OpenAI 长上下文和实时模型矩阵

实时：OpenAI 长上下文¶

目标：验证在进程自有的隔离 Gateway 中执行精确模型的嵌入式 OpenClaw；跨越长上下文定价边界；观察一个一等 OpenAI Responses 压缩条目；并在下一个请求中证明不透明回放与前缀裁剪。
测试：src/gateway/gateway-openai-long-context.live.test.ts
启用：OPENCLAW_LIVE_OPENAI_LONG_CONTEXT=1
配置档：OPENCLAW_LIVE_OPENAI_LONG_CONTEXT_PROFILE=full 选择精确的 openai/gpt-5.6-luna，总窗口为 1050000，安全活动输入为 922000，最大输出为 128000，压缩阈值为 700000。reduced 以较小的预算走相同的传输和持久化路径。
指标：OPENCLAW_LIVE_OPENAI_LONG_CONTEXT_METRICS=1 输出各阶段计时和 token 观测数据。这些测量结果仅供参考，不构成通过/失败的延迟目标。
长输出：OPENCLAW_LIVE_OPENAI_LONG_CONTEXT_OUTPUT=1 要求一个介于 4000 到 8000 个输出 token 之间的确定性响应。
可选的原始读取工具压力测试： OPENCLAW_LIVE_OPENAI_LONG_CONTEXT_TOOL_OUTPUT=1。它不属于默认配方，因为实际生效的工具面可能会使用 Code Mode，而不是暴露原始读取工具。

完整的 922000 输入预算配方：

OPENCLAW_LIVE_OPENAI_LONG_CONTEXT=1 \
  OPENCLAW_LIVE_OPENAI_LONG_CONTEXT_PROFILE=full \
  OPENCLAW_LIVE_OPENAI_LONG_CONTEXT_METRICS=1 \
  OPENCLAW_LIVE_OPENAI_LONG_CONTEXT_OUTPUT=1 \
  node --import tsx scripts/test-live.mts --quiet src/gateway/gateway-openai-long-context.live.test.ts

缩减预算配方：

OPENCLAW_LIVE_OPENAI_LONG_CONTEXT=1 \
  OPENCLAW_LIVE_OPENAI_LONG_CONTEXT_PROFILE=reduced \
  OPENCLAW_LIVE_OPENAI_LONG_CONTEXT_METRICS=1 \
  OPENCLAW_LIVE_OPENAI_LONG_CONTEXT_OUTPUT=1 \
  node --import tsx scripts/test-live.mts --quiet src/gateway/gateway-openai-long-context.live.test.ts

长上下文硬性验证条件¶

完整的嵌入式与原生配方是验证性运行，不是吞吐基准。除非以下运行时契约成立，否则它们将失败：

运行时和模型身份必须精确匹配：按请求使用嵌入式 OpenClaw 或原生 Codex，且两者都运行在 openai/gpt-5.6-luna 上。
至少一个 provider 请求的输入 token 数超过 272000，并且每次调用都报告 priority 服务。
嵌入式 OpenClaw 必须接收并持久化一个一等加密的 Responses compaction 条目，在下一个请求中原样回放该不透明条目，并裁剪较早的输入前缀。加密内容绝不得出现在显示或诊断信息中。
原生 Codex 报告有效窗口为 875900，在未手动压缩的情况下超过 700000 的总范围阈值，并在下一轮自动压缩。
每个运行时都会生成一个介于 4000 到 8000 个输出 token 之间的确定性长响应，并在压缩和 Gateway 重启后保留一个持久标记。

压缩耗时、重启延迟、单轮延迟和整个测试套件总时长仅作为信息性指标输出。

有界压缩回放¶

有界回放用例仅在合成工具输出中放置一个验证标记，重新打开 SQLite 会话，并要求模型回忆起该标记。在运行任一用例之前，请配置相应的 provider API 密钥；明确的 provider 失败将被视为测试失败。

