终端运行对应命令进行加载。如果希望更友好地使用，也可以通过外部 UI 插件直接调用本地模型。在集成 OpenClaw 后，Qwen3.5 可以实现网页搜索、信息收集、结构化报告生成，以及自动化编程任务。

安装部署教程

1、下载Ollama 最新官方客户端：【点击下载】

2、下载 Qwen3.5 最新模型

安装好Ollama客户端以后，现在我们需要下载对应的 Qwen3.5 模型，根据自己的需要和硬件配置来选择合适的模型大小

【点击前往】

或者可以直接使用模型下载命令来完成：

ollama run qwen3.5:9b
ollama run qwen3.5:35b

安装号模型以后，如果想直接通过可视化的UI操作界面，来先使用的话，那么可以使用下方的这个浏览器来实现，它是完全免费的。

浏览器插件：【点击下载】

3、安装部署 OpenClaw

下载好模型以后通过下面的命令来安装最新的OpenClaw客户端：

ollama launch openclaw

4、对接 Telegarm 电报机器人

如果需要接入 Telegram，只需在 OpenClaw 中重新进入配置流程，选择本地 Ollama 模型，创建 Telegram Bot 并填写 Bot Token，通过配对命令完成绑定即可。完成后，你就可以在 Telegram 中直接调用本地 Qwen3.5 模型进行对话、写代码或执行自动化任务，全程本地运行，无需额外 API 费用。

打开你的 Telegram，搜索 @BotFather，发送 /newbot，来创建一个新的机器人，按提示设置：

给 Bot 起个名字，比如我设置为 lingduopenclaw

设置用户名（必须以 bot 结尾，比如 lingduopenclawbot  ）

最后会给你一串 Token：

8123121125:AAExamegv-0FQCfhfbazmp4405V0XAJCKfk

输入 token 进行对接，并进入到刚才创建的机器人里，第一次打开会显示还未正式对接，但是会在里面提供配对码，比如我的是 Pairing code: DLW7HQ69

现在只需重新打开一个新的 Powershell 窗口，然后在里面输入配对命令即可

openclaw pairing approve telegram 这里填写你的配对码

当你看到这个界面的话说明已经和Telegram配对成功了！

5、重启后启动的命令：

6、彻底卸载并删除OpenClaw

总的来说，Qwen3.5 的发布不仅刷新了开源模型的性能上限，也让原生多模态智能体真正走向普及。从移动端到服务器，从轻量部署到超大规模模型，从视觉理解到自动化编程，它正在构建一个更完整、更高效的开源 AI 生态。

相信大家已经使用OpenClaw一段时间了，是不是有时候会觉得自己的 OpenClaw（龙虾）不好用、不够智能，甚至连浏览器自动化都实现不了？其实问题往往不在工具本身，而是在模型没有选对，或者关键的 skills 没有安装完整。今天这篇文章，我会一次性帮你彻底解决这些核心痛点，避免走弯路，更别再被人割韭菜。

Openclaw 最佳模型选择

【点击前往】查看最佳模型

安装 OpenClaw 最新版本：

在Power shell下以管理员身份运行下方命令：

iwr -useb https://openclaw.ai/install.ps1 | iex

如果出现闪退现象，先执行下方的命令即可解决：

Set-ExecutionPolicy RemoteSigned -Scope CurrentUser
Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass

如果你之前已经安装过OpenClaw，那么你可以通过下方的命令进行一键升级到最新版本：

① 打开 PowerShell（管理员模式）

开始菜单 → 搜索 PowerShell → 右键 → 以管理员身份运行

② 执行升级命令

npm install -g openclaw@latest

openclaw --version

openclaw gateway

openclaw onboard

npx clawhub@latest install agent-browser

npx clawhub@latest install tavily-search

npx clawhub@latest install find-skills

npx clawhub@latest install weather

npx clawhub@latest install self-improving-agent

npx clawhub@latest install summarize

npx clawhub@latest install skill-vetter

clawhub install proactive-agent

npx clawhub@latest install gog

npx clawhub@latest install <skill-slug>

在折腾 NAS 的过程中，我一直在寻找一套能够真正实现“自动化+效率提升”的工具，直到接触到 OpenClaw，才发现很多原本需要手动完成的操作，其实都可以被彻底解放。但问题是：网上几乎没有一套完整、可落地的 NAS 部署教程，要么步骤缺失，要么关键配置一笔带过，新手很容易卡在中途。

