OpenClawは、タスクの自動化、ワークフローの管理、24時間365日のオンライン稼働を実現する、最も人気のあるAIエージェントフレームワークのひとつに急速に成長しました。しかし、一度動かし始めると、次に必ず生じる疑問は「実際にどのモデルを使うべきか？」ということです。
絶対的な正解はひとつではありません。最も賢い戦略は、層別（ティア）戦略です。つまり、重要なタスクにはプレミアムモデル、日常的な作業には高性能なミッドレンジモデル、定型的な作業を大量に処理するには低価格モデルを使い分けます。このガイドでは、各層に特化したモデルを、価格、コンテキストウィンドウ、各モデルの得意分野とともに紹介します。
層別モデル戦略
ひとつのモデルですべてをこなそうとするのは、額縁を掛けるのに大ハンマーを使うようなものです。複雑な推論タスクには最先端の知能が必要ですが、単純なファイル整理には不要です。すべてのリクエストにプレミアムモデルを使えば、予算はすぐに底をつきます。
最も効果的なOpenClawの設定は、次の3つの層を使います。
- 第1層（パワー）： 重要なタスク向けの、高性能モデル。複雑な推論、コードレビュー、重大な意思決定に。
- 第2層（デイリードライバー）： 実際の作業の大半をカバー。コード生成、コンテンツ作成、マルチステップのエージェントワークフローに。
- 第3層（バジェット）： 最小限のコストで単純なタスクを処理。ファイル整理、基本的なQ&A、定型業務の自動化に。
各層について、以下がおすすめです。
OpenClawにとってプロンプトキャッシングが重要な理由
OpenClawエージェントは、長いシステムプロンプト、永続的なメモリファイル、広範な会話履歴を維持します。リクエストのたびに、しばしば数万トークンを送信します。キャッシングがないと、これらの繰り返しトークンに対して毎回全額の入力費用を支払うことになります。
プロンプトキャッシングはこれを解決します。モデルが対応している場合、プロバイダーは以前に入力されたプレフィックスを保存し、後続のリクエストでは大幅に割引された価格で提供します。常時稼働のOpenClawエージェントにとって、節約額は大きくなります。
- システムプロンプトとスキルファイル — 毎ターン読み込まれますが、最初のリクエスト以降は自動的にキャッシュされます。
- 会話履歴 — 最新のメッセージのみが全額の入力コストがかかり、キャッシュ境界より前のすべては割引されます。
- メモリとコンテキストファイル — MEMORY.md、RULES.md、その他変更が少ないワークスペースファイル。
Novita AIでは、推奨モデルのほとんどがプロンプトキャッシングに対応しており、キャッシュされたトークンでは入力コストが50～90%削減されます。各モデルのキャッシュ価格は、以下の各層で標準価格と併記されています。
第1層：パワーモデル — 正確さが求められる場面
最高レベルの推論能力が必要なタスクもあります。正確さが絶対条件だったり、ひとつのミスが大きな損害につながる場合に、これらのモデルを活用します。
Claude Sonnet 4.6 と Claude Opus 4.6
AnthropicのClaudeモデルは、複雑な推論とニュアンスのある指示の理解において、ゴールドスタンダードと広くみなされています。Sonnetは、ほとんどの高度なタスクに対してスピードと知能のバランスが良く、Opusは正確さが何よりも優先される作業のための究極の選択肢です。
GPT-5.4
プロフェッショナルな作業のための、OpenAIの最も高性能なモデル。GPT-5.4はフラッグシップの推論モードで、27万トークン未満のコンテキスト長では標準処理を行います。複雑なマルチステップ推論、コード生成、深い分析思考を要するタスクに優れており、精度がプレミアムコストを正当化する、リスクの高いエージェントワークフローに最適です。
Gemini 3 Flash Preview
GoogleのGemini 3 Flashは、高速な応答時間と最先端の性能を提供し、 demandingなタスクでスピードと深さの両方が必要な場合に優れた選択肢となります。
💡第1層を使うべき場面：
- 複雑な複数ファイルにわたるコードリファクタリング
- リスクの高い意思決定分析
- ひとつのミスが高くつくタスク
- 重要なアウトプットのレビューと検証
⚖️トレードオフ：これらのモデルは卓越した品質を提供しますが、プレミアム価格です。毎日何百ものリクエストを処理する常時稼働のOpenClawエージェントでは、すべてのタスクに第1層を実行するとすぐにコストがかさみます。そこで、次の2つの層が登場します。これらは、エージェントのワークロードの大部分を、わずかなコストでカバーします。
