Ile kosztuje OpenClaw miesięcznie? Budżet w tokenach

Asystent OpenClaw działający całą dobę kosztuje tyle, ile kosztują jego tokeny: około steps per day × tokens per step × 30 days, w zależności od wybranego modelu. Przy poniższym obciążeniu miesiąc to dziesiątki milionów tokenów wejściowych i tylko kilka milionów tokenów wyjściowych, więc to cena modelu decyduje o większości rachunku. Oto jak w pięć minut obliczyć własną kwotę.

Konfigurujesz asystenta, on odpowiada w twoich kanałach przez cały dzień, a pierwsze pytanie jest zawsze takie samo: ile to będzie kosztować na koniec miesiąca? Nikt nie poda uniwersalnej liczby, bo OpenClaw rozlicza cię za wszystko, co wysyła do modelu, a to zależy od twojej konfiguracji. Zmierzmy więc poszczególne elementy.

Co OpenClaw wysyła przy każdym kroku#

Dokumentacja OpenClaw (odniesienie do zużycia tokenów, sprawdzone 26 października 2026 względem wersji 2026.9.3; strona nie zawiera daty publikacji) mówi, że prompt systemowy jest odtwarzany przy każdym uruchomieniu. Zawiera listę narzędzi, metadane umiejętności, pliki startowe obszaru roboczego, takie jak AGENTS.md i MEMORY.md, bieżący czas oraz metadane środowiska uruchomieniowego. Wstrzykiwane pliki są ograniczane przez agents.defaults.bootstrapMaxChars i bootstrapTotalMaxChars.

Ponadto wszystko, co otrzymuje model, wlicza się do kontekstu: historia, wywołania narzędzi i ich wyniki, załączniki oraz podsumowania kompakcji. Krok nigdy nie jest więc „jednym krótkim pytaniem”. To cały prompt plus cała dotychczasowa rozmowa i dlatego tokeny wejściowe przyćmiewają tokeny wyjściowe. Jeśli ponowne wysyłanie historii to dla ciebie nowość, dlaczego długa rozmowa kosztuje więcej wyjaśnia to na małym przykładzie.

Dwa szczegóły z tej samej strony mają znaczenie przy planowaniu budżetu. Wiadomości prywatne dzielą główną sesję agenta, natomiast każdy czat grupowy ma własną sesję, więc ruchliwa grupa rozrasta własną historię. A tury heartbeatu mogą utrzymywać ciepły cache dostawcy w przerwach bezczynności, ale każda tura heartbeatu nadal kosztuje tokeny: bezczynny asystent nie jest darmowym asystentem.

Dzienny wolumen pracy, który możesz zmienić#

Nie ma zmierzonego „typowego dnia OpenClaw”, który można by przytoczyć, więc przyjmij założenie i zastąp liczby swoimi. Załóżmy, że twój asystent wykonuje 150 wywołań modelu dziennie (wiadomości, kroki narzędzi, kilka zaplanowanych sprawdzeń). Załóżmy, że każde wywołanie wysyła około 12 000 tokenów wejściowych (prompt systemowy, historia, wynik narzędzia) i otrzymuje około 600 tokenów wyjściowych.

• Dziennie: 150 × 12 000 = 1 800 000 tokenów wejściowych i 150 × 600 = 90 000 tokenów wyjściowych.
• Miesięcznie (30 dni): 1 800 000 × 30 = 54 000 000 wejściowych i 90 000 × 30 = 2 700 000 wyjściowych.

Zwróć uwagę na proporcję: wejście to dwudziestokrotność wyjścia. To normalna proporcja dla agenta i dlatego cena wejścia modelu ma tu większe znaczenie niż w czacie, w którym wpisujesz krótkie pytania i czytasz długie odpowiedzi. Różnicę między obiema stronami opisuje tokeny wejściowe vs wyjściowe.

Ile kosztuje ten miesiąc na trzech modelach#

Oto ten sam miesiąc, 54 000 000 tokenów wejściowych i 2 700 000 wyjściowych, wyceniony na żywo dla trzech modeli, których możesz używać przez CheapTokens. Wejście i wyjście liczy się razem, bo jedno żądanie płaci za oba. W sumie każdy z nich wypada taniej niż OpenRouter, a tabela pokazuje obie kolumny obok siebie.

W liczbach: DeepSeek-V4-Flash za miesiąc to $1.08, GLM-5.3-Flash to $1.19, a MiniMax-M2.7 to $3.11. Ceny, na których się opierają, są na stronie cennika i aktualizują się wraz z tabelą.

