OpenClaw는 한 달에 얼마인가요? 토큰으로 보는 예산

상시 가동되는 OpenClaw 어시스턴트의 비용은 토큰 비용과 같습니다. 대략 steps per day × tokens per step × 30 days이며, 선택한 모델에 따라 가격이 정해집니다. 아래 워크로드 기준으로 한 달이면 입력 토큰이 수천만 개, 출력 토큰은 몇백만 개에 불과하므로 모델 가격이 청구서의 대부분을 결정합니다. 5분 만에 직접 계산하는 방법을 소개합니다.

어시스턴트를 설정하면 하루 종일 채팅 채널에서 응답하고, 첫 번째 질문은 항상 같습니다. "이거 한 달이면 얼마 나올까?" 보편적인 수치를 제시할 수는 없습니다. OpenClaw는 모델로 보내는 모든 것에 대해 과금하고, 그 양은 설정에 따라 달라지기 때문입니다. 그래서 각 구성 요소를 측정해 보겠습니다.

OpenClaw가 매 단계마다 보내는 것#

OpenClaw 문서(토큰 사용 레퍼런스, 2026년 10월 26일 버전 2026.9.3 기준 확인, 페이지에 게시 날짜 없음)에 따르면 시스템 프롬프트는 매 실행마다 재구성됩니다. 여기에는 도구 목록, 스킬 메타데이터, AGENTS.md 및 MEMORY.md 같은 워크스페이스 부트스트랩 파일, 현재 시간과 런타임 메타데이터가 포함됩니다. 주입되는 파일은 agents.defaults.bootstrapMaxChars 및 bootstrapTotalMaxChars로 제한됩니다.

그 위에 모델이 받는 모든 것이 컨텍스트에 포함됩니다. 대화 기록, 도구 호출과 그 결과, 첨부 파일, 압축 요약 등입니다. 따라서 한 단계는 결코 "짧은 질문 하나"가 아닙니다. 전체 프롬프트에 지금까지의 전체 대화가 더해진 것이며, 이것이 입력 토큰이 출력 토큰을 압도하는 이유입니다. 기록을 다시 보내는 개념이 생소하다면 긴 채팅이 더 비싼 이유에서 작은 예시로 설명합니다.

같은 페이지에서 예산 책정에 중요한 두 가지 세부 사항이 있습니다. DM은 에이전트의 메인 세션을 공유하지만, 각 그룹 채팅은 자체 세션을 가지므로 활발한 그룹은 자체 기록이 커집니다. 그리고 하트비트 턴은 유휴 시간 동안 제공자 캐시를 따뜻하게 유지할 수 있지만, 각 하트비트 턴도 여전히 토큰을 소비합니다. 유휴 어시스턴트는 무료 어시스턴트가 아닙니다.

변경 가능한 일일 워크로드#

인용할 만한 측정된 "일반적인 OpenClaw 하루"는 없으므로, 가정을 세우고 숫자를 자신의 것으로 바꾸세요. 어시스턴트가 하루에 150번 모델을 호출한다고 가정합니다(메시지, 도구 단계, 몇 가지 예약 점검). 각 호출이 약 12,000 입력 토큰(시스템 프롬프트, 기록, 도구 출력)을 보내고 약 600 출력 토큰을 받는다고 가정합니다.

• 하루: 150 × 12,000 = 1,800,000 입력 토큰, 150 × 600 = 90,000 출력 토큰.
• 한 달(30일): 1,800,000 × 30 = 54,000,000 입력, 90,000 × 30 = 2,700,000 출력.

형태를 보세요. 입력이 출력의 20배입니다. 이것은 에이전트의 정상적인 형태이며, 짧은 질문을 입력하고 긴 답변을 읽는 채팅보다 모델의 입력 가격이 여기서 더 중요한 이유입니다. 두 측면의 차이는 입력 vs 출력 토큰을 참고하세요.

세 모델에서 그 한 달의 비용#

같은 한 달, 54,000,000 입력과 2,700,000 출력 토큰을 CheapTokens를 통해 사용할 수 있는 세 모델의 실시간 가격으로 계산합니다. 하나의 요청이 입력과 출력 모두에 비용을 지불하므로 함께 계산합니다. 총합에서 각각 OpenRouter보다 저렴하며, 표는 두 열을 나란히 보여줍니다.

숫자로 보면: 한 달 DeepSeek-V4-Flash는 $1.08, GLM-5.3-Flash는 $1.19, MiniMax-M2.7은 $3.11입니다. 이 가격의 근거는 가격 페이지에 있으며 표와 함께 업데이트됩니다.

