OpenClaw की प्रति माह लागत कितनी है? टोकन में एक बजट

एक हमेशा चालू रहने वाले OpenClaw सहायक की लागत उसके टोकन की लागत के बराबर होती है: मोटे तौर पर steps per day × tokens per step × 30 days, जो आपके चुने हुए मॉडल द्वारा तय होती है। नीचे दिए गए वर्कलोड के साथ, एक महीने में करोड़ों इनपुट टोकन और केवल कुछ मिलियन आउटपुट टोकन होते हैं, इसलिए मॉडल की कीमत बिल का अधिकांश हिस्सा तय करती है। यहाँ पाँच मिनट में अपना नंबर निकालने का तरीका है।

आप सहायक सेट करते हैं, यह दिन भर आपके चैट चैनलों में जवाब देता है, और पहला सवाल हमेशा एक ही होता है: महीने के अंत में यह कितना होगा? कोई भी आपको सार्वभौमिक आंकड़ा नहीं दे सकता, क्योंकि OpenClaw आपसे वही शुल्क लेता है जो वह मॉडल को भेजता है, और यह आपके सेटअप पर निर्भर करता है। तो चलिए हिस्सों को मापते हैं।

OpenClaw हर स्टेप पर क्या भेजता है#

OpenClaw के डॉक्स (टोकन-उपयोग संदर्भ, 26 अक्टूबर 2026 को संस्करण 2026.9.3 के विरुद्ध जाँचा गया; पृष्ठ पर कोई प्रकाशन तिथि नहीं है) कहते हैं कि सिस्टम प्रॉम्प्ट हर रन पर फिर से बनाया जाता है। इसमें टूल सूची, स्किल्स मेटाडेटा, वर्कस्पेस बूटस्ट्रैप फ़ाइलें जैसे AGENTS.md और MEMORY.md, वर्तमान समय और रनटाइम मेटाडेटा शामिल होते हैं। इंजेक्ट की गई फ़ाइलें agents.defaults.bootstrapMaxChars और bootstrapTotalMaxChars द्वारा सीमित होती हैं।

इसके अलावा, मॉडल को जो कुछ भी मिलता है वह संदर्भ में गिना जाता है: इतिहास, टूल कॉल और उनके परिणाम, अटैचमेंट और कम्पैक्शन सारांश। इसलिए एक स्टेप कभी "एक छोटा सवाल" नहीं होता। यह पूरा प्रॉम्प्ट प्लस अब तक की पूरी बातचीत होती है, और यही कारण है कि इनपुट टोकन आउटपुट टोकन से बहुत अधिक होते हैं। अगर इतिहास दोबारा भेजने का विचार आपके लिए नया है, तो लंबी चैट अधिक महंगी क्यों होती है इसे एक छोटे उदाहरण से समझाता है।

उसी पृष्ठ से दो विवरण बजट के लिए मायने रखते हैं। DM एजेंट के मुख्य सत्र को साझा करते हैं, जबकि प्रत्येक ग्रुप चैट का अपना सत्र होता है, इसलिए व्यस्त ग्रुप अपना इतिहास बढ़ाता है। और हार्टबीट टर्न प्रोवाइडर कैश को निष्क्रिय अंतरालों में गर्म रख सकते हैं, लेकिन प्रत्येक हार्टबीट टर्न पर अभी भी टोकन खर्च होते हैं: निष्क्रिय सहायक मुफ़्त सहायक नहीं होता।

एक दैनिक वर्कलोड जिसे आप बदल सकते हैं#

उद्धृत करने के लिए कोई मापा गया "सामान्य OpenClaw दिन" नहीं है, इसलिए एक अनुमान लें और संख्याओं को अपनी संख्याओं से बदलें। मान लें कि आपका सहायक दिन में 150 मॉडल कॉल करता है (संदेश, टूल स्टेप, कुछ निर्धारित जाँचें)। मान लें कि प्रत्येक कॉल लगभग 12,000 इनपुट टोकन भेजता है (सिस्टम प्रॉम्प्ट, इतिहास, टूल आउटपुट) और लगभग 600 आउटपुट टोकन वापस पाता है।

• प्रति दिन: 150 × 12,000 = 1,800,000 इनपुट टोकन और 150 × 600 = 90,000 आउटपुट टोकन।
• प्रति माह (30 दिन): 1,800,000 × 30 = 54,000,000 इनपुट और 90,000 × 30 = 2,700,000 आउटपुट।

आकार पर ध्यान दें: इनपुट आउटपुट से बीस गुना है। यह एक एजेंट के लिए सामान्य आकार है, और यही कारण है कि यहाँ मॉडल की इनपुट कीमत उस चैट की तुलना में अधिक मायने रखती है जहाँ आप छोटे सवाल टाइप करते हैं और लंबे जवाब पढ़ते हैं। दोनों पक्षों के अंतर के लिए, इनपुट बनाम आउटपुट टोकन देखें।

तीन मॉडलों पर उस महीने की लागत#

यहाँ वही महीना है, 54,000,000 इनपुट और 2,700,000 आउटपुट टोकन, CheapTokens के माध्यम से उपयोग किए जा सकने वाले तीन मॉडलों के लिए लाइव मूल्य निर्धारित। इनपुट और आउटपुट एक साथ गिने जाते हैं, क्योंकि एक अनुरोध दोनों के लिए भुगतान करता है। कुल मिलाकर, इनमें से प्रत्येक OpenRouter से सस्ता पड़ता है, और तालिका दोनों कॉलम साथ-साथ दिखाती है।

