Najtańszy model dla OpenClaw: ile kosztuje dzień pracy agenta

Twój agent OpenClaw odpowiadał na wiadomości przez cały dzień, a rachunek jest większy niż samo zadanie. Zwykle to nie wina modelu. To, o co prosi go agent: krótka odpowiedź w czacie i dwudziestokrokowy przebieg narzędzi to zupełnie różne zadania w tym samym cenniku.

Krótka odpowiedź. W przypadku zwykłych tur czatu zacznij od GLM-5.3-Flash: przy obciążeniu czatu w pierwszej tabeli kosztów poniżej wypada taniej niż OpenRouter łącznie, licząc wejście i wyjście razem. Do pętli narzędzi i długich sesji DeepSeek-V4-Flash (kontekst 380K) i GLM-5.3-Flash (390K) mają zapas. Jeśli agent pisze długie raporty, tylko DeepSeek-V4-Flash zmieści do 32 768 tokenów w jednej odpowiedzi; pozostałe dwa zatrzymują się na 8 192. Każda cena i dzienny koszt poniżej to aktualna wartość, ta sama co na stronie cennika.

Między czym wybierasz#

Dokumentacja OpenClaw, na dzień 23 października 2026, opisuje go jako samodzielnie hostowaną bramę na licencji MIT: jeden proces na twojej maszynie lub serwerze łączy Discord, Telegram, Signal i WhatsApp z agentem AI. Domyślny model to jedna linia w ~/.openclaw/openclaw.json, agents.defaults.model.primary, zapisana jako provider/model. Sama konfiguracja jest w jak podłączyć OpenClaw do CheapTokens. Tutaj chodzi tylko o wybór modelu.

Trzy modele w CheapTokens pasują do agenta działającego bez przerwy. Dzielą to samo API (https://api.cheaptokens.dev/v1, zgodne z OpenAI i Anthropic), jedno saldo i jedną cenę o każdej porze, bez dopłaty w godzinach szczytu:

• GLM-5.3-Flash (zai-org/GLM-5.3-Flash): kontekst 390K, do 8 192 tokenów wyjściowych na odpowiedź, taniej niż OpenRouter na wyjściu.
• DeepSeek-V4-Flash (deepseek-ai/DeepSeek-V4-Flash-0731): kontekst 380K, do 32 768 tokenów wyjściowych na odpowiedź.
• MiniMax-M2.7 (MiniMaxAI/MiniMax-M2.7): kontekst 180K, do 8 192 tokenów wyjściowych na odpowiedź.

Limity kontekstu i wyjścia pochodzą z dokumentacji modeli CheapTokens, 23 października 2026. Ceny nie są tu podane jako liczby: pochodzą z tabel poniżej.

Dzień czatu: wiele krótkich tur#

Załóżmy, że twój agent odpowiada na 200 wiadomości dziennie w Telegramie. Każda tura wysyła około 2 000 tokenów na wejściu (prompt systemowy plus ostatnia historia) i dostaje około 300 tokenów z powrotem. To 200 × 2 000 = 400 000 tokenów wejściowych i 200 × 300 = 60 000 tokenów wyjściowych dziennie.

Kolumna OpenRouter to ten sam dzień w cenie referencyjnej OpenRouter. DeepSeek-V4-Flash i MiniMax-M2.7 wypadają taniej niż OpenRouter łącznie, licząc wejście i wyjście razem. GLM-5.3-Flash jest również tańszy niż OpenRouter łącznie przy tym obciążeniu czatu. Zmień te dwie liczby na własny ruch, a tabela przeliczy się sama.

Dzień z narzędziami: historia to rachunek#

Teraz ten sam agent z narzędziami. Załóżmy, że wykonuje 150 kroków dziennie. Każdy krok ponownie wysyła instrukcje, opisy narzędzi i wszystko, co wydarzyło się do tej pory, więc krok niesie około 12 000 tokenów na wejściu i zapisuje około 600 na wyjściu. To 150 × 12 000 = 1 800 000 tokenów wejściowych i 150 × 600 = 90 000 tokenów wyjściowych.