这篇文章，我会从 0 到 1 手把手带你完成 OpenClaw 在 NAS 上的完整部署，包括环境准备、Docker 配置、网络访问、以及 Telegram 对接等关键步骤。同时，我也会把自己在实际部署过程中踩过的坑全部整理出来，比如镜像拉取失败、权限问题、端口无法访问、机器人无响应等常见问题，并给出可直接复现的解决方案。

如果你符合以下情况，这篇文章会对你非常有帮助：

• 第一次在 NAS 上部署 OpenClaw，不知道从哪里开始
• 已经部署成功，但部分功能（如 Telegram）无法正常使用
• 经常遇到各种报错，但不知道问题出在哪里
• 希望搭建一套可以长期稳定运行的自动化系统

相比零散教程，这篇内容更偏向“实战复盘”，不仅告诉你怎么做，更重要的是让你知道为什么会出问题，以及如何避免。

接下来，我们正式开始，从最基础的环境准备讲起。

部署步骤：

1、在Nas里安装Docker管理器

套件中心→Container Manager

2、下载安装OpenClaw 安装包

在镜像仓库里面搜索关键词：openclaw，然后下载镜像，推荐选择 1panel openclaw

注意：如果你在中国大陆，建议通过国内加速镜像进行下载，否则下载速度会很慢！设置步骤：左侧的镜像仓库 – 设置 – 新增: 镜像仓库名称：随便自定义 ， 加速的镜像仓库URL填：https://docker.1ms.run

3、安装并运行OpenClaw 容器

在映像里选择刚才下载好的1panel/openclaw 镜像，鼠标右键点击运行

配置容器

这一步要做18789的端口映射，及容器空间设置，如下图所示：

网络由bridge改成host，否则后续无法在其它或外网访问Nas里的Openclaw

使用高权限执行容器，并在执行命令后面填写下方的代码：

openclaw gateway --allow-unconfigured

接着点击完成来创建Openclaw 的容器

4、在Nas里开启SSH远程访问权限

在控制面板找到：终端机和SNMP

进入以后，勾选里面的启用 SSH 功能，这样我们才能通过SSH客户端连接到Nas里面

5、下载安装SSH远程终端连接器

你可以下载这款完全免费的 WindTerm ，来进行连接使用

【点击下载】或【备用打包下载】

连接地址：nas群晖的 ip地址 ，比如我是：192.168.1.113

端口：22

用户名：nas 登入账号

密码：nas 登入密码

登入进去以后，通过命令sudo -i 来提升到管理员权限，输入命令：docker ps 来查看当前所安装的Openclaw容器

6、进入Openclaw 容器进行配置

输入命令：

sudo docker exec -it openclaw bash

来进入到openclaw的容器，注意：如果你之前自定义的容器名称不是openclaw，那么上方的命令你需要将openclaw改成你自定义的容器名称

进入容器以后再执行命令：

openclaw onboard

来进行后续的配置即可，具体看零度的视频教程演示！

如果你选择对接Telegram的机器人，那么需要打开 @BotFather 进行创建机器人并配对

7、在其它电脑/外网上访问 Openclaw 

在openclaw 容器里执行命令：

openclaw config

将Gateway 模型由 bind mode改为LAN模式，如下：

修改以后，Openclaw的面板地址就会由原来的127.0.0.1 变成我们的nas的访问地址,比如我是：192.168.1.113，这一步非常关键！，它决定了你在nas里部署的Openclaw能不能在其它电脑或外网上访问控制面板。

