OpenClaw接入OpenRouter免费Qwen3.6plus模型配置教程

OpenClaw接入OpenRouter免费模型的完整步骤：

1. 获取API Key

前往 https://openrouter.ai/ 注册账号，在个人设置中生成API Key，免费模型调用无需充值。

在 OpenClaw 中配置并使用 OpenRouter 免费模型

OpenClaw 作为适配 OpenRouter 生态的 AI 应用，内置了模型选择与接口配置能力，操作核心是指定 OpenRouter 接口 + 选择免费 Qwen 模型，通用操作流程如下：

1. 打开 OpenClaw 配置界面：启动 OpenClaw 后，找到「Settings / 设置」-「Model / 模型」-「API 配置」模块，该模块用于关联外部大模型接口。

2. 配置 OpenRouter 接口参数

   • 接口地址：填写 OpenRouter 统一接口地址（与 OpenAI 兼容，默认已适配，无需手动修改，若需自定义则为https://openrouter.ai/api/v1）；
   • API 密钥：粘贴第一步获取的OPENROUTER_API_KEY；
   • 其他配置：保持默认即可（OpenRouter 已做底层优化，无需调整超时、请求头等参数）。

3. 选择 OpenRouter 免费模型：qwen/qwen3.6-plus-preview:free

   • 在模型选择列表中，找到「OpenRouter 开源免费模型」分类（或直接搜索模型标识），选中qwen/qwen3.6-plus-preview:free；
   • 确认模型参数：该免费模型默认支持100 万上下文窗口、最大输出 32K tokens，支持温度、Top P、种子等参数自定义，可根据需求调整（如编程场景调低温度提升准确性，创意场景调高温度增加多样性）。

4. 保存配置并调用：点击保存后，即可在 OpenClaw 中正常发起请求，所有操作的推理、响应均由 OpenRouter 底层的阿里云国际版节点提供（该节点对该免费模型的可用性为 100%，延迟仅 1.36s，吞吐量 46tps，稳定性拉满）。

添加配置 openclaw.yaml

编辑 ~/.openclaw/openclaw.yaml，加入以下内容：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

models:
  providers:
    openrouter:
      type: openai
      baseUrl: https://openrouter.ai/api/v1
      apiKey: "你的OpenRouter API Key"
      models:
        - id: qwen/qwen3.6-plus-preview:free
          name: Qwen 3.6 Plus 免费预览版
          contextWindow: 128000
          maxOutputTokens: 8192
        # 其他免费模型可选添加：
        - id: deepseek/deepseek-v3-0628:free
          name: DeepSeek V3 免费版
          contextWindow: 128000

生效验证

执行 openclaw gateway restart 重启后，运行 openclaw models list 即可看到新增的模型，测试调用：

1

openclaw run --model qwen/qwen3.6-plus-preview:free

⚠️ OpenRouter免费模型均有官方速率限制，避免高频连续调用。

qwen/qwen3.6-plus-preview:free 使用说明

该模型是 OpenRouter 目前核心的免费旗舰模型，为通义千问升级版，在 OpenClaw 中使用时有以下关键特性需注意：

1. 免费无额度限制：输入 / 输出 tokens 均为 $0 / 百万，无调用次数、流量限制，可无限使用。
2. 擅长场景适配：在 OpenClaw 中优先用于编程开发、复杂问题推理、前端开发、智能代理任务，该模型在编程领域排名 OpenRouter 全平台第 3，适配 OpenClaw 的「AI 执行落地」核心定位。
3. 支持推理过程可视化：若需查看模型的内部思考步骤，可在 OpenClaw 高级配置中开启reasoning参数，调用后可在响应结果中查看reasoning_details数组，了解模型的推理逻辑（适合调试、复杂问题拆解）。
4. 数据政策说明：该模型会收集提示词和完成结果数据用于模型迭代优化，若有隐私需求，可在 OpenRouter 中配置自定义数据政策，限制数据传输范围。