Системные требования OpenClaw: CPU, RAM, диск

Сам по себе OpenClaw лёгкий: шлюз (gateway) представляет собой один процесс Node.js, а официальная документация задаёт нижнюю планку в 1 ГБ RAM, 1 ядро CPU, 500 МБ свободного места на диске и 64-битную ОС. Реальный бюджет зависит от того, что вы к нему подключите: личный Telegram-бот, который обращается к облачной модели (OpenAI, Anthropic, avots.ai), хорошо работает на 2 vCPU и 2-4 ГБ RAM, инструмент браузера (Chromium) поднимает планку до 4 vCPU и 8 ГБ, а локальная модель через Ollama означает 16 ГБ RAM для модели 8B либо GPU. Ниже мы отделяем то, что утверждает документация, от того, что видим в собственных инсталляциях.

Что на самом деле говорит официальная документация

Отдельной страницы «системные требования» нет; цифры разбросаны по инструкциям по установке. Сводка с источниками (проверено 14 сентября 2026 года, документация на момент релиза v2026.9.4):

• Среда выполнения: «Node 24.16+ или 26.1+; рекомендуется Node 26» (страница установки). Скрипт установки сам ставит Node, если его нет.
• Минимальное железо: «1 ГБ RAM, 1 ядро, 500 МБ свободного места на диске, 64-битная ОС». Это единственный явный минимум в документации, и находится он в инструкции для Raspberry Pi, которая рекомендует «2 ГБ+ RAM, SD-карту на 16 ГБ+ (или USB SSD), Ethernet» и оценивает Pi Zero 2 W с 512 МБ как «Нет».
• Сборка Docker из исходников: «Не менее 6 ГБ RAM для локальной сборки образа из исходников». Готовые образы из ghcr.io/openclaw/openclaw позволяют этого избежать; если сборка завершается словом Killed или кодом выхода 137, сервер слишком мал.
• Локальные модели: страница про Pi прямолинейна: «Не запускайте локальные LLM на Pi, даже маленькие модели слишком медленные, чтобы быть полезными». Таблицы RAM или VRAM для Ollama в документации нет.
• Операционные системы: macOS, Linux и Windows, где «WSL2 остаётся наиболее совместимой с Linux средой выполнения Gateway на Windows».

Требования в зависимости от конфигурации

Только шлюз (облачная LLM, без браузера, без локальной модели)

Так работает большинство пользователей: шлюз соединяет канал обмена сообщениями (Telegram по умолчанию использует long polling, поэтому на публичном порту ничего не слушает) с моделью у провайдера за API-ключом. Тяжёлую работу выполняет провайдер; ваш сервер разбирает сообщения, хранит файлы сессий и время от времени выполняет команду оболочки.

В наших инсталляциях свежий шлюз с одним Telegram-ботом в простое занимает несколько сотен МБ резидентной памяти. Как практический минимум мы выделяем 2 vCPU и 2 ГБ, потому что обновления и инструмент exec дают короткие пики нагрузки, и 4 ГБ, если агент выполняет cron-задачи или держит несколько длинных сессий. Один vCPU работает, но тогда вызовы инструментов конкурируют со шлюзом, и вы чувствуете это как задержку.

Шлюз в Docker

Официальный образ ghcr.io/openclaw/openclaw:latest имеет вариант -slim и несколько вариантов -browser. Docker почти не добавляет нагрузки на CPU, но две вещи меняют расчёт памяти:

• Не собирайте образ на сервере: 6 ГБ из документации относятся к компиляции из исходников. С готовым образом для одного лишь шлюза достаточно машины с 2 ГБ.
• Режиму песочницы нужен доступ к Docker внутри контейнера шлюза. Настройка называется agents.defaults.sandbox.mode и принимает значения "off" (по умолчанию), "non-main" и "all". Документация утверждает, что «процесс Gateway всегда остаётся на хосте; в песочницу переносится только выполнение инструментов, когда она включена»; для шлюза в Docker официальный скрипт настройки (OPENCLAW_SANDBOX=1) монтирует Docker-сокет хоста в контейнер. В наших инсталляциях образа 2026.6.1 режим "all" требует команду docker внутри контейнера шлюза. Контейнеры песочницы создаются по требованию для каждого агента или каждой сессии (agents.defaults.sandbox.scope), каждый со своей памятью: заложите дополнительно 1-2 ГБ.