Anthropic 用例演练流式原生压缩，以及下一个请求的回放。其原生阈值最低为 50,000 个 token：

OPENCLAW_LIVE_TEST=1 ANTHROPIC_LIVE_TEST=1 \
  node scripts/run-vitest.mjs --config test/vitest/vitest.live.config.ts \
  src/agents/anthropic-transport-stream.live.test.ts \
  -t 'replays streamed native compaction from SQLite'

OpenAI 用例通过受管 runner 以较小的配置上下文预算演练自动客户端摘要，然后回放其持久化的摘要：

OPENCLAW_LIVE_TEST=1 OPENCLAW_LIVE_OPENAI_COMPACTION=1 \
  node scripts/run-vitest.mjs --config test/vitest/vitest.live.config.ts \
  src/agents/sessions/agent-session.openai-compaction.live.test.ts \
  -t 'automatically compacts tool history and resumes from its SQLite checkpoint'

Warning

完整模式会刻意跨越 OpenAI 的长上下文定价边界，并发出多次大型 API 调用。当输入 token 数超过 272000 时，整个请求的输入/缓存按 2× 计费，输出按 1.5× 计费；Fast/Priority 会再将该档位翻倍。只有在明确批准花费后才能使用完整模式。

全新 OpenAI API 密钥默认配方：

OPENCLAW_LIVE_GATEWAY_OPENAI_API_DEFAULT=1 \
  OPENCLAW_LIVE_GATEWAY_PROVIDERS=openai \
  OPENCLAW_LIVE_GATEWAY_THINKING=off \
  pnpm test:live -- src/gateway/gateway-models.profiles.live.test.ts

此验证运行不设置 OPENCLAW_LIVE_GATEWAY_MODELS，通过新用户引导中的推理选择接缝解析模型，断言为 openai/gpt-6-astra，然后使用该解析出的模型执行一次真实的 gateway 回合。

GPT-5.6 嵌入式 OpenClaw 矩阵：

OPENCLAW_LIVE_GATEWAY_THINKING=ultra \
  OPENCLAW_LIVE_GATEWAY_PROVIDERS=openai \
  OPENCLAW_LIVE_GATEWAY_MODELS='openai/gpt-5.6-terra,openai/gpt-5.6-luna' \
  pnpm test:live -- src/gateway/gateway-models.profiles.live.test.ts

Docker 说明：

Docker 运行脚本位于 scripts/test-live-codex-harness-docker.sh。
它传递 OPENAI_API_KEY，如果存在则复制 Codex CLI 认证文件，将 @openai/codex 安装到可写的挂载 npm 前缀目录中，暂存源码树，然后仅运行 Codex-harness 实时测试。
Docker 默认启用镜像、MCP/tool 和 Guardian 探测。当你需要更聚焦的调试运行时，请设置 OPENCLAW_LIVE_CODEX_HARNESS_IMAGE_PROBE=0、OPENCLAW_LIVE_CODEX_HARNESS_MCP_PROBE=0 或 OPENCLAW_LIVE_CODEX_HARNESS_GUARDIAN_PROBE=0。
Docker 使用相同的显式 Codex 运行时配置，因此旧别名或 OpenClaw 回退无法掩盖 Codex harness 的回归。
矩阵目标在同一容器中按顺序运行。Docker 脚本会根据目标数量调整其默认的 35 分钟超时；任何外部 shell 或 CI 超时设置都必须允许相同的总时长。标准 CI 会将每个 GPT-5.6 目标放在独立的分片（shard）中运行。

实时测试：模型矩阵（覆盖范围）¶

实时测试是可选启用的，因此没有固定的“CI 模型列表”。OPENCLAW_LIVE_MODELS=modern / OPENCLAW_LIVE_GATEWAY_MODELS=modern（及其 all 别名）会运行 src/agents/test-helpers/live-model-dynamic-candidates.ts 中 HIGH_SIGNAL_LIVE_MODEL_PRIORITY 的精选优先级列表，优先级顺序如下：

