Model rẻ nhất cho OpenClaw: một ngày làm việc của agent tốn bao nhiêu

Agent OpenClaw của bạn đã trả lời tin nhắn cả ngày, và hóa đơn còn lớn hơn cả công việc. Thường thì đó không phải lỗi của model. Mà là do agent yêu cầu ở nó: một câu trả lời chat ngắn và một lượt chạy công cụ hai mươi bước là hai công việc rất khác nhau trên cùng một bảng giá.

Câu trả lời ngắn. Với các lượt chat thông thường, hãy bắt đầu với GLM-5.3-Flash: ở mức tải chat trong bảng chi phí đầu tiên bên dưới, nó rẻ hơn OpenRouter về tổng cộng, khi tính gộp cả input lẫn output. Với vòng lặp công cụ và phiên dài, DeepSeek-V4-Flash (ngữ cảnh 380K) và GLM-5.3-Flash (390K) có đủ chỗ. Nếu agent viết báo cáo dài, chỉ DeepSeek-V4-Flash chứa được tới 32.768 token trong một câu trả lời; hai model còn lại dừng ở 8.192. Mọi mức giá và chi phí hàng ngày bên dưới đều là số liệu trực tiếp, giống như trên trang giá.

Bạn đang chọn giữa những gì#

Tài liệu của OpenClaw, tính đến ngày 23 tháng 10 năm 2026, mô tả nó là một gateway tự lưu trữ, giấy phép MIT: một tiến trình trên máy hoặc server của bạn kết nối Discord, Telegram, Signal và WhatsApp với một AI agent. Model mặc định là một dòng trong ~/.openclaw/openclaw.json, agents.defaults.model.primary, được viết dưới dạng provider/model. Phần thiết lập nằm trong cách kết nối OpenClaw với CheapTokens. Ở đây chỉ bàn về việc chọn model.

Ba model trên CheapTokens phù hợp với một agent chạy liên tục. Chúng dùng chung một API (https://api.cheaptokens.dev/v1, tương thích OpenAI và Anthropic), một số dư và một mức giá ở mọi thời điểm, không phụ phí giờ cao điểm:

• GLM-5.3-Flash (zai-org/GLM-5.3-Flash): ngữ cảnh 390K, tối đa 8.192 token output mỗi câu trả lời, rẻ hơn OpenRouter ở output.
• DeepSeek-V4-Flash (deepseek-ai/DeepSeek-V4-Flash-0731): ngữ cảnh 380K, tối đa 32.768 token output mỗi câu trả lời.
• MiniMax-M2.7 (MiniMaxAI/MiniMax-M2.7): ngữ cảnh 180K, tối đa 8.192 token output mỗi câu trả lời.

Giới hạn ngữ cảnh và output lấy từ tài liệu tham chiếu model của CheapTokens, ngày 23 tháng 10 năm 2026. Giá không được nêu ở đây dưới dạng số: chúng có trong các bảng bên dưới.

Một ngày chat: nhiều lượt ngắn#

Giả sử agent của bạn trả lời 200 tin nhắn mỗi ngày trên Telegram. Mỗi lượt gửi khoảng 2.000 token vào (system prompt cộng lịch sử gần đây) và nhận về khoảng 300 token. Tức là 200 × 2.000 = 400.000 token input và 200 × 300 = 60.000 token output mỗi ngày.

Cột OpenRouter là cùng một ngày ở mức giá tham chiếu của OpenRouter. DeepSeek-V4-Flash và MiniMax-M2.7 rẻ hơn OpenRouter về tổng cộng, khi tính gộp cả input lẫn output. GLM-5.3-Flash cũng rẻ hơn OpenRouter về tổng cộng ở mức tải chat này. Thay hai con số bằng lưu lượng của bạn và bảng sẽ tự tính lại.

Một ngày dùng công cụ: lịch sử chính là hóa đơn#

Giờ là cùng agent đó nhưng có công cụ. Giả sử nó chạy 150 bước mỗi ngày. Mỗi bước gửi lại hướng dẫn, mô tả công cụ và mọi thứ đã xảy ra đến lúc đó, nên một bước mang theo khoảng 12.000 token vào và ghi ra khoảng 600 token. Tức là 150 × 12.000 = 1.800.000 token input và 150 × 600 = 90.000 token output.