第2層：デイリードライバー — ほとんどのタスクに、最高の価値
ここが、エージェントがほとんどの思考時間を費やす層です。これらのモデルは、実際に役立つ作業に対してコストと性能のバランスが取れており、第1層にエスカレーションする必要がほとんどないほど高性能です。
Kimi K2.5
Moonshot AIのKimi K2.5は、エージェントワークロードにおいて傑出した選択肢となっています。MoE（Mixture-of-Experts）アーキテクチャに基づいて構築されており、ツール使用、マルチステップ計画、コード生成に特化して最適化されています。これらはまさにOpenClawエージェントが最も依存する機能です。
K2.5を際立たせているのは、そのエージェント性能です。コーディングベンチマークではトップクラスのモデルにランクインし、ツール呼び出しの精度ははるかに高価なモデルに匹敵します。262Kのコンテキストウィンドウは、複数のドキュメントや長い会話履歴を含む複雑なワークフローにも十分な余裕があります。
- コンテキストウィンドウ：262Kトークン
- 価格：$0.60/M入力 · $3.00/M出力 · $0.10/Mキャッシュ入力
- 強み：価格に対するトップクラスのエージェント能力、優れたコード生成とツール使用、強力なマルチステップ推論。
- 最適な用途：頼りになるデイリードライバー — コード作成、マルチステップエージェントワークフロー、リサーチタスク、ツール呼び出しを必要とするあらゆる作業。
Novita PlaygroundでKimi K2.5を試す
GLM-5
Z.aiのフラッグシップモデルは、GLM-4シリーズからの大幅な進化を遂げています。GLM-5は、推論とコーディングタスクにおいて最先端のモデルと競合しながら、競争力のある価格を維持しています。数学的推論、コード生成、構造化出力の機能が強化されており、信頼性の高いツール使用を必要とするエージェントワークフローに特に適しています。
- コンテキストウィンドウ：202Kトークン
- 価格：$1.00/M入力 · $3.20/M出力 · $0.20/Mキャッシュ入力
- 強み：強力な推論、構造化出力と関数呼び出しに非常に効果的、2～3倍の価格のモデルと競合するベンチマーク性能。
- 最適な用途：複雑なエージェントタスク — コード分析、マルチステップ問題解決、レポート生成、ツール使用が多いワークフロー。
Qwen3.5-397B-A17B
AlibabaのQwen 3.5シリーズの中で最大のモデルで、1回のフォワードパスで活性化されるのは全パラメータの一部のみというMoEアーキテクチャに基づいています。つまり、大規模モデルの知能を、予想されるコストの数分の一で実現します。262Kのコンテキストウィンドウにより、コンテキストの劣化なく、長時間のエージェントセッションやマルチドキュメントのワークフローを処理します。
- コンテキストウィンドウ：262Kトークン
- 価格：$0.60/M入力 · $3.60/M出力
- 強み：最先端に迫る推論とコーディング性能、優れた長文コンテキスト処理、効率的なMoE推論。
- 最適な用途：ミッドレンジの価格で最大の性能が必要なタスク — 複雑なコード生成、分析推論、長文コンテキストのリサーチタスク。
Novita PlaygroundでQwen3.5-397B-A17Bを試す
💡第2層が得意なこと：
- コード生成とデバッグ
- コンテンツ作成と編集
- マルチステップエージェントワークフロー
- リサーチと分析タスク
- ツール使用と関数呼び出し
第3層：バジェットモデル — 単純なタスクを最小コストで
これらのモデルは、大量の低複雑度の作業を処理します。単純なタスクでは驚くほど高性能で、トークン費用を抑えます。
DeepSeek V3.2
DeepSeekの最新汎用モデル。MoEアーキテクチャに基づいており、コーディング、数学、一般的な推論において、非常に低価格で強力なパフォーマンスを発揮します。効率的な設計により、プレミアムコストをかけずに質の高いアウトプットを得られます。
- コンテキストウィンドウ：163Kトークン
- 価格：$0.269/M入力 · $0.40/M出力 · $0.13/Mキャッシュ入力
- 強み：優れたコストパフォーマンス、確かなコーディング能力、高速な推論速度。
- 最適な用途：ルーチンのエージェントタスク、データ抽出、テキスト整形、一般的なQ&A。
Novita PlaygroundでDeepSeek V3.2を試す
GLM-4.7 Flash
Zhipu AIの速度最適化モデルで、応答レイテンシが推論の深さよりも重要視される高スループットのシナリオ向けに設計されています。中国語と英語の両方に強く、多言語エージェント環境に適した選択肢です。
