QwenPaw (CoPaw) im Test: Alibabas persönlicher Open-Source-Agent

QwenPaw ist ein persönlicher Open-Source-Assistent des AgentScope-Teams von Alibaba. Wenn Sie ihn als CoPaw kennen: Es ist dasselbe Projekt. Es startete im Februar 2026 als CoPaw und wurde im April 2026 in QwenPaw umbenannt, wie die Release Notes zu v1.1.0 erklären. Den alten Namen finden Sie weiterhin in älteren Anleitungen und beim Paket copaw auf PyPI. Das Repo hatte bei unserer Prüfung am 8. November 2026 37.495 GitHub-Sterne.

Was es ist

QwenPaw gehört zur selben Familie wie OpenClaw und nanobot: ein Agent auf Ihrem Rechner, den Sie über eine Webkonsole, eine Terminal-Oberfläche oder Chat-Apps erreichen, der sich an Sie erinnert, geplante Jobs ausführt und über einen Browser, eine Shell, MCP-Tools, Skills und Plugins handeln kann. Zwei Dinge heben ihn ab: Er ist darauf ausgelegt, vollständig mit lokalen Modellen zu laufen, und er kann mehrere unabhängige Agenten nebeneinander betreiben.

Installation

Sie können ihn mit pip (Python 3.11 bis 3.13), einem Installationsskript oder Docker installieren. Das Skript ist der einfache Weg: Es richtet Python, Node.js und die Webkonsole unter macOS, Linux oder Windows ein. Alibaba bietet außerdem ein kostenloses Ein-Klick-Cloud-Deployment auf seiner AgentScope Platform an, das allerdings kein Selbst-Hosting mehr ist. Desktop-Apps für Windows und macOS gibt es, sie sind aber in der Beta.

Die Webkonsole deckt Kanäle, Cron-Jobs, Heartbeat, Skills, MCP und Dateien ab, und die Dokumentation geht jeden Bereich durch. Releases kommen häufig, mit vielen Betas; rechnen Sie also mit häufigen Updates und lesen Sie dabei die Release Notes.

Telemetrie: Achten Sie auf den init-Befehl

QwenPaw sendet während qwenpaw init einmal pro Version anonyme Installationsdaten: Version, Installationsmethode, Betriebssystem, Python-Version, CPU-Architektur und ob eine GPU vorhanden ist. Laut Team werden keine persönlichen Daten, Dateien, Zugangsdaten oder IP-Adressen erfasst (README).

Der Haken liegt in der Art der Einwilligung. Die interaktive Einrichtung fragt nach Ihrer Zustimmung, aber der von der Dokumentation empfohlene Quickstart-Befehl qwenpaw init --defaults akzeptiert sie automatisch. Wenn nichts gesendet werden soll, führen Sie das interaktive qwenpaw init aus und lehnen ab. Es sind nur wenige Daten, aber wenn Sie dem Quickstart folgen, ist die Übermittlung standardmäßig an.

Sandboxing: aus und in Docker schwächer

QwenPaw hat mehr Sicherheitsebenen als die meisten Agenten dieser Kategorie. Die Sicherheitsdokumentation beschreibt Tool Guard, File Guard, Skill-Scanning, Zugriffsrichtlinien und eine optionale Sandbox auf Kernel-Ebene für Befehle.

Diese Sandbox ist standardmäßig aus (Quellcode), und innerhalb von Docker fällt sie auf gar keine Isolation zurück. Der zweite Punkt ist kontraintuitiv: Wenn Sie QwenPaw in Docker betreiben, erhalten Sie nicht die Befehls-Sandbox, sondern nur die Trennung, die der Container selbst bietet. Wenn Sie es auf Ihrem Hauptrechner installieren, schalten Sie die Sandbox ein, bevor Sie einen Chat-Kanal verbinden.

Lokale Modelle sind die Stärke

QwenPaw funktioniert mit über 20 Cloud-Anbietern, darunter DashScope (Qwen), OpenAI, Anthropic, Gemini, DeepSeek, Kimi und OpenRouter. Es kann aber auch vollständig offline und ohne API-Schlüssel laufen: Es hat eine eingebaute llama.cpp-Laufzeit, unterstützt Ollama und LM Studio, und das Team veröffentlicht eigene kleine QwenPaw-Flash-Modelle, die für Agentenaufgaben trainiert sind (Modell-Dokumentation).

Diese Kombination aus Laufzeitumgebung und einem darauf abgestimmten Modell vom selben Team bedeutet weniger Einrichtungsaufwand, als einen Agenten selbst mit einem separaten lokalen Modellserver zu verbinden. Was ein lokales Modell leisten kann, hängt trotzdem von Ihrer Hardware ab; testen Sie also Ihre echten Aufgaben, bevor Sie auf einen Cloud-Anbieter verzichten.

Mehrere Agenten und Speicher

Jeder Agent hat eigenen Speicher, eigene Skills und einen eigenen Heartbeat, und Agenten können zusammenarbeiten (Multi-Agent-Dokumentation). Der Speicher ist ein dreischichtiger Markdown-Speicher, den Sie lesen und bearbeiten können. Heartbeat-Check-ins und Cron-Jobs halten Agenten am Arbeiten, während Sie nicht da sind. Bildgenerierung gibt es über offizielle Plugins für Qwen-Image oder GPT Image 2.

Kanäle

Am stärksten ist die Abdeckung chinesischer Plattformen: DingTalk, Feishu, WeChat und QQ, dazu Telegram, Discord und Slack. iMessage funktioniert nur auf einem Mac mit einem Hilfsprogramm eines Drittanbieters und Festplattenvollzugriff, was ein weitreichender Zugriff ist. Einen WhatsApp-Kanal gibt es nicht (Kanal-Dokumentation).

Für wen es sich eignet

QwenPaw eignet sich für alle, die einen selbst gehosteten Agenten möchten, der vollständig mit lokalen Modellen läuft, für Nutzer von DingTalk, Feishu, WeChat oder QQ und für alle, die ein kleines Team spezialisierter Agenten auf einem Rechner betreiben wollen. Weniger geeignet ist es, wenn Sie WhatsApp brauchen oder eine Sandbox möchten, die aktiv ist, ohne dass Sie Einstellungen anfassen müssen.

Im Vergleich

• nanobot kommt am nächsten heran: Python, MIT, eine ausgefeilte WebUI, lokale Modelle und standardmäßig keine Telemetrie, wobei auch seine Shell-Sandbox standardmäßig aus ist.
• ZeroClaw hat im empfohlenen Profil seine Betriebssystem-Sandbox aktiv und sendet keine Telemetrie, die Konfiguration erfolgt aber über eine TOML-Datei.
• OpenClaw hat das größere Ökosystem und WhatsApp-Unterstützung, mit standardmäßig ausgeschaltetem Sandboxing.

Mehr unter die besten lokalen KI-Agenten und OpenClaw-Alternativen.