openclaw多模型部署需严格遵循路径规范、格式要求与配置规则：模型目录须为models/{model_name}/且命名仅含字母数字下划线；权重须为fp16/bf16，int4模型需quant_config.json；openclaw.yaml中models节点逐项声明name/path/device/dtype，device不可为空，auto模式不支持混合精度；启动后通过/v1/models验证status为ready，调用时url须显式指定model参数。
☞☞☞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服务器部署中配置多模型，需在服务启动前完成模型路径注册、权重加载策略设定及推理引擎参数绑定，避免运行时热加载引发CUDA上下文冲突或显存溢出。
准备多个模型文件并组织目录结构
将不同模型的权重文件、配置文件（如config.json、tokenizer.json）、分词器文件统一放入各自独立的子目录，路径层级必须为models/{model_name}/，例如：models/ernie-4.5t/、models/x1t-v2/、models/deepseek-moe-16b/。
每个子目录内不得混放其他模型文件，【模型目录名不能含空格或特殊符号，仅允许字母、数字、下划线】；若目录名非法，OpenClaw启动时会跳过该模型且不报错，导致后续调用返回404。
确认所有模型权重为FP16或BF16格式，INT4量化模型需额外提供quant_config.json，否则加载失败。
修改openclaw.yaml启用多模型服务
打开openclaw.yaml，定位到models:节点，在其下逐行声明各模型配置项：
```yaml
models:
- name: ernie-4.5t
path: ./models/ernie-4.5t
device: cuda:0
dtype: bfloat16
- name: x1t-v2
path: ./models/x1t-v2
device: cuda:1
dtype: float16
- name: deepseek-moe-16b
path: ./models/deepseek-moe-16b
device: auto
dtype: auto
```
完整的工作区安全套件：检测未授权修改，扫描提示注入模式，自动响应应对措施——快照恢复、技能隔离、Git回滚和自动保护扫描。智能体工作区的完整安装后安全层。
【device字段必须明确指定GPU编号或auto，不可留空；若设为auto但系统仅有1块GPU，MOE类模型可能因显存不足触发OOM】。
同一台服务器上，每个模型必须绑定唯一GPU设备（cuda:0/cuda:1等），或全部设为auto由OpenClaw自动分配——但auto模式不支持混合精度模型共存，会强制统一为最低精度类型。
启动服务并验证模型加载状态
执行openclaw serve --config openclaw.yaml启动服务。
服务启动后立即访问http://localhost:8000/v1/models，返回JSON中应包含全部三个模型条目，且每个条目的status字段为ready。
若某个模型显示status: error，查看日志中以[MODEL LOADING]开头的行，常见原因包括：路径不存在、PyTorch版本与模型保存时版本不兼容、CUDA驱动版本低于12.1。
调用任一模型的推理接口时，URL路径需显式携带模型名，例如：POST /v1/chat/completions?model=ernie-4.5t。