संख्याओं में: महीने के लिए DeepSeek-V4-Flash $1.08 है, GLM-5.3-Flash $1.19 है, और MiniMax-M2.7 $3.11 है। इनके पीछे की कीमतें मूल्य निर्धारण पृष्ठ पर हैं और तालिका के साथ अपडेट होती हैं।

किसे चुनें? DeepSeek-V4-Flash आपको 380K संदर्भ विंडो और प्रति उत्तर अधिकतम 32,768 आउटपुट टोकन देता है, चौबीसों घंटे एक ही कीमत पर, जो लंबे एजेंट सत्रों के लिए उपयुक्त है। GLM-5.3-Flash में 390K संदर्भ और अधिकतम 8,192 आउटपुट टोकन हैं, जो नियमित और खोजपूर्ण चरणों के लिए अच्छा है। MiniMax-M2.7 में 180K संदर्भ और अधिकतम 8,192 आउटपुट टोकन हैं। कार्य के अनुसार पूरी तुलना OpenClaw के लिए सबसे सस्ता मॉडल में है, इसलिए मैं यहाँ दोहराऊँगा नहीं।

OpenClaw के अंदर से बिल देखें#

OpenClaw आपको दिखा सकता है कि आप खर्च करते समय क्या खर्च कर रहे हैं। डॉक्स के अनुसार, /status सत्र मॉडल, संदर्भ उपयोग, अंतिम प्रतिक्रिया के इनपुट और आउटपुट टोकन और अनुमानित लागत दिखाता है। /usage off|tokens|full प्रत्येक प्रतिक्रिया में एक फुटर जोड़ता है, और /usage cost सत्र लॉग से लागत का सारांश देता है।

एक छोटी आदत जो काम करती है: एक दिन के लिए /usage tokens चलाएँ। कुछ दर्जन जवाबों के बाद आप प्रति स्टेप अपना वास्तविक इनपुट देखेंगे, और आप इसे मेरे 12,000 के बजाय ऊपर दिए सूत्र में डाल सकते हैं।

डॉक्स से एक चेतावनी। लागत अनुमान उन cost मानों से आता है जो आप models.providers.<provider>.models[] में प्रति मॉडल सेट करते हैं (USD प्रति 1M टोकन: इनपुट, आउटपुट, कैश रीड, कैश राइट)। यदि आप उन्हें छोड़ देते हैं या पुरानी संख्याएँ कॉपी करते हैं, तो अनुमान गलत होगा, जबकि प्रोवाइडर द्वारा बिल किए गए राशि कैटलॉग अनुमान पर प्राथमिकता लेती है। उन्हें वर्तमान तालिका से सेट करें, फिर एक दिन बाद /status की तुलना अपने बैलेंस से करें।

चार आदतें जो महीना छोटा करती हैं#

डॉक्स संदर्भ पर दबाव कम करने के तरीके बताते हैं। यहाँ वे हैं और अंकगणित पर उनका क्या प्रभाव पड़ता है।

1. लंबे सत्रों पर /compact चलाएँ। यह इतिहास का सारांश देता है, इसलिए अगले चरण सब कुछ के बजाय एक सारांश दोबारा भेजते हैं। मान लें कि यह प्रति स्टेप औसत इनपुट को 12,000 से 8,000 कर देता है।
2. बड़े टूल आउटपुट काटें। एक टूल जो पूरी फ़ाइल या लॉग का पृष्ठ लौटाता है, हर अगले स्टेप पर दोबारा भेजा जाता है। इसे सत्र में प्रवेश करने से पहले काटें।
3. छवियाँ छोटी करें। स्क्रीनशॉट-भारी सत्रों के लिए, imageMaxDimensionPx कम करें।
4. स्किल विवरण छोटे रखें और वाचाल खोज के लिए छोटा मॉडल उपयोग करें।

यहाँ आदत 1 उसी सहायक पर क्या करती है। प्रति स्टेप 8,000 इनपुट टोकन के साथ, एक महीना 150 × 8,000 × 30 = 36,000,000 इनपुट और अभी भी 2,700,000 आउटपुट है। DeepSeek-V4-Flash पर यह $1.08 के बजाय $0.81 है। जवाब समान लंबाई के हैं, इसलिए बचत पूरी तरह से इनपुट पक्ष से आती है।

एक बजट सेट करें जिसे आप ओवरशूट नहीं कर सकते#

पीछे से काम करें। तय करें कि आप कितना खर्च करने को तैयार हैं, उस राशि से बैलेंस टॉप अप करें, और प्रीपेड बैलेंस को सीमा मानें: जब यह खत्म हो जाए, अनुरोध रुक जाते हैं। फिर /status के साथ पहले दिन के बाद अपना वास्तविक उपयोग जाँचें, 30 से गुणा करें, और ऊपर दी गई तालिका से तुलना करें।

एक सरल दिनचर्या:

1. तालिका से वह मॉडल चुनें जो आपके कार्य के अनुकूल हो।
2. /usage tokens चालू करके एक सामान्य दिन चलाएँ।
3. सूत्र में 150 और 12,000 को जो आपने देखा उससे बदलें।
4. अपनी संख्याओं के साथ ::cost तालिका फिर से पढ़ें और तदनुसार टॉप अप करें।

यदि आपने अभी तक OpenClaw कनेक्ट नहीं किया है, तो OpenClaw को CheapTokens से कैसे कनेक्ट करें ~/.openclaw/openclaw.json में कॉन्फ़िग के माध्यम से चलता है, और डॉक्स में API पता और मॉडल आईडी हैं। एजेंट बजट पर व्यापक दृष्टि के लिए, AI एजेंट की लागत का अनुमान कैसे लगाएँ देखें।