Согласно документации шлюза, в контейнере привязка по умолчанию становится auto (разрешается в 0.0.0.0) вместо loopback, а аутентификация по умолчанию обязательна. Всё равно публикуйте порт только на 127.0.0.1: при обычном docker run это -p 127.0.0.1:18789:18789; при официальной установке через compose сверьте маппинг портов с актуальной документацией по Docker.

Вариант с браузером (Chromium + Playwright)

Инструмент браузера управляет отдельным профилем Chromium (или Chrome, Brave, Edge) через Playwright. Ключи в openclaw.json: browser.enabled (по умолчанию true), browser.headless (по умолчанию false), browser.noSandbox (по умолчанию false) и browser.executablePath. В Docker берите образ latest-browser, в который уже встроен Chromium, а кэш Playwright хранится в /home/node/.cache/ms-playwright.

Документация не даёт цифр по памяти для браузера. Наши цифры: headless Chromium с парой вкладок занимает 1-2 ГБ, а на тяжёлых страницах пики выше. В наших инсталляциях вариант с браузером включается только на серверах с 6 ГБ и более общей памяти, а контейнер ограничен 5 ГБ. Ниже этого Chromium и шлюз борются за RAM, и система убивает шлюз; это симптом «Gateway exits during high memory use» из официального руководства по устранению неполадок. Для комфортной работы мы рекомендуем 4 vCPU и 8 ГБ.

Локальные модели через Ollama

OpenClaw общается с Ollama через её родной API: укажите baseUrl: "http://host:11434" без суффикса /v1, потому что OpenAI-совместимая точка входа «ломает вызов инструментов, и модели могут выдавать сырой JSON вызова инструмента как обычный текст». Модели адресуются как ollama/<model>.

Документация не касается железа для инференса. Таблица ниже является нашим эмпирическим правилом, полученным при запуске моделей с 4-битной квантизацией (именно такие Ollama скачивает по умолчанию) на нашем собственном GPU-узле, и это сверх потребностей шлюза. Агентским нагрузкам нужен длинный контекст (схемы инструментов, длинные диалоги), а KV-кэш для этого контекста занимает память сверх весов.

Инференс модели 8B только на CPU на VPS с 4 vCPU даёт несколько токенов в секунду: нормально для одного вопроса, мучительно, когда агент проходит цикл из нескольких вызовов инструментов. Модель 8-9B в 4 бит помещается в GPU на 16 ГБ с запасом под длинный контекст, отсюда наша базовая планка в 16 ГБ GPU. Наш гайд о том, какой сервер нужен для локальной AI-модели, разбирает компромисс между RAM и GPU, а на странице AI-серверов перечислены конфигурации с GPU.

Таблица размеров

Первая строка подтверждается документацией; остальное является нашими рекомендациями по выделению ресурсов:

Любой план из нашего каталога VPS, начиная с уровня 2 vCPU, покрывает первые три строки; строкам с локальной моделью место на GPU-сервере.

Диск: образы, логи и рабочее пространство

500 МБ из документации являются минимумом для голой установки. На реальном сервере диск уходит на:

• Каталог состояния ~/.openclaw (в контейнере /home/node/.openclaw): openclaw.json, файл .env с секретами, транскрипты сессий и рабочее пространство (agents.defaults.workspace, по умолчанию ~/.openclaw/workspace). Сессии растут по мере использования.
• Образы Docker: шлюз и, в варианте с браузером, Chromium вместе с кэшем Playwright.
• Логи: с --verbose они растут быстро; настройте logrotate или max-size в Docker с первого дня.
• Модели Ollama, если они локальные: 5 ГБ для 8B в 4 бит, 40 ГБ для 70B.

Мы начинаем с 20 ГБ для сервера только со шлюзом и 30 ГБ с образом браузера, на SSD или NVMe; инструкция для Pi говорит то же самое по своей причине: «SD-карты медленные и изнашиваются».

Сеть: только исходящие соединения

Шлюзу не нужен входящий порт: Telegram опрашивается через long polling (режим webhook опционален), а провайдеры моделей вызываются исходящими запросами по HTTPS. Собственный порт шлюза, по умолчанию 18789, обслуживает панель управления и WebSocket API, и документация здесь однозначна: «Держите Gateway только на loopback, если вы не уверены, что вам нужна привязка». Чтобы добраться до панели с ноутбука, пробросьте её через туннель:

ssh -N -L 18789:127.0.0.1:18789 user@gateway-host

Это важнее, чем для типичного веб-приложения: агент по замыслу выполняет команды оболочки, и у проекта уже была уязвимость удалённого выполнения кода в один клик (CVE-2026-25253, кража токена), а также недостатки проверки origin. Публичный шлюз является оболочкой на вашем сервере для любого, кто его найдёт.

