Berapa biaya OpenClaw per bulan? Anggaran dalam token

Asisten OpenClaw yang selalu aktif biayanya tergantung pada biaya tokennya: sekitar steps per day × tokens per step × 30 days, dengan harga sesuai model yang Anda pilih. Dengan beban kerja di bawah, sebulan berarti puluhan juta token input dan hanya beberapa juta token output, jadi harga model menentukan sebagian besar tagihan. Berikut cara mendapatkan angka Anda sendiri dalam lima menit.

Anda menyiapkan asisten, ia menjawab di saluran obrolan Anda sepanjang hari, dan pertanyaan pertama selalu sama: berapa biayanya di akhir bulan? Tidak ada yang bisa memberi angka universal, karena OpenClaw menagih Anda untuk apa pun yang dikirimnya ke model, dan itu tergantung pada pengaturan Anda. Jadi mari kita ukur bagian-bagiannya.

Apa yang dikirim OpenClaw pada setiap langkah#

Dokumentasi OpenClaw (referensi penggunaan token, diperiksa 26 Oktober 2026 terhadap versi 2026.9.3; halaman tersebut tidak mencantumkan tanggal publikasi) menyatakan system prompt dibangun ulang pada setiap eksekusi. Isinya mencakup daftar tool, metadata skill, file bootstrap workspace seperti AGENTS.md dan MEMORY.md, waktu saat ini dan metadata runtime. File yang disuntikkan dibatasi oleh agents.defaults.bootstrapMaxChars dan bootstrapTotalMaxChars.

Selain itu, semua yang diterima model dihitung sebagai konteks: riwayat, panggilan tool dan hasilnya, lampiran, serta ringkasan pemadatan. Jadi satu langkah tidak pernah "satu pertanyaan singkat". Itu adalah seluruh prompt ditambah seluruh percakapan sejauh ini, dan itulah sebabnya token input jauh lebih besar daripada token output. Jika gagasan mengirim ulang riwayat masih baru bagi Anda, mengapa obrolan panjang lebih mahal menjelaskannya dengan contoh kecil.

Dua detail dari halaman yang sama penting untuk penganggaran. DM berbagi sesi utama agen, sedangkan setiap obrolan grup memiliki sesinya sendiri, sehingga grup yang sibuk menumbuhkan riwayatnya sendiri. Dan giliran heartbeat dapat menjaga cache penyedia tetap hangat selama jeda idle, tetapi setiap giliran heartbeat tetap memakan token: asisten yang idle bukanlah asisten gratis.

Beban kerja harian yang bisa Anda ubah#

Tidak ada "hari OpenClaw tipikal" yang terukur untuk dikutip, jadi ambil asumsi dan ganti angkanya dengan milik Anda. Katakanlah asisten Anda melakukan 150 panggilan model per hari (pesan, langkah tool, beberapa pemeriksaan terjadwal). Katakanlah setiap panggilan mengirim sekitar 12.000 token input (system prompt, riwayat, output tool) dan menerima sekitar 600 token output.

• Per hari: 150 × 12.000 = 1.800.000 token input dan 150 × 600 = 90.000 token output.
• Per bulan (30 hari): 1.800.000 × 30 = 54.000.000 input dan 90.000 × 30 = 2.700.000 output.

Perhatikan polanya: input dua puluh kali output. Itu adalah pola normal untuk agen, dan itulah alasan harga input model lebih penting di sini daripada di obrolan tempat Anda mengetik pertanyaan singkat dan membaca jawaban panjang. Untuk perbedaan antara kedua sisi, lihat token input vs output.

Berapa biaya bulan itu pada tiga model#

Berikut bulan yang sama, 54.000.000 input dan 2.700.000 token output, dengan harga langsung untuk tiga model yang dapat Anda gunakan melalui CheapTokens. Input dan output dihitung bersama, karena satu permintaan membayar keduanya. Secara total, masing-masing lebih murah daripada OpenRouter, dan tabel menunjukkan kedua kolom secara berdampingan.

Dalam angka: DeepSeek-V4-Flash untuk bulan itu adalah $1.08, GLM-5.3-Flash adalah $1.19, dan MiniMax-M2.7 adalah $3.11. Harga di baliknya ada di halaman harga dan diperbarui bersama tabel.

