OpenClaw 目前有两个主要分支：
- 官方/原始分支：由深度求索公司维护，更新集中在 搜索增强 和 代码能力。
- 社区热门分支（thebeebs 版）：一个非常受欢迎的第三方改进版，最大亮点是 支持 128K 超长上下文。
官方/原始分支 OpenClaw
这个分支是 DeepSeek（深度求索）官方在 Hugging Face 发布的模型。
最新模型（截至2024年）：
OpenCLAW-7B-v1.0和OpenCLAW-7B-v1.0-Instruct是主要的稳定发布版本。
近期重点更新与特性：
- 核心定位：一个 检索增强的语言模型，它不是简单地调用搜索工具，而是将检索到的信息深度集成到模型的推理过程中，旨在减少“幻觉”，提供更准确的回答。
- 代码能力：在训练中包含了高质量的代码数据，在 HumanEval 等基准测试上表现良好。
- 模型结构：基于 Llama 2 的架构，在大量文本和代码数据上进行训练，并针对“检索后阅读”这一任务进行了微调。
- 使用方式：官方提供了完整的推理代码，需要用户自行搭建检索系统（如 ElasticSearch）或接入现有 API 来实现其全部能力。
您可以在以下地址找到官方模型：
- Hugging Face Model Hub:
deepseek-ai/OpenCLAW-7B-v1.0
社区热门分支：OpenClaw-7B-128K (by thebeebs)
这是由开发者 thebeebs 创建的版本，在社区中获得了极高的关注度和好评，因为它解决了一个关键痛点。
最新更新与核心特性：
- 最大亮点：128K 超长上下文，这是该分支最吸引人的改进，使其能够处理非常长的文档、书籍或多轮对话历史。
- 如何实现：thebeebs 使用了 YaRN（Yet another RoPE extensioN）方法 对原始 OpenClaw 模型进行了高效的上下文窗口扩展，这种方法能在较少步数的微调下，显著提升模型处理长文本的能力。
- 性能优秀：在长文本理解和摘要等任务中表现非常出色，被许多用户认为是 目前最强的 7B 级别长上下文开源模型之一。
- 易于使用：提供了兼容 Transformers 库的模型文件，下载后即可像使用普通 Llama 模型一样进行推理，无需复杂的检索后端。
您可以在以下地址找到此版本：
- Hugging Face Model Hub:
TheBloke/OpenClaw-7B-v1.0-128K-GPTQ(量化版本) - 或搜索
thebeebs/OpenClaw-7B-128K
总结与如何选择
| 特性 | 官方 OpenClaw-7B-v1.0 | 社区版 OpenClaw-7B-128K |
|---|---|---|
| 核心优势 | 检索增强架构，回答更精准 | 128K 超长上下文，处理长文档能力极强 |
| 主要用途 | 需要接入实时、准确外部信息的问答系统 | 长文档分析、超长对话、代码库理解、复杂阅读理解 |
| 使用复杂度 | 较高（需搭建检索系统） | 较低（直接加载模型即可） |
| 最新动态 | 集中在检索与代码能力 | 围绕长上下文优化，社区最活跃 |
给您的建议：
- 如果您需要处理超长的文本（如整本书、长报告、数十页的对话），毫不犹豫地选择 thebeebs 的 128K 版本，这是它最大的闪光点。
- 如果您的研究或应用重点在于“检索增强生成”本身，想探索如何将搜索引擎与模型深度结合，那么应该研究 官方版本 的架构和训练方法。
- 对于大多数想体验 OpenClaw 强大能力的普通用户和开发者来说，thebeebs 的 128K 版本是首选，因为它开箱即用，且长上下文能力非常实用。
目前社区讨论的“最新、最实用的更新”主要指的就是这个支持 128K 上下文的第三方改进版。
希望这份详细的梳理能帮助到您！
版权声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。