Który wybrać? DeepSeek-V4-Flash daje okno kontekstu 380K i do 32 768 tokenów wyjściowych na odpowiedź w jednej cenie przez całą dobę, co pasuje do długich sesji agenta. GLM-5.3-Flash ma kontekst 390K i do 8192 tokenów wyjściowych, dobry wybór do rutynowych i eksploracyjnych kroków. MiniMax-M2.7 ma kontekst 180K i do 8192 tokenów wyjściowych. Pełne porównanie według zadań znajduje się w najtańszy model dla OpenClaw, więc nie będę go tu powtarzać.

Pilnuj rachunku z wnętrza OpenClaw#

OpenClaw może pokazać, ile wydajesz, w trakcie wydawania. Według dokumentacji /status pokazuje model sesji, zużycie kontekstu, tokeny wejściowe i wyjściowe ostatniej odpowiedzi oraz szacowany koszt. /usage off|tokens|full dodaje stopkę do każdej odpowiedzi, a /usage cost podsumowuje koszt z logów sesji.

Mały nawyk, który działa: uruchom /usage tokens przez jeden dzień. Po kilkudziesięciu odpowiedziach zobaczysz swoje rzeczywiste wejście na krok i możesz wstawić je do powyższego wzoru zamiast moich 12 000.

Jedno zastrzeżenie z dokumentacji. Szacowany koszt pochodzi z wartości cost, które ustawiasz dla każdego modelu w models.providers.<provider>.models[] (USD za 1 mln tokenów: wejście, wyjście, odczyt cache, zapis cache). Jeśli je pominiesz lub skopiujesz stare liczby, szacunek będzie błędny, a kwoty rozliczone przez dostawcę mają pierwszeństwo przed szacunkiem z katalogu. Ustaw je z bieżącej tabeli, a po dniu porównaj /status ze swoim saldem.

Cztery nawyki, które zmniejszają miesięczny rachunek#

Dokumentacja wymienia sposoby na zmniejszenie obciążenia kontekstu. Oto one wraz z tym, co robią z arytmetyką.

1. Uruchamiaj /compact w długich sesjach. Podsumowuje historię, więc kolejne kroki wysyłają podsumowanie zamiast wszystkiego. Załóżmy, że zmniejsza średnie wejście na krok z 12 000 do 8000.
2. Przytnij duże wyniki narzędzi. Narzędzie, które zwraca cały plik lub stronę logów, jest wysyłane ponownie przy każdym kolejnym kroku. Przytnij to, zanim trafi do sesji.
3. Zmniejsz obrazy. W sesjach z dużą liczbą zrzutów ekranu obniż imageMaxDimensionPx.
4. Trzymaj opisy umiejętności krótkie i używaj mniejszego modelu do rozwlekłej eksploracji.

Oto, co nawyk 1 robi z tym samym asystentem. Przy 8000 tokenów wejściowych na krok miesiąc to 150 × 8000 × 30 = 36 000 000 wejściowych i nadal 2 700 000 wyjściowych. Na DeepSeek-V4-Flash to $0.81 zamiast $1.08. Odpowiedzi mają tę samą długość, więc oszczędność pochodzi w całości ze strony wejściowej.

Ustaw budżet, którego nie przekroczysz#

Pracuj wstecz. Zdecyduj, ile jesteś gotów wydać, doładuj saldo o tę kwotę i traktuj przedpłacone saldo jako limit: gdy się skończy, żądania się zatrzymają. Potem sprawdź swoje rzeczywiste zużycie po pierwszym dniu za pomocą /status, pomnóż przez 30 i porównaj z powyższą tabelą.

Prosta rutyna:

1. Wybierz z tabeli model pasujący do twojego zadania.
2. Przeprowadź normalny dzień z włączonym /usage tokens.
3. Zastąp 150 i 12 000 we wzorze tym, co zaobserwowałeś.
4. Przeczytaj ponownie tabelę ::cost ze swoimi liczbami i odpowiednio doładuj saldo.

Jeśli nie podłączyłeś jeszcze OpenClaw, jak podłączyć OpenClaw do CheapTokens przeprowadza przez konfigurację w ~/.openclaw/openclaw.json, a dokumentacja zawiera adres API i identyfikatory modeli. Szersze spojrzenie na budżety agentów znajdziesz w jak oszacować koszt agenta AI.