当然第一次访问的时候它会显示这个错误信息：

origin not allowed (open the ControlUIfrom the gateway host or allow it in gateway.controlUi.allowedOrigins) openclaw

这主要是跨域导致的问权限题，现在我们可以在容器里，一键执行下方的命令来解决这个错误：

docker exec openclaw node openclaw.mjs config set gateway.controlUi.allowedOrigins '["http://192.168.1.113:18789","http://localhost:18789"]'

注意：要将上方命令里的 ip 替换成你自己的 nas 的 ip 地址

执行命令以后稍等一会，它会自动重启容器，但是重启以后访问它会出现这个错误，就是要求我们通过HTTPS协议进行访问后台，错误信息如下：

control ui requires device identity (use HTTPS or localhost secure context)

这个错误不用慌，我们可以通过下方的命令来解除这个限制：

docker exec openclaw node openclaw.mjs config set gateway.controlUi.dangerouslyDisableDeviceAuth true

执行重启容器以后，稍等一会就可以正常访问Openclaw的后台了

你有没有想过，把 OpenClaw 直接装进一个U盘里？插到任何一台电脑上，立刻就能使用——无需安装、不写入系统、不留下任何痕迹，用完直接拔走。更重要的是：它不仅方便，还更安全，即插即用！

同时意味着：

1、你可以把整个 AI 环境随身携带
2、在公司、网吧、朋友电脑上都能直接运行
3、完全不污染本地系统

听起来有点离谱，但这套方案不仅可行，而且已经有成熟实现。

支持多系统

• Windows
• macOS
• Linux

 一个U盘通用

接下来我们给大家介绍两种不同的安装方案，供大家选择！

详细安装教程：

方案1（简单）

U-Claw（开源项目）

• 一键安装
• 适合新手小白

快速开始：制作便携版 U 盘

U盘大小4G左右

Mac/Linux ：

# 1. 克隆代码
git clone https://github.com/dongsheng123132/u-claw.git

# 2. 补齐大依赖（Node.js + OpenClaw，国内镜像，约 1 分钟）
cd u-claw/portable && bash setup.sh

# 3. 拷贝到 U 盘
cp -R portable/ /Volumes/你的U盘/U-Claw/   # Mac
# 或 Windows 资源管理器直接拖过去

Windows 用户：

直接下载安装包：【点击下载】或 【备用下载】

下载解压，最后将其拷贝到 U 盘的根目录下即可！

完成！ 插上 U 盘，双击启动脚本就能用。

U-Claw/                          ← 整个拷到 U 盘
├── Mac-Start.command             Mac 免安装运行
├── Mac-Menu.command              Mac 功能菜单
├── Mac-Install.command           安装到 Mac
├── Windows-Start.bat             Windows 免安装运行
├── Windows-Menu.bat              Windows 功能菜单
├── Windows-Install.bat           安装到 Windows
├── Config.html                   首次配置页面
├── setup.sh                      补齐依赖（开发者用）
├── app/                          ← 大依赖（setup.sh 下载，不进 git）
│   ├── core/                        OpenClaw + QQ 插件
│   └── runtime/
│       ├── node-mac-arm64/          Mac Apple Silicon
│       ├── node-mac-x64/           Mac Intel
│       └── node-win-x64/           Windows 64-bit
└── data/                         ← 用户数据（不进 git）
    ├── .openclaw/                   配置文件
    ├── memory/                      AI 记忆
    └── backups/                     备份

平台	状态	说明
QQ	已预装	输入 AppID + Secret 即可
飞书	内置	企业首选
Telegram	内置	海外推荐
WhatsApp	内置	Baileys 协议
Discord	内置	—
微信	社区插件	iPad 协议