Input ở đây gấp hai mươi lần output, nên lịch sử, chứ không phải câu trả lời, quyết định hóa đơn. Ở mức tải này DeepSeek-V4-Flash và MiniMax-M2.7 rẻ hơn OpenRouter về tổng cộng. GLM-5.3-Flash mang lại cửa sổ lớn nhất, 390K, và output rẻ cho những câu trả lời mà agent thực sự viết. Lý do lịch sử làm input tăng lên mỗi lượt nằm trong vì sao một cuộc chat AI dài tốn hơn, và phương pháp cho bất kỳ agent nào nằm trong cách ước tính chi phí của một AI agent.

Câu trả lời dài: nơi 8.192 token hết chỗ#

Giả sử bạn yêu cầu agent viết một báo cáo hàng tuần khoảng 12.000 token. DeepSeek-V4-Flash cho phép tối đa 32.768 token output mỗi câu trả lời, nên báo cáo đến nguyên vẹn. GLM-5.3-Flash và MiniMax-M2.7 dừng ở 8.192: câu trả lời kết thúc giữa câu và phản hồi mang theo finish_reason: length. Bạn có thể yêu cầu chúng viết báo cáo theo từng phần, nhưng như vậy là hai hoặc ba lần gọi thay vì một. Vì sao câu trả lời bị cắt giải thích trường này.

Một báo cáo 12.000 token từ prompt 6.000 token tốn $0.0013 trên DeepSeek-V4-Flash.

Phiên dài: còn lại bao nhiêu cửa sổ#

Giả sử một cuộc hội thoại hỗ trợ đã tích lũy 150.000 token lịch sử. MiniMax-M2.7 có cửa sổ 180K: 180K − 150K = 30K còn lại cho tin nhắn mới và câu trả lời. DeepSeek-V4-Flash còn 380K − 150K = 230K, GLM-5.3-Flash còn 390K − 150K = 240K. Nếu các phiên của bạn luôn ngắn, cả ba đều ổn. Nếu một agent giữ một luồng trong nhiều ngày, cửa sổ lớn hơn sẽ cho nó đủ chỗ.

Model nào cho công việc nào#

• Nhiều lượt chat ngắn: GLM-5.3-Flash, rẻ hơn OpenRouter về tổng cộng ở mức tải chat bên trên. MiniMax-M2.7 phù hợp với các phiên luôn thấp hơn 180K khá nhiều.
• Vòng lặp công cụ và phiên dài: DeepSeek-V4-Flash (380K, rẻ hơn OpenRouter về tổng cộng) hoặc GLM-5.3-Flash (390K, output rẻ).
• Báo cáo dài và code trong một câu trả lời: DeepSeek-V4-Flash, tối đa 32.768 token.
• Chưa chắc chắn: DeepSeek-V4-Flash bao quát được nhiều nhất, với cửa sổ lớn và câu trả lời dài nhất.

Cả ba đều có trên trang giá; các trang model là DeepSeek, GLM và MiniMax. Để so sánh trực tiếp ngoài trường hợp agent, xem GLM vs DeepSeek vs MiniMax.

Thử với lưu lượng của chính bạn#

200 tin nhắn và 150 bước của tôi là giả định, con số của bạn tốt hơn. Gửi một tin nhắn điển hình đến model và đọc khối usage trong phản hồi: prompt_tokens là những gì bạn gửi, completion_tokens là những gì trả về. Nhân với số lượng hàng ngày của bạn và đưa các con số vào ::cost. Khóa bên dưới là một 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}'

Chuyển OpenClaw chỉ là một dòng agents.defaults.model.primary; khối provider nằm trong hướng dẫn kết nối. Sau khi chuyển, chạy một ngày và so sánh chi phí từ khối usage trên lưu lượng của chính bạn.

Để bắt đầu, hãy nạp số dư và tạo một khóa, như tài liệu mô tả.