Wejście jest tu dwadzieścia razy większe niż wyjście, więc to historia, a nie odpowiedzi, ustala rachunek. Przy tym obciążeniu DeepSeek-V4-Flash i MiniMax-M2.7 są tańsze niż OpenRouter łącznie. GLM-5.3-Flash daje największe okno, 390K, i tanie wyjście dla odpowiedzi, które agent pisze. Dlaczego historia zwiększa wejście z każdą turą, opisano w dlaczego długi czat AI kosztuje więcej, a metoda dla dowolnego agenta jest w jak oszacować koszt agenta AI.

Długie odpowiedzi: gdzie kończy się 8 192 tokenów#

Załóżmy, że prosisz agenta o tygodniowy raport o objętości około 12 000 tokenów. DeepSeek-V4-Flash pozwala na do 32 768 tokenów wyjściowych na odpowiedź, więc raport przychodzi w całości. GLM-5.3-Flash i MiniMax-M2.7 zatrzymują się na 8 192: odpowiedź kończy się w połowie zdania, a w odpowiedzi pojawia się finish_reason: length. Możesz poprosić je o raport w sekcjach, ale to dwa lub trzy wywołania zamiast jednego. Dlaczego odpowiedzi się urywają wyjaśnia to pole.

Raport o 12 000 tokenów z promptu o 6 000 tokenów kosztuje $0.0013 w DeepSeek-V4-Flash.

Długie sesje: ile okna zostało#

Załóżmy, że rozmowa wsparcia uzbierała 150 000 tokenów historii. MiniMax-M2.7 ma okno 180K: 180K − 150K = 30K zostało na nową wiadomość i odpowiedź. DeepSeek-V4-Flash ma 380K − 150K = 230K zostało, GLM-5.3-Flash 390K − 150K = 240K. Jeśli twoje sesje są krótkie, wszystkie trzy są w porządku. Jeśli agent trzyma jeden wątek przez dni, większe okna dają mu zapas.

Który do jakiego zadania#

• Wiele krótkich tur czatu: GLM-5.3-Flash, taniej niż OpenRouter łącznie przy powyższym obciążeniu czatu. MiniMax-M2.7 pasuje do sesji, które pozostają znacznie poniżej 180K.
• Pętle narzędzi i długie sesje: DeepSeek-V4-Flash (380K, taniej niż OpenRouter łącznie) lub GLM-5.3-Flash (390K, tanie wyjście).
• Długie raporty i kod w jednej odpowiedzi: DeepSeek-V4-Flash, do 32 768 tokenów.
• Nie wiesz: DeepSeek-V4-Flash pokrywa najwięcej, z dużym oknem i najdłuższymi odpowiedziami.

Wszystkie trzy są na stronie cennika; strony modeli to DeepSeek, GLM i MiniMax. Aby porównać je bezpośrednio poza przypadkiem agenta, zobacz GLM vs DeepSeek vs MiniMax.

Wypróbuj na własnym ruchu#

Moje 200 wiadomości i 150 kroków to założenia, twoje są lepsze. Wyślij jedną typową wiadomość do modelu i odczytaj blok usage w odpowiedzi: prompt_tokens to, co wysłałeś, completion_tokens to, co wróciło. Pomnóż przez swoją dzienną liczbę i wpisz liczby do ::cost. Klucz poniżej to placeholder.

curl https://api.cheaptokens.dev/v1/chat/completions \
  -H "Authorization: Bearer $CHEAPTOKENS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "deepseek-ai/DeepSeek-V4-Flash-0731", "messages": [{"role": "user", "content": "Summarize this chat in one line."}], "max_tokens": 100}'

Przełączenie OpenClaw to jedna linia agents.defaults.model.primary; blok dostawcy jest w przewodniku połączenia. Po przełączeniu uruchom przez dzień i porównaj koszt z bloku usage na własnym ruchu.

Aby zacząć, doładuj saldo i utwórz klucz, jak opisuje dokumentacja.