어떤 것을 선택할까요? DeepSeek-V4-Flash는 380K 컨텍스트 윈도우와 답변당 최대 32,768 출력 토큰을 24시간 동일한 가격으로 제공하므로 긴 에이전트 세션에 적합합니다. GLM-5.3-Flash는 390K 컨텍스트와 최대 8,192 출력 토큰으로 일상적이고 탐색적인 단계에 잘 맞습니다. MiniMax-M2.7은 180K 컨텍스트와 최대 8,192 출력 토큰을 제공합니다. 작업별 전체 비교는 OpenClaw에 가장 저렴한 모델에 있으므로 여기서 반복하지 않겠습니다.

OpenClaw 내부에서 청구서 확인#

OpenClaw는 사용하는 동안 지출을 보여줄 수 있습니다. 문서에 따르면 /status는 세션 모델, 컨텍스트 사용량, 마지막 응답의 입력 및 출력 토큰, 예상 비용을 보여줍니다. /usage off|tokens|full는 모든 응답에 푸터를 추가하고, /usage cost는 세션 로그에서 비용을 요약합니다.

효과적인 작은 습관: 하루 동안 /usage tokens를 실행하세요. 수십 개의 응답 후에 단계당 실제 입력을 확인할 수 있고, 제 12,000 대신 위 공식에 넣을 수 있습니다.

문서에서 나온 한 가지 주의사항. 비용 추정치는 models.providers.<provider>.models[]에서 모델별로 설정한 cost 값(1M 토큰당 USD: 입력, 출력, 캐시 읽기, 캐시 쓰기)에서 나옵니다. 이를 생략하거나 오래된 숫자를 복사하면 추정치가 틀어지며, 제공자가 청구한 금액이 카탈로그 추정치보다 우선합니다. 현재 표에서 설정한 다음, 하루 후 /status을 잔액과 비교하세요.

한 달을 줄이는 네 가지 습관#

문서에는 컨텍스트 부담을 줄이는 방법이 나열되어 있습니다. 각각이 계산에 어떤 영향을 미치는지와 함께 소개합니다.

1. 긴 세션에서 /compact를 실행하세요. 기록을 요약하므로 다음 단계에서는 모든 것을 다시 보내는 대신 요약을 다시 보냅니다. 단계당 평균 입력이 12,000에서 8,000으로 줄어든다고 가정해 봅시다.
2. 큰 도구 출력을 다듬으세요. 전체 파일이나 로그 페이지를 반환하는 도구는 이후 모든 단계에서 다시 전송됩니다. 세션에 들어가기 전에 줄이세요.
3. 이미지를 축소하세요. 스크린샷이 많은 세션에서는 imageMaxDimensionPx을 낮추세요.
4. 스킬 설명을 짧게 유지하고, 장황한 탐색에는 더 작은 모델을 사용하세요.

습관 1이 같은 어시스턴트에 미치는 영향입니다. 단계당 8,000 입력 토큰이면 한 달은 150 × 8,000 × 30 = 36,000,000 입력이고 출력은 여전히 2,700,000입니다. DeepSeek-V4-Flash에서 $1.08 대신 $0.81입니다. 답변 길이는 같으므로 절약은 전적으로 입력 측에서 발생합니다.

초과할 수 없는 예산 설정#

거꾸로 계산하세요. 지출할 의향이 있는 금액을 정하고, 그만큼 잔액을 충전한 뒤, 선불 잔액을 상한으로 간주하세요. 잔액이 소진되면 요청이 중단됩니다. 그런 다음 첫날 이후 /status으로 실제 사용량을 확인하고 30을 곱한 뒤 위 표와 비교하세요.

간단한 루틴:

1. 표에서 작업에 맞는 모델을 선택하세요.
2. /usage tokens을 켜고 평소처럼 하루를 보내세요.
3. 공식의 150과 12,000을 실제로 본 값으로 바꾸세요.
4. 자신의 숫자로 ::cost 표를 다시 읽고 그에 맞게 충전하세요.

아직 OpenClaw를 연결하지 않았다면 OpenClaw를 CheapTokens에 연결하는 방법에서 ~/.openclaw/openclaw.json의 설정을 안내하고, 문서에 API 주소와 모델 ID가 있습니다. 에이전트 예산에 대한 더 넓은 시각은 AI 에이전트 비용 추정 방법을 참고하세요.