- コンテキストウィンドウ：200Kトークン
- 価格：$0.07/M入力 · $0.40/M出力 · $0.01/Mキャッシュ入力
- 強み：200Kのコンテキストウィンドウを持つモデルとしては最も安価なもののひとつ。非常に高速な応答時間。構造化出力と指示追従に強い。
- 最適な用途：大量の低複雑度タスク — 要約、分類、データ整形、通知ワークフロー。
Novita PlaygroundでGLM-4.7 Flashを試す
MiniMax M2.5
MiniMaxのM2.5は、価格帯以上の能力を発揮する多用途なオールラウンダーです。ドキュメント分析と長時間の会話をうまく処理し、長いコンテキストウィンドウを備えているため、劣化することなくマルチターンのワークフローをサポートします。
- コンテキストウィンドウ：204Kトークン
- 価格：$0.30/M入力 · $1.20/M出力 · $0.03/Mキャッシュ入力
- 強み：信頼性の高い長文コンテキスト処理、複雑な指示の追従、強力な多言語サポート。
- 最適な用途：最も安価なモデルよりも少しだけ高い能力が必要なタスク — ドキュメント要約、マルチターン会話、コンテンツ下書き。
Novita PlaygroundでMiniMax M2.5を試す
💡第3層が得意なこと：
- ファイル管理と整理
- 簡単な質問応答
- データ整形と抽出
- ルーチンの通知と要約
Novita AIでモデルスタックを実行する
上記で推奨した第2層と第3層のモデル — Kimi K2.5、GLM-5、Qwen3.5-397B-A17B、DeepSeek V3.2、GLM-4.7 Flash、MiniMax M2.5 — はすべて、Novita AIで単一のAPIキーを通じて利用可能です。
これがOpenClawユーザーにとって重要な理由：
- OpenAI/Anthropic互換のAPI形式 — カスタムアダプターなしで、OpenClawのモデル設定に直接プラグインできます。
- 1つのAPIキーで複数のモデル — 個別のアカウントを管理することなく、層を切り替えられます。
- ほとんどのモデルでプロンプトキャッシングに対応 — 入力コストを大幅に削減し、長文コンテキストのエージェントセッションでの応答を高速化します。
- 従量課金（Pay-per-token） — サブスクリプションや最低利用額はありません。
これらのモデルは、Novita AI Playgroundでインタラクティブに試すこともできます。これはウェブベースの環境で、プロンプトを試したり、パラメータを視覚的に探索したり、OpenClawにデプロイする前に即座にフィードバックを得たりできます。
Kimi K2.5などのモデルをOpenClawエージェントに統合する方法（Telegramボットのセットアップや高度な設定を含む）の詳細な手順については、詳細なチュートリアルをご覧ください：OpenClaw (Clawdbot) で Kimi K2.5 を使う：Novita で Telegram エージェントを素早くセットアップ。
NovitaClaw: ワンコマンドでOpenClawをデプロイ
インフラを管理することなく、OpenClawエージェントをクラウドで24時間365日稼働させたいですか？ NovitaClawなら、たった1つのコマンドで実現します。
NovitaClawは、Novita Agent Sandbox上に構築されたデプロイツールで、ターミナルから完全に設定済みのOpenClawインスタンスをプロビジョニングします。3つのステップで、どのプラットフォームでも動作します：
Step 1: NovitaClawをインストール
sudo pip3 install novitaclaw
Step 2: APIキーを設定
export NOVITA_API_KEY=sk_your_api_key
Step 3: 起動
novitaclaw launch
Step 1: NovitaClawをインストール
pip install novitaclaw
Step 2: APIキーを設定
$env:NOVITA_API_KEY = "sk_your_api_key"
Step 3: 起動
novitaclaw launch
これだけです。1分もかからずに、以下を入手できます：
- 24時間365日稼働するOpenClawエージェント — セッション制限なし、手動再起動不要。必要な限りエージェントはオンラインを維持します。
- Novitaモデルが事前設定済み — 層別モデルスタックがすぐに使用可能。Web UIの設定からいつでもモデルを切り替えられます。
