OpenClawモデル性能レビュー：Codex 5.3が首位、GLMモデルは期待外れ

OpenClawにおけるモデルパフォーマンスランキング

開発者が複数のAIモデルをOpenClawでテストし、詳細なパフォーマンス観察結果を共有しました。テストはCodex、Google、Sonnet、Gemini、DeepSeek、Z.aiのGLMモデルを対象とし、ベンチマークではなく実用的な使用体験に焦点を当てています。

最高パフォーマンスモデル

• Codex 5.3 - 評価9/10。開発者のお気に入りモデルで、OpenClaw用に改良されたチャットエージェント機能を備えている可能性があります。ユーザーの意図をよく理解し、一貫して望ましい出力を提供し、中断やバグが最小限です。
• Sonnet 4.6 - 評価8/10。速度と問題解決能力から2番目のお気に入りです。Codex 5.3が利用できない場合に十分な体験を提供し、日常使用に適しています。
• DeepSeek 3.2 Agent - 評価7/10。OpenClaw用に明確にカスタマイズされており、ネイティブエージェントと作業しているような感覚です。Sonnet、Opus、Codexほどコーディング能力は強くありませんが、日常使用のための堅実な代替手段です。中国製代替モデルとしてAPI料金が高い可能性が指摘されています。

中位層モデル

• Google 3.1 Pro（LowおよびHigh） - 評価6/10。antigravity認証でテストされました。OpenClawとの相互作用が弱く、パフォーマンスが遅く、継続的な使用には魅力的ではありません。SonnetとCodexが利用できない場合のみ検討するとしています。

期待外れのパフォーマー

• GLM 4.7 - 評価5/10。安価なAPI料金とプロアカウントでのCodexの3-4倍のクォータを特徴とするSonnet代替品として販売されています。しかし、常に動作が停止し、返信が遅く、メール確認のような単純なタスクでも出力長が一貫しません。新しいセッションでわずか5通のメールを確認するために100万トークンを消費しました。
• GLM 5 - 評価5/10。ベンチマークではOpusやCodex 5.3と競合すると主張されていますが、OpenClawでの体験は一致しません。同じタスクに2-3倍のトークンを使用し、返信が遅く、コーディング回答はSonnet 4.5レベルです。OpenClawに特化した最適化が必要です。主な利点は価格です。
• Gemini 3 Flash - 評価4/10。非常に単純なタスクにのみ適しており、本格的な使用には推奨されません。

開発者は、OpenClawが最適化されていないか、モデルの品質問題による体験の明らかな違いから、適切なモデルを選択することが難しいと指摘しました。Codex以外の多様化を望みながらもGLMモデルに失望を表明し、将来的な改善を期待しています。