当然如果你对安全和可控性要求更高，可以选择第2种方案：

• 搭配 Ubuntu Live 系统
• 部署 OpenClaw

这种方式：更自由、更安全、但门槛更高

方案2（进阶）

Ubuntu + OpenClaw （持久化数据）

• 更安全
• 更可控
• U盘建议64G，3.0接口

部署步骤如下：

1、下载Ubuntu系统：【点击下载】或 【打包下载】 ，制作一个Ubuntu Live U盘系统，建议选择 Ubuntu 24.04.4 LTS 

2、下载U盘系统制作工具，建议Rufus 最新版本，支持持久化数据

【点击下载】

持久分区大小，根据自己的U盘大小来自定义，我的U盘是64G的，所以我就拉到最大化，持久数据7GB

写入U盘以后，重启电脑，重启以后立马敲击键盘上的Delete 或者 F11 \F12\ESC 键进入到BIOS界面，将系统的第一启动方式设置为U盘启动，最后F10保存启动即可！就可以进入到 Ubuntu Live  系统

进入以后，在终端下以管理员身份，运行 OpenClaw 的一键安装命令：

curl -fsSL https://openclaw.ai/install.sh | bash

即可大功告成！

方案3（进阶）

在U盘上 安装 Windows GO 系统，默认持久化数据，适合 Windows 用户,相当于把Windows 10 系统安装进U盘，然后在里面安装OpenClaw，同样可以实现即插即用！

安装步骤：

1、下载 Windows 10 系统的iOS镜像 【点击下载】或 【打包下载】

2、Rufus 载入系统镜像，安装模式选择Windows GO

3、进入Windows GO U盘系统以后，执行安装命令：

powershell -c "irm https://openclaw.ai/install.ps1 | iex"

就可以搞定！

如果你最近关注过 AI 圈，那你一定听说过“小龙虾 OpenClaw”。它不仅可以作为一个强大的智能助手，还能实现远程控制、自动化任务，甚至接管你的手机做各种操作。更关键的是，现在它已经可以直接安装在手机上本地运行，不依赖云端，真正做到低延迟、省电、随时随地可用。

这篇文章就带你完整梳理，从下载安装到实际使用，一步步把 OpenClaw 安装进你的安卓手机。

首先来说一个核心亮点：OpenClaw 是可以在手机本地运行的。这意味着它不需要远程服务器支持，也不会因为网络延迟影响体验。你可以把它理解为一个随身携带的 AI 助手，随时唤醒、随时响应。

而且它的硬件要求非常低，一台老旧安卓手机就可以运行。内存大约只需要 500MB，现在大多数手机都远远超过这个配置，所以几乎没有门槛。

OpenClaw 手机版下载：

【点击前往】 或 【备用下载】

首轮

1. 安装APK
2. 按照安装向导操作（下载约 500MB 的 Ubuntu 根文件系统）
3. 从控制面板启动网关
4. 请访问以下网址访问网络控制面板：http://127.0.0.1:18789

要求

• Android 10+（API 29）
• 初始设置需要约 500MB 的可用存储空间
• 首次设置需要连接互联网

它的实现原理其实也很有意思。OpenClaw 并不是直接跑在安卓系统上，而是通过 Proot 在手机里虚拟出一个 Ubuntu 系统，然后在这个环境中安装 NodeJS 和 OpenClaw 主程序，同时提供一个图形化界面进行管理。最重要的一点是：整个过程不需要 Root 权限，这让它的可用性大大提升。

在安装方式上，它提供了两种方案：一种是通过专门的应用进行安装，另一种是通过命令行安装。对于大多数用户来说，直接使用 APK 安装是最简单的方式。

安装流程其实并不复杂。首先下载对应版本的安装包，推荐选择官方推荐版本，它适配绝大多数安卓设备。如果你的手机比较旧，可以选择兼容 32 位 ARM 的版本；如果是在模拟器环境，则可以选择 x86 版本。