提供商/模型	备注
`anthropic/claude-opus-5-5`
`anthropic/claude-opus-5`
`anthropic/claude-opus-4-8`
`anthropic/claude-sonnet-5`
`anthropic/claude-sonnet-4-6`
`anthropic/claude-opus-4-7`
`google/gemini-3.1-pro-preview`	Gemini API
`google/gemini-3.5-flash`	Gemini API
`cohere/command-a-plus-05-2026`
`moonshot/kimi-k3`
`anthropic/claude-opus-4-6`
`deepseek/deepseek-v4-flash`
`deepseek/deepseek-v4-pro`
`minimax/MiniMax-M3`
`openai/gpt-5.6`
`openrouter/openai/gpt-5.2-chat`
`openrouter/minimax/minimax-m2.7`
`opencode-go/glm-5`
`openrouter/ai21/jamba-large-1.7`
`xai/grok-4.7`
`xai/grok-4.6`
`xai/grok-4.5`
`xai/grok-4.20-0309-reasoning`
`zai/glm-5.1`
`fireworks/accounts/fireworks/routers/glm-5p3-fast`
`minimax-portal/minimax-m3`

精选的 小模型 列表（OPENCLAW_LIVE_MODELS=small / OPENCLAW_LIVE_GATEWAY_MODELS=small），来自 SMALL_LIVE_MODEL_PRIORITY：

提供商/模型
`lmstudio/qwen/qwen3.5-9b`
`vllm/qwen/qwen3-8b`
`sglang/qwen/qwen3-8b`
`ollama/gemma3:4b`
`openrouter/qwen/qwen3.5-9b`
`openrouter/z-ai/glm-5.1`
`openrouter/z-ai/glm-5`
`zai/glm-5.1`

关于 modern 列表的说明：

codex 和 codex-cli 提供商被排除在默认 modern 扫描之外（它们覆盖 CLI 后端/ACP 行为，分别在 CLI 后端和 APNs 通道和 ACP 绑定和 Codex app-server 通道中单独测试）。openai/gpt-5.6 本身默认通过 Codex app-server 测试框架路由；参见实时：Codex app-server 测试框架冒烟测试。
fireworks、google、openrouter 和 xai 在 modern 扫描中仅运行其明确精选的模型 ID（不会自动扩展为“该提供商的所有模型”）。
在 OPENCLAW_LIVE_GATEWAY_MODELS 中至少包含一个支持图像处理的模型（Claude/Gemini/OpenAI 系列视觉变体等），以验证图像探测。

在手工挑选的跨提供商模型集合上运行带工具 + 图像能力的网关冒烟测试：

OPENCLAW_LIVE_GATEWAY_MODELS="openai/gpt-5.6-luna,anthropic/claude-opus-4-6,google/gemini-3.1-pro-preview,google/gemini-3.5-flash,deepseek/deepseek-v4-flash,zai/glm-5.1,minimax/MiniMax-M3" pnpm test:live src/gateway/gateway-models.profiles.live.test.ts

精选列表之外的可选额外覆盖范围（锦上添花，请选择一个你已启用的支持 “tools” 的模型）：

Mistral：mistral/...
Cerebras：cerebras/...（如果你有权访问）
LM Studio：lmstudio/...（本地；工具调用取决于 API 模式）

聚合器 / 备用网关¶

如果你已启用密钥，也可以通过以下方式测试：

OpenRouter：openrouter/...（数百个模型；使用 openclaw models scan 查找支持工具 + 图像的候选模型）
OpenCode：Zen 使用 opencode/...，Go 使用 opencode-go/...（通过 OPENCODE_API_KEY / OPENCODE_ZEN_API_KEY 进行身份验证）

如果你拥有凭据/配置，还可以将以下提供商纳入实时矩阵：

第一方提供商插件：anthropic、cerebras、github-copilot、google、google-gemini-cli、google-vertex、groq、mistral、openai、openrouter、opencode、opencode-go、xai、zai
通过 models.providers（自定义端点）：minimax（云/API），以及任何兼容 OpenAI/Anthropic 的代理（LM Studio、vLLM、LiteLLM 等）

Tip

不要在文档中硬编码“所有模型”。权威列表是你机器上 discoverModels(...) 返回的内容，加上可用的密钥。

本页原文 Markdown：在 AtomGit 查看·内容源自开源项目 cl/openclaw