在 OpenClaw 中使用 Venice AI 注重隐私的模型
Venice 是我们重点推荐的 Venice 设置,适用于隐私优先的推理,并可选择通过匿名访问专有模型。
Venice AI 提供注重隐私的 AI 推理,支持未审查模型,并可通过其匿名代理访问主要专有模型。所有推理默认都是私密的——不会使用你的数据进行训练,也不会记录日志。
为什么在 OpenClaw 中使用 Venice
- 私密推理,适用于开源模型(不记录日志)。
- 当你需要时可使用未审查模型。
- 当质量更重要时,可匿名访问专有模型(Opus/GPT/Gemini)。
- 兼容 OpenAI 的
/v1端点。
隐私模式
Venice 提供两个隐私级别 —— 理解这一点对于选择你的模型至关重要:
| 模式 | 说明 | 模型 |
|---|---|---|
| 私密 | 完全私密。提示词/响应绝不会被存储或记录。临时性。 | Llama、Qwen、DeepSeek、Kimi、MiniMax、Venice Uncensored 等。 |
| 匿名 | 通过 Venice 代理并剥离元数据。底层提供商(OpenAI、Anthropic、Google、xAI)看到的是匿名请求。 | Claude、GPT、Gemini、Grok |
功能
- 注重隐私:可在 “private”(完全私密)和 “anonymized”(代理)模式之间选择
- 未审查模型:访问不受内容限制的模型
- 主流模型访问:通过 Venice 的匿名代理使用 Claude、GPT、Gemini 和 Grok
- 兼容 OpenAI 的 API:标准
/v1端点,易于集成 - 流式传输:✅ 所有模型都支持
- 函数调用:✅ 选定模型支持(请检查模型能力)
- 视觉:✅ 具备视觉能力的模型支持
- 无硬性速率限制:极端使用情况下可能会应用公平使用节流
设置
1. 获取 API 密钥
- 在 venice.ai 注册
- 前往 Settings → API Keys → Create new key
- 复制你的 API 密钥(格式:
vapi_xxxxxxxxxxxx)
2. 配置 OpenClaw
选项 A:环境变量
export VENICE_API_KEY="vapi_xxxxxxxxxxxx"
选项 B:交互式设置(推荐)
openclaw onboard --auth-choice venice-api-key
这将会:
- 提示输入你的 API 密钥(或使用现有的
VENICE_API_KEY) - 显示所有可用的 Venice 模型
- 让你选择默认模型
- 自动配置该提供商
选项 C:非交互式
openclaw onboard --non-interactive \
--auth-choice venice-api-key \
--venice-api-key "vapi_xxxxxxxxxxxx"
3. 验证设置
openclaw agent --model venice/kimi-k2-5 --message "Hello, are you working?"
模型选择
设置完成后,OpenClaw 会显示所有可用的 Venice 模型。请根据你的需要进行选择:
- 默认模型:
venice/kimi-k2-5,适合强大的私密推理 + 视觉。 - 高能力选项:
venice/claude-opus-4-6,适合最强的匿名 Venice 路径。 - 隐私:选择 “private” 模型以获得完全私密的推理。
- 能力:选择 “anonymized” 模型,以通过 Venice 的代理访问 Claude、GPT、Gemini。
你可以随时更改默认模型:
openclaw models set venice/kimi-k2-5
openclaw models set venice/claude-opus-4-6
列出所有可用模型:
openclaw models list | grep venice
通过 openclaw configure 配置
- 运行
openclaw configure - 选择 Model/auth
- 选择 Venice AI
我应该使用哪个模型?