下载完成后，把 APK 传到手机上进行安装。你可以使用局域网传输工具，比如 LANDrop，在电脑和手机之间快速传文件。只要两台设备在同一网络下，就可以互相识别并直接传输，非常方便。

LANDrop 神器下载：

1、电脑版: 【点击下载】或 【打包下载】

2、手机版:【点击下载】或 【下载APK安装包】

安装完成后，第一次打开应用，会自动进入初始化流程。整个过程分为几个阶段：下载 Ubuntu 虚拟环境、解压系统、安装 NodeJS、部署 OpenClaw，最后进行配置。这一步需要一定时间，尤其是虚拟环境大约有 500MB，需要耐心等待。

配置阶段是整个流程中最关键的一步。你需要选择 AI 服务提供商，比如 OpenAI、Claude、DeepSeek、Gemini 等。如果你在海外环境，推荐使用 OpenAI 或 Claude；如果在国内，可以选择 DeepSeek 或 Minimax。

登录方式可以选择 API Key 或网页授权。如果你是免费用户，建议使用网页授权方式，操作更简单。授权完成后，还需要选择具体模型，比如 GPT-4 或 GPT-3.5。

接下来是一个非常有意思的功能：对接第三方聊天工具。OpenClaw 支持 Telegram、Discord、飞书等平台。以 Telegram 为例，你需要通过 BotFather 创建一个机器人，然后获取 Token 填入配置中。完成后，通过一条配对命令，就可以把 OpenClaw 和 Telegram 连接起来。

当你看到系统返回“approved”，就说明已经对接成功。这时你可以直接在 Telegram 里和你的 AI 助手聊天，它会像一个真正的助手一样回应你、帮你处理任务。

除了聊天能力之外，OpenClaw 的真正强大之处在于“自动化”和“控制能力”。你可以让它帮你写文章、整理资料、编写代码，甚至执行定时任务。它就像一个 24 小时在线的数字员工。

更进一步，它还可以实现远程控制手机。例如远程拍照、录制视频、做监控等。这一点对于安防、远程观察等场景非常实用。当然，要使用这些功能，需要开启开发者模式和无线调试，并授予摄像头、录制等权限。

当一切配置完成后，你可以通过浏览器打开 OpenClaw 提供的本地地址，进入控制面板。在这里可以管理模型、技能（Skills）、任务以及各种功能扩展。

整体来看，把 OpenClaw 装进手机，相当于给自己打造了一个随身 AI 中枢。它不依赖云服务器，不受设备限制，可以随时随地运行。无论是日常使用还是技术探索，都有很大的发挥空间。

如果你愿意折腾一点，这套方案不仅仅是“好玩”，甚至可以成为你个人效率系统的一部分

今天我们主要来说一下，如何利用最新版的 OpenClaw 小龙虾，免费接入 ChatGPT 最新、最强的 AI 图片模型 ChatGPT Images 2.0。

这套方案最大的优势就是：无需 API Key、无需消耗 API Token、支持 AI 生图、支持看图分析

甚至还能用来做一些趣味玩法，比如看图看手相、图片理解、图片创作等

如果你之前用过 AI 图片生成工具，应该知道很多平台都需要 API Key，或者需要绑定余额、消耗 Token。而这次我们要演示的方式，整体门槛更低，非常适合普通用户、AI 爱好者，以及想做教程演示的朋友。