- マルチチャンネル対応 — Telegram、Discordなどのメッセージングプラットフォームに接続できるため、どこにいてもエージェントにアクセス可能です。
- 自動復旧 — エージェントがクラッシュした場合、自動的に再起動し、最後に動作していた設定を復元します。データ損失はなく、手動操作も不要です。
- ビルトインのWebターミナルとファイルマネージャー — ブラウザから直接エージェントの環境にアクセスし、デバッグやファイル管理が行えます。
基盤となるサンドボックスは、2 vCPUと4 GB RAMで動作し、デモではなく実際のプロダクションワークロード向けに設計されています。Novitaプラットフォーム上のすべてのモデルがサポートされており、第1層へのアクセスが必要な場合は、ClaudeやGeminiなどのサードパーティのAPIキーを独自に持ち込むこともできます。
👉 完全なセットアップガイド（モデル設定、Telegramボットの統合、高度なオプションを含む）については、NovitaClaw：ワンコマンドでクラウド上で OpenClaw を実行するをご覧ください。
OpenRouterの利用データに関する注意点
より広範なコミュニティが何を実行しているかに興味がある方へ：OpenClawは現在、OpenRouterで1日の使用量に基づくアプリランキングで第1位であり、2026年3月時点で348モデルにわたって12.6兆トークンを処理しています。
トークン量が最も多いモデルには、Step 3.5 Flash（2.2T）、MiniMax M2.5（1.3T）、Kimi K2.5（962B）、Claude Sonnet 4.6（805B）、GLM 5 Turbo（579B）が含まれます。上位に位置するモデルの中には、プロモーションイベントや無料枠の利用可能性によって使用量が増加しているものもある可能性があるため、生のトークン量が必ずしもモデルの品質を直接反映するわけではないことに注意してください。この記事で推奨されている層別戦略は、使用パターン、モデル機能、実際のコミュニティからのフィードバックの組み合わせに基づいています。
結論
最も効果的なOpenClawの設定は、単一のモデルに依存するのではなく、3つの層を重ね合わせます。Claudeのようなパワーモデルは、最高の精度が求められる瞬間を処理します。Kimi K2.5やGLM-5のようなデイリードライバーは、妥当なコストで実際の思考作業を行います。そしてDeepSeek V3.2やGLM-4.7 Flashのようなバジェットモデルは、大量のルーチン作業を吸収します。
Novita AIを使えば、第2層と第3層の推奨モデルすべてに、単一のAPIでアクセスできます。そしてNovitaClawを使えば、インフラを必要とせず、1つのコマンドでスタック全体をデプロイできます。
Novita AI は、AI & エージェントクラウドプラットフォームであり、開発者とスタートアップ企業が高性能、信頼性、コスト効率の高いモデルとエージェントアプリケーションを構築、デプロイ、スケーリングできるよう支援します。
よくある質問
OpenClawに最適なモデルは何ですか？
単一の「最適な」モデルは存在しません。ユースケースによって異なります。ほとんどのユーザーにとっては、層別アプローチが最も効果的です。一般的なタスクにはKimi K2.5やGLM-5のようなデイリードライバーを、単純な作業にはDeepSeek V3.2のようなバジェットモデルを使用します。これらはすべて、Novita AIで1つのAPIキーを通じて利用可能です。
Novita AIはOpenClawと互換性がありますか？
はい。Novita AIはOpenAI/Anthropic互換のAPI形式を提供しているため、カスタムアダプターを必要とせず、直接OpenClawのモデル設定にプラグインできます。また、レート制限がなく、従量課金制です。これらは両方とも、常時稼働のエージェントにとって重要です。
OpenClawをNovita AIでセットアップするにはどうすればよいですか？
2つの方法があります。すでにOpenClawを実行している場合は、Novita APIキーで設定するだけです。APIはOpenAI/Anthropic互換なので、ベースURLとモデル名を更新するだけで済みます。詳細な手順については、ステップバイステップのチュートリアルをご覧ください。ゼロから始めたい場合は、NovitaClawが1つのコマンド（novitaclaw launch）で完全に設定済みのインスタンスをデプロイし、24時間365日の稼働と自動復旧を提供します。詳細については、NovitaClawセットアップガイドをご覧ください。