| 使用场景 | 推荐模型 | 原因 |
|---|---|---|
| 通用聊天(默认) | kimi-k2-5 |
强大的私密推理 + 视觉 |
| 整体最佳质量 | claude-opus-4-6 |
最强的匿名 Venice 选项 |
| 隐私 + 编码 | qwen3-coder-480b-a35b-instruct |
具有大上下文的私密编码模型 |
| 私密视觉 | kimi-k2-5 |
无需离开私密模式即可支持视觉 |
| 快速 + 便宜 | qwen3-4b |
轻量级推理模型 |
| 复杂私密任务 | deepseek-v3.2 |
推理能力强,但不支持 Venice 工具 |
| 未审查 | venice-uncensored |
无内容限制 |
可用模型(共 41 个)
私密模型(26 个)—— 完全私密,不记录日志
| 模型 ID | 名称 | 上下文 | 功能 |
|---|---|---|---|
kimi-k2-5 |
Kimi K2.5 | 256k | 默认、推理、视觉 |
kimi-k2-thinking |
Kimi K2 Thinking | 256k | 推理 |
llama-3.3-70b |
Llama 3.3 70B | 128k | 通用 |
llama-3.2-3b |
Llama 3.2 3B | 128k | 通用 |
hermes-3-llama-3.1-405b |
Hermes 3 Llama 3.1 405B | 128k | 通用,工具已禁用 |
qwen3-235b-a22b-thinking-2507 |
Qwen3 235B Thinking | 128k | 推理 |
qwen3-235b-a22b-instruct-2507 |
Qwen3 235B Instruct | 128k | 通用 |
qwen3-coder-480b-a35b-instruct |
Qwen3 Coder 480B | 256k | 编码 |
qwen3-coder-480b-a35b-instruct-turbo |
Qwen3 Coder 480B Turbo | 256k | 编码 |
qwen3-5-35b-a3b |
Qwen3.5 35B A3B | 256k | 推理、视觉 |
qwen3-next-80b |
Qwen3 Next 80B | 256k | 通用 |
qwen3-vl-235b-a22b |
Qwen3 VL 235B(视觉) | 256k | 视觉 |
qwen3-4b |
Venice Small(Qwen3 4B) | 32k | 快速、推理 |
deepseek-v3.2 |
DeepSeek V3.2 | 160k | 推理,工具已禁用 |
venice-uncensored |
Venice Uncensored(Dolphin-Mistral) | 32k | 未审查,工具已禁用 |
mistral-31-24b |
Venice Medium(Mistral) | 128k | 视觉 |
google-gemma-3-27b-it |
Google Gemma 3 27B Instruct | 198k | 视觉 |
openai-gpt-oss-120b |
OpenAI GPT OSS 120B | 128k | 通用 |
nvidia-nemotron-3-nano-30b-a3b |
NVIDIA Nemotron 3 Nano 30B | 128k | 通用 |
olafangensan-glm-4.7-flash-heretic |
GLM 4.7 Flash Heretic | 128k | 推理 |
zai-org-glm-4.6 |
GLM 4.6 | 198k | 通用 |
zai-org-glm-4.7 |
GLM 4.7 | 198k | 推理 |
zai-org-glm-4.7-flash |
GLM 4.7 Flash | 128k | 推理 |
zai-org-glm-5 |
GLM 5 | 198k | 推理 |
minimax-m21 |
MiniMax M2.1 | 198k | 推理 |
minimax-m25 |
MiniMax M2.5 | 198k | 推理 |
匿名模型(15 个)—— 通过 Venice 代理
| 模型 ID | 名称 | 上下文 | 功能 |
|---|---|---|---|
claude-opus-4-6 |
Claude Opus 4.6(通过 Venice) | 1M | 推理、视觉 |
claude-opus-4-5 |
Claude Opus 4.5(通过 Venice) | 198k | 推理、视觉 |
claude-sonnet-4-6 |
Claude Sonnet 4.6(通过 Venice) | 1M | 推理、视觉 |
claude-sonnet-4-5 |
Claude Sonnet 4.5(通过 Venice) | 198k | 推理、视觉 |
openai-gpt-54 |
GPT-5.4(通过 Venice) | 1M | 推理、视觉 |
openai-gpt-53-codex |
GPT-5.3 Codex(通过 Venice) | 400k | 推理、视觉、编码 |
openai-gpt-52 |