下面我们就一步一步来看具体的安装和使用流程。

一、准备工作

在正式开始之前，我们需要先准备好基础环境。

建议大家先安装两个必备工具：

1、Git【点击下载】

2、Python【点击下载】

这两个工具是运行 OpenClaw 的基础环境，后面安装和调用都可能会用到。

Git 直接下载默认安装即可，Python 也同样可以使用默认安装方式。不过这里要特别注意一点：

安装 Python 的时候，一定要勾选 Add Python to PATH 这个选项。

这个选项非常重要，如果没有勾选，后面在命令行里运行 Python 或相关工具时，就可能出现命令无法识别的问题。

如果你已经安装过 Python，但不确定有没有勾选 PATH，可以重新运行安装包进行修改，或者在命令行输入：

python --version

环境准备好以后，大家可以直接复制里面的安装命令，这样可以避免手动输入出错。

三、安装 OpenClaw 小龙虾

以 Windows 为例，我们打开 PowerShell。

建议直接使用普通 PowerShell 即可，如果遇到权限问题，也可以右键选择“以管理员身份运行”。

然后粘贴刚才复制的安装命令：

powershell -c "irm https://openclaw.ai/install.ps1 | iex"

回车后，系统会自动下载并安装 OpenClaw。

安装过程中，如果提示确认，按照默认选项继续即可。

等待安装完成后，可以输入下面的命令检查是否安装成功：

openclaw --version

如果能够正常显示 OpenClaw 的版本号，就说明安装成功了。

四、启动 OpenClaw

安装完成以后，我们就可以启动 OpenClaw。

在命令行里输入：

openclaw tui

运行后，会进入 OpenClaw 的本地交互界面。

第一次启动时，可能会提示你选择启动方式。一般选择推荐的方式即可，比如：

Hatch in Terminal

进入界面后，如果看到 OpenClaw 的欢迎信息，就说明本地环境已经正常启动。

五、接入 ChatGPT Images 2.0

这次我们重点演示的是通过 OpenClaw 接入 ChatGPT Images 2.0。如果你之前已经安装过OpenClaw，那么你可以通过下方的命令进行对接：

openclaw onboard --auth-choice openai-codex

这个模型可以用来生成高质量图片，也可以结合图片理解能力，对上传的图片进行分析。

它适合做很多场景，比如：

AI 海报生成
电商主图设计
视频封面设计
人物写真风格化
图片内容分析
看图解读
趣味看手相
创意插画生成

最关键的是，这种方式不需要手动填写 API Key，也不需要额外消耗 API Token，对于普通用户来说非常方便。

六、测试 AI 图片生成

接入完成以后，我们可以先测试一个简单的图片生成任务。

例如输入：

一幅等距视角的迷宫图，展现了一个极其复杂、埃舍尔风格的迷宫，漂浮在宁静的暮色天空中。迷宫由光滑的白色大理石和金色装饰构成。微缩发光的人物在倒置的楼梯上行走。极简主义与超现实主义的建筑风格，柔和的环境光遮蔽，营造出一种舒缓的美感。

最近 AI 圈，真的越来越离谱了。如果你一直关注本地大模型，应该已经发现：现在的开源模型，不仅越来越聪明，甚至已经开始挑战很多闭源商业 AI。而今天要介绍的这个模型，更是直接把“本地 AI”推向了另一个阶段。

它就是：Qwen3.6-35B-A3B Uncensored HauhauCS Aggressive

一个目前热度极高的“越狱版”开源模型。而且重点是：它不仅无审查、无限制，还非常聪明。甚至可以说：这可能是目前最强的越狱版开源模型之一。

什么是“越狱版”模型？

简单来说：

官方模型通常会加入大量安全限制。

比如：

• 敏感内容拒答
• 某些问题无法回答
• 强制政治正确
• 输出被过滤
• 系统提示词限制

所以很多时候：

你明明只是正常提问。

结果模型却：

“抱歉，我无法帮助你。”