Mana yang harus dipilih? DeepSeek-V4-Flash memberi Anda jendela konteks 380K dan hingga 32.768 token output per jawaban dengan satu harga sepanjang waktu, yang cocok untuk sesi agen panjang. GLM-5.3-Flash memiliki konteks 390K dan hingga 8.192 token output, cocok untuk langkah rutin dan eksploratif. MiniMax-M2.7 memiliki konteks 180K dan hingga 8.192 token output. Perbandingan lengkap berdasarkan tugas ada di model termurah untuk OpenClaw, jadi saya tidak akan mengulanginya di sini.

Pantau tagihan dari dalam OpenClaw#

OpenClaw dapat menunjukkan apa yang Anda belanjakan saat Anda membelanjakannya. Menurut dokumentasi, /status menunjukkan model sesi, penggunaan konteks, token input dan output dari respons terakhir, serta perkiraan biaya. /usage off|tokens|full menambahkan footer ke setiap respons, dan /usage cost merangkum biaya dari log sesi.

Kebiasaan kecil yang berhasil: jalankan /usage tokens selama sehari. Setelah beberapa lusin balasan, Anda akan melihat input nyata per langkah, dan Anda dapat memasukkannya ke rumus di atas alih-alih 12.000 milik saya.

Satu catatan dari dokumentasi. Perkiraan biaya berasal dari nilai cost yang Anda tetapkan per model di models.providers.<provider>.models[] (USD per 1 juta token: input, output, cache read, cache write). Jika Anda mengosongkannya atau menyalin angka lama, perkiraannya meleset, sedangkan jumlah yang ditagih oleh penyedia lebih diutamakan daripada perkiraan katalog. Tetapkan dari tabel saat ini, lalu bandingkan /status dengan saldo Anda setelah sehari.

Empat kebiasaan yang mengecilkan tagihan bulanan#

Dokumentasi mencantumkan cara-cara mengurangi tekanan pada konteks. Berikut ini beserta efeknya pada aritmetika.

1. Jalankan /compact pada sesi panjang. Ini merangkum riwayat, sehingga langkah berikutnya mengirim ulang ringkasan alih-alih semuanya. Katakanlah ini menurunkan rata-rata input per langkah dari 12.000 menjadi 8.000.
2. Pangkas output tool yang besar. Tool yang mengembalikan seluruh file atau satu halaman log akan dikirim ulang pada setiap langkah berikutnya. Pangkas sebelum masuk ke sesi.
3. Perkecil gambar. Untuk sesi yang banyak screenshot, turunkan imageMaxDimensionPx.
4. Jaga deskripsi skill tetap singkat dan gunakan model yang lebih kecil untuk eksplorasi yang bertele-tele.

Berikut efek kebiasaan 1 pada asisten yang sama. Dengan 8.000 token input per langkah, sebulan menjadi 150 × 8.000 × 30 = 36.000.000 input dan tetap 2.700.000 output. Pada DeepSeek-V4-Flash itu menjadi $0.81 alih-alih $1.08. Panjang jawabannya sama, jadi penghematannya sepenuhnya berasal dari sisi input.

Tetapkan anggaran yang tidak bisa Anda lampaui#

Bekerjalah mundur. Tentukan berapa yang siap Anda belanjakan, isi ulang saldo sebesar itu, dan perlakukan saldo prabayar sebagai batas atas: saat habis, permintaan berhenti. Lalu periksa penggunaan nyata Anda setelah hari pertama dengan /status, kalikan dengan 30, dan bandingkan dengan tabel di atas.

Rutinitas sederhana:

1. Pilih model dari tabel yang sesuai dengan tugas Anda.
2. Jalankan hari normal dengan /usage tokens aktif.
3. Ganti 150 dan 12.000 dalam rumus dengan apa yang Anda lihat.
4. Baca ulang tabel ::cost dengan angka Anda dan isi ulang saldo sesuai kebutuhan.

Jika Anda belum menghubungkan OpenClaw, cara menghubungkan OpenClaw ke CheapTokens memandu konfigurasi di ~/.openclaw/openclaw.json, dan dokumentasi memiliki alamat API dan id model. Untuk gambaran lebih luas tentang anggaran agen, lihat cara memperkirakan biaya agen AI.