GPT-5.2(通过 Venice) | 256k | 推理 |
openai-gpt-52-codex |
GPT-5.2 Codex(通过 Venice) | 256k | 推理、视觉、编码 |
openai-gpt-4o-2024-11-20 |
GPT-4o(通过 Venice) | 128k | 视觉 |
openai-gpt-4o-mini-2024-07-18 |
GPT-4o Mini(通过 Venice) | 128k | 视觉 |
gemini-3-1-pro-preview |
Gemini 3.1 Pro(通过 Venice) | 1M | 推理、视觉 |
gemini-3-pro-preview |
Gemini 3 Pro(通过 Venice) | 198k | 推理、视觉 |
gemini-3-flash-preview |
Gemini 3 Flash(通过 Venice) | 256k | 推理、视觉 |
grok-41-fast |
Grok 4.1 Fast(通过 Venice) | 1M | 推理、视觉 |
grok-code-fast-1 |
Grok Code Fast 1(通过 Venice) | 256k | 推理、编码 |
模型发现
当设置了 VENICE_API_KEY 时,OpenClaw 会自动从 Venice API 发现模型。如果 API 不可访问,则会回退到静态目录。
/models 端点是公开的(列出模型无需身份验证),但推理需要有效的 API 密钥。
流式传输与工具支持
| 功能 | 支持情况 |
|---|---|
| 流式传输 | ✅ 所有模型 |
| 函数调用 | ✅ 大多数模型(请检查 API 中的 supportsFunctionCalling) |
| 视觉/图像 | ✅ 标有 “Vision” 功能的模型 |
| JSON 模式 | ✅ 通过 response_format 支持 |
定价
Venice 使用基于积分的系统。当前费率请查看 venice.ai/pricing:
- 私密模型:通常成本更低
- 匿名模型:与直接 API 定价相近,外加少量 Venice 费用
对比:Venice 与直接 API
| 方面 | Venice(匿名) | 直接 API |
|---|---|---|
| 隐私 | 元数据被剥离,匿名化 | 关联到你的账户 |
| 延迟 | +10-50ms(代理) | 直接 |
| 功能 | 支持大多数功能 | 完整功能 |
| 计费 | Venice 积分 | 提供商计费 |
使用示例
## 使用默认私密模型
openclaw agent --model venice/kimi-k2-5 --message "Quick health check"
## 通过 Venice 使用 Claude Opus(匿名)
openclaw agent --model venice/claude-opus-4-6 --message "Summarize this task"
## 使用未审查模型
openclaw agent --model venice/venice-uncensored --message "Draft options"
## 使用带图像的视觉模型
openclaw agent --model venice/qwen3-vl-235b-a22b --message "Review attached image"
## 使用编码模型
openclaw agent --model venice/qwen3-coder-480b-a35b-instruct --message "Refactor this function"
故障排除
API 密钥无法识别
echo $VENICE_API_KEY
openclaw models list | grep venice
请确保该密钥以 vapi_ 开头。
模型不可用
Venice 模型目录会动态更新。运行 openclaw models list 以查看当前可用的模型。某些模型可能暂时离线。
连接问题
Venice API 地址为 https://api.venice.ai/api/v1。请确保你的网络允许 HTTPS 连接。
配置文件示例
{
env: { VENICE_API_KEY: "vapi_..." },
agents: { defaults: { model: { primary: "venice/kimi-k2-5" } } },
models: {
mode: "merge",
providers: {
venice: {
baseUrl: "https://api.venice.ai/api/v1",
apiKey: "${VENICE_API_KEY}",
api: "openai-completions",
models: [
{
id: "kimi-k2-5",
name: "Kimi K2.5",
reasoning: true,
input: ["text", "image"],
cost: { input: 0, output: 0, cacheRead: 0, cacheWrite: 0 },
contextWindow: 256000,
maxTokens: 65536,
},
],
},
},
},
}