而这类 Uncensored（无审查）版本：

则会尽可能移除这些限制。

尤其这个：

Aggressive 版本

可以说是：

目前最激进的版本之一。

官方模型 VS 越狱版模型

实测效果非常夸张。同样的问题：

官方模型：

• 疯狂拒答
• 强制安全策略
• 输出保守

而越狱版：

不仅会回答。

甚至：

• 什么都敢说
• 什么都肯干
• 几乎没有限制

而且最关键的是：

它并不是那种：

“只会越狱，但智商很低”的模型。

恰恰相反。

这个模型：

真的非常聪明。

部署教程：

1、模型下载

【huggingface 下载】、【网盘打包下载】、或 【备用下载】

模型来源：O站社区

里面有多种不同大小的量化版，你可以根据自己的显存大小，来选择对应的版本，最小的11G模型可以在6G/8G显存上跑起来，但是建议最低使用8G显存

2、下载 llama.cpp

下载方式：【Github下载】、【网盘下载】或 【整合包下载】

这款免费开源项目支持 N卡、A卡、I卡 还有纯CPU运行，同时也可以在Mac、Linux系统上运行！也就意味着，你几乎可以在任何电脑上进行运行。速度还非常快，远比ollama、LM Studio 快的多也稳定的多！！

3、一键启动脚本（支持多版本切换）

将下面的的脚本另存为BAT批处理，保存的时候选择utf-8格式，嫌麻烦直接【点击下载】打包版

@echo off
chcp 65001 >nul
title Qwen3.6-35B-A3B 越狱版

cd /d "%~dp0"

:menu
cls
echo ==========================================
echo      Qwen3.6-35B-A3B 越狱版+多模态模型
echo               零度优化版
echo ==========================================
echo.
echo 1. Q4_K_P（4090 推荐）
echo 2. Q4_K_M（稳定版）
echo 3. IQ4_NL（高压缩高质量）
echo 4. IQ2_M（6G/8G 显卡）
echo.
echo ==========================================

set /p choice=请输入数字：

if "%choice%"=="1" (
    llama-server.exe ^
    -m "models\Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-Q4_K_P.gguf" ^
    --mmproj "models\mmproj-Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-f16.gguf" ^
    -ngl 999 ^
    -c 131072 ^
    -n 8192 ^
    --host 127.0.0.1 ^
    --port 8080
)

if "%choice%"=="2" (
    llama-server.exe ^
    -m "models\Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-Q4_K_M.gguf" ^
    --mmproj "models\mmproj-Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-f16.gguf" ^
    -ngl 999 ^
    -c 131072 ^
    -n 8192 ^
    --host 127.0.0.1 ^
    --port 8080
)

if "%choice%"=="3" (
    llama-server.exe ^
    -m "models\Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-IQ4_NL.gguf" ^
    --mmproj "models\mmproj-Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-f16.gguf" ^
    -ngl 999 ^
    -c 131072 ^
    -n 8192 ^
    --host 127.0.0.1 ^
    --port 8080
)

if "%choice%"=="4" (
    llama-server.exe ^
    -m "models\Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-IQ2_M.gguf" ^
    --mmproj "models\mmproj-Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-f16.gguf" ^
    -ngl 999 ^
    -c 8192 ^
    -n 4096 ^
    --host 127.0.0.1 ^
    --port 8080
)

pause

打开后在上面选择对应的模型，输入对应的数字确认即可启动！

注意：如果启动后出现乱码，则：进入系统设置中心，在顶部搜索关键词：系统区域设置，打开选择用于非Unicode程序的语言，然后勾选 Beta版：使用 Unicode UTF-8 提供全球语言支持；重启电脑再打开就不会乱码！ 如下图所示：

当然需要真正实现tokens自由，本地不受限制，完全免费使用AI Agent，那么将其对接到Hermes或者OpenClaw 小龙虾上去，才能真正体现出它的价值所在。

AI Agent 对接步骤：

1、在选择模型提供商的时候，选择自定义

2、API base 地址填写：

http://127.0.0.1:8080/v1

API key 密钥随便填写一个数字或留空都可以

3、其它设置可以根据自己的喜好进行自定义

Qwen3.6-35B-A3B 为什么这么强？

很多人看到：

35B

第一反应是：

“这得服务器才能跑吧？”