Файрвол: SSH внутрь, всё наружу, больше ничего. Запустите openclaw security audit, чтобы убедиться, что вы не отошли от безопасных настроек по умолчанию, и привяжите бота только к себе через channels.telegram.allowFrom (по умолчанию для DM действует политика сопряжения: неизвестные отправители ждут одобрения).

Поддержка операционных систем

• Linux является эталонной платформой для сервера: «CLI остаётся самым простым вариантом для headless-сервера или VPS», а openclaw gateway install создаёт пользовательский юнит systemd с именем openclaw-gateway.service. Мы используем Ubuntu 24.04; подойдёт любой 64-битный дистрибутив с Node 24 или 26, x86_64 или ARM64.
• macOS подходит как личный шлюз (LaunchAgent ai.openclaw.gateway) на постоянно включённом Mac.
• Windows имеет три задокументированных пути: нативное приложение Windows Hub, установщик PowerShell (iwr -useb https://openclaw.ai/install.ps1 | iex) или шлюз внутри WSL2 (wsl --install -d Ubuntu-24.04, затем быстрый старт для Linux). WSL2 берёт RAM у хоста, поэтому добавьте то, что нужно самой Windows.
• Телефоны и планшеты не являются хостами для шлюза. В терминах OpenClaw они называются «узлами» (nodes), это устройства-компаньоны (macOS, iOS, watchOS, Android) для камеры, экрана или уведомлений; документация указывает, что узлы «не запускают сервис gateway».

Как проверить сервер перед установкой

На Linux убедитесь, что машина соответствует минимуму:

nproc            # CPU cores
free -h          # RAM
df -h /          # free disk
uname -m         # must be 64-bit: x86_64 or aarch64
node --version   # 24.16+ or 26.1+ if already installed

Затем установите, пройдите первичную настройку и дайте doctor проверить результат:

curl -fsSL https://openclaw.ai/install.sh | bash
# or
npm install -g openclaw@latest --allow-scripts=openclaw
openclaw onboard --install-daemon

openclaw --version
openclaw doctor
openclaw gateway status

Если памяти мало, добавьте swap перед первым запуском; рецепт из инструкции для Pi (fallocate -l 2G /swapfile, vm.swappiness=10) работает на любом Linux VPS. Если расчёт размеров вы предпочли бы пропустить, наш готовый сервер OpenClaw от 9.35 EUR в месяц представляет собой VM на Ubuntu 24.04 со шлюзом, который уже работает в Docker только на loopback: добавьте ключ модели и подключите свой Telegram-бот. Ручной путь описан в нашем пошаговом руководстве по установке.

Вопросы

Может ли OpenClaw работать на 1 ГБ RAM?

Да, для одного лишь шлюза с облачной моделью: официальный минимум составляет 1 ГБ RAM, 1 ядро и 500 МБ диска, а инструкция для Pi оценивает платы с 1 ГБ как «Впритык» или «Медленно», возможно со swap и минимальной конфигурацией. По нашему опыту 1 ГБ не оставляет места для браузера, контейнеров песочницы или обновлений; реалистичный старт составляет 2 ГБ.

Нужен ли OpenClaw GPU?

Нет. GPU важен только в том случае, если вы запускаете модель локально через Ollama. При работе через провайдера (OpenAI, Anthropic, avots.ai или любой OpenAI-совместимый шлюз) модель выполняется в другом месте, а шлюз является небольшим процессом Node.js.

Сколько RAM добавляет инструмент браузера?

Документация об этом молчит. В наших инсталляциях headless Chromium под Playwright использует 1-2 ГБ с пиками выше, поэтому вариант с браузером мы включаем только на серверах с общей памятью не менее 6 ГБ, ограничиваем контейнер 5 ГБ и рекомендуем 8 ГБ.

Нужен ли шлюзу публичный IP или открытый порт?

Нет. Telegram использует исходящий long polling, а вызовы моделей идут исходящим HTTPS. Держите порт 18789 на loopback, заходите в панель через SSH-туннель и никогда его не публикуйте: шлюз может выполнять команды, и прошлые CVE били именно по такой открытости.