但实际上：

Qwen3.6-35B-A3B 用的是：

MoE（专家混合架构）

简单理解：

虽然模型总参数是 35B。

但每次实际运行时：

只会激活大约 3B 参数。

这意味着：

它既拥有超大模型的能力。

又拥有小模型的速度。

6G 显存都能跑？

是的。

这也是它最夸张的地方之一。

通过 GGUF 量化后：

甚至：

• 6G 显存
• 8G 显存
• 普通游戏显卡

都能运行。

并且支持：

• NVIDIA 显卡
• AMD 显卡
• Intel Arc 显卡

真正实现：

本地 AI 自由

在 Artificial Analysis 排行榜中表现极强

目前在全球权威 AI 榜单：

Artificial Analysis

Qwen3.6-35B-A3B 在 40B 以内开源模型中：

几乎属于第一梯队。

尤其：

• 中文理解
• 代码能力
• 多模态视觉
• 推理能力
• 长上下文能力

表现都非常夸张。

尤其中文能力。

可以说：

这是目前中文体验最强的一批开源模型。

多模态支持也非常离谱

这次不仅支持文本。

还支持：

多模态视觉识图

也就是说：

它可以直接：

• 看图片
• 分析截图
• OCR 识别
• 理解画面内容
• 分析复杂 UI
• 阅读代码截图

配合 llama.cpp 最新版后：

甚至已经可以当：

本地版 ChatGPT Vision

来使用。

本地部署非常简单

这次部署方案：

我使用的是：

llama.cpp 最新版

优点非常明显：

• 免费
• 开源
• 支持 Windows
• 支持 CUDA
• 支持 Vulkan
• 支持 AMD
• 支持 Intel

而且：

现在 llama.cpp 已经越来越成熟。

不仅支持：

• OpenAI API
• 多模态
• 超长上下文
• Agent 调用

甚至还能直接：

本地替代 OpenAI API

Hermes Agent 实测效果惊艳

这次我还把它：

接入了 Hermes Agent。

效果可以说：

非常炸裂。

因为现在：

你不仅仅是在“聊天”。

而是：

真正拥有了一个：

本地 AI Agent

它可以：

• 自动写代码
• 自动分析图片
• 自动执行任务
• 自动工具调用
• 自动联网
• 长上下文记忆

而且：

完全本地运行。

不用联网。

不用 API Key。

没有 Token 消耗。

真正实现：

• Token 自由
• Agent 自由
• 本地 AI 自由

推荐量化版本

不同显卡。

推荐不同量化。

RTX 4090 / 24G 显存

推荐：

• Q4_K_P
• Q4_K_M

体验最好。

8G 显存用户

推荐：

• IQ2_M
• IQ3_M

也能正常运行。

推荐 llama.cpp 参数

推荐启动参数：

llama-server.exe ^
-m "模型路径.gguf" ^
--mmproj "mmproj.gguf" ^
-ngl 999 ^
-c 131072 ^
-n 8192 ^
--host 127.0.0.1 ^
--port 8080 ^
--jinja

其中：

--mmproj

是多模态必须参数。

否则：

上传图片按钮会变灰。

--jinja

则是新版 Qwen 模型非常重要的参数。

不加的话：

可能出现：

• 回复异常
• 格式错乱
• 无限重复
• 中文异常

现在的本地 AI，已经完全变了

很多人对本地模型的印象：

还停留在：

• 很笨
• 很慢
• 只能聊天
• 无法实用

但现在。

真的不一样了。

尤其：

Qwen3.6-35B-A3B 这种模型出现后。

本地 AI 已经开始：

真正接近商业闭源模型。

而且：

完全属于你自己。

最后

如果你一直想体验：

• 无审查 AI
• 本地 AI
• 多模态 AI
• 本地 Agent
• 超长上下文
• 本地 OpenAI API

那么：

这个模型。真的非常值得尝试。因为现在这种资源：谁也不知道还能存在多久。建议尽快收藏、下载、备份！