返回博客

模型与对比对比

OpenClaw 最便宜的模型：一天智能体工作要花多少钱

OpenClaw 该用哪个模型：GLM-5.3-Flash、DeepSeek-V4-Flash 还是 MiniMax-M2.7。按任务选择，看看一天智能体工作要花多少钱。

作者：CheapTokens Team发布于 4 分钟阅读

封面：为 OpenClaw 智能体比较 GLM-5.3-Flash、DeepSeek-V4-Flash 和 MiniMax-M2.7
本页内容
  1. 你在哪些选项之间做选择
  2. 一天的聊天：许多短轮次
  3. 带工具的一天：历史记录就是账单
  4. 长回答：8,192 个 token 在哪里不够用
  5. 长会话：还剩多少窗口
  6. 哪个任务用哪个
  7. 用你自己的流量试试

你的 OpenClaw 智能体整天都在回复消息，账单却比任务本身还大。通常这不是模型的错，而是智能体对它的要求：一次简短的聊天回复和一次二十步的工具调用，在同一张价目表上是截然不同的活儿。

简短回答。 对于普通的聊天轮次，从 GLM-5.3-Flash 开始：在下面第一张成本表的聊天负载下，把输入和输出加在一起算，它的总成本比 OpenRouter 更低。对于工具循环和长会话，DeepSeek-V4-Flash（380K 上下文）和 GLM-5.3-Flash（390K）有足够空间。如果智能体要写长报告，只有 DeepSeek-V4-Flash 能在一次回答中容纳最多 32,768 个 token；另外两个止步于 8,192。下面的每个价格和每日成本都是实时数字，与定价页面上的相同。

你在哪些选项之间做选择#

截至 2026 年 10 月 23 日，OpenClaw 的文档将其描述为一个自托管、MIT 许可的网关：你机器或服务器上的一个进程，把 Discord、Telegram、Signal 和 WhatsApp 连接到 AI 智能体。默认模型是 ~/.openclaw/openclaw.json、agents.defaults.model.primary 中的一行，写作 provider/model。设置本身在如何将 OpenClaw 连接到 CheapTokens中。这里只讲模型的选择。

CheapTokens 上有三个模型适合常驻智能体。它们共享同一个 API（https://api.cheaptokens.dev/v1，兼容 OpenAI 和 Anthropic）、同一个余额，任何时段都是同一个价格，没有高峰时段附加费：

  • GLM-5.3-Flash（zai-org/GLM-5.3-Flash）：390K 上下文，每次回答最多 8,192 个输出 token，输出价格比 OpenRouter 便宜。
  • DeepSeek-V4-Flash（deepseek-ai/DeepSeek-V4-Flash-0731）：380K 上下文，每次回答最多 32,768 个输出 token。
  • MiniMax-M2.7（MiniMaxAI/MiniMax-M2.7）：180K 上下文，每次回答最多 8,192 个输出 token。

上下文和输出限制来自 2026 年 10 月 23 日的 CheapTokens 模型参考。这里不直接给出价格数字：它们来自下面的表格。

一天的聊天：许多短轮次#

假设你的智能体每天在 Telegram 中回复 200 条消息。每个轮次发送约 2,000 个输入 token（系统提示加上最近的历史记录），并返回约 300 个 token。也就是每天 200 × 2,000 = 400,000 个输入 token 和 200 × 300 = 60,000 个输出 token。

模型 每次请求 200 次请求 OpenRouter，200 次请求
GLM-5.3-Flash $0.000052 $0.0104 $0.0211
DeepSeek-V4-Flash $0.00006 $0.012 $0.0284
MiniMax-M2.7 $0.00015 $0.029 $0.192

每次请求 2,000 个输入 token 和 300 个输出 token。每 100 万 token 的价格为当前价格，会随我们的资费一同变动；OpenRouter 列显示相同工作负载的参考价格。

OpenRouter 列是同样一天按 OpenRouter 参考价格计算的结果。把输入和输出加在一起算，DeepSeek-V4-Flash 和 MiniMax-M2.7 的总成本比 OpenRouter 更低。在这个聊天负载下，GLM-5.3-Flash 的总成本也比 OpenRouter 更低。把这两个数字换成你自己的流量，表格就会重新计算。

带工具的一天：历史记录就是账单#

现在同一个智能体加上工具。假设它每天运行 150 步。每一步都会重新发送指令、工具描述以及到目前为止发生的一切，所以一步大约携带 12,000 个输入 token，写出约 600 个输出 token。也就是 150 × 12,000 = 1,800,000 个输入 token 和 150 × 600 = 90,000 个输出 token。

使用工具的智能体的一天，150 步
  • MiniMax-M2.7$0.104
  • GLM-5.3-Flash$0.0396
  • DeepSeek-V4-Flash$0.036

这里的输入是输出的二十倍，所以决定账单的是历史记录，而不是回答。在这个负载下，DeepSeek-V4-Flash 和 MiniMax-M2.7 的总成本比 OpenRouter 更低。GLM-5.3-Flash 带来最大的窗口，390K，以及智能体确实写出的回复的便宜输出。关于为什么历史记录会让每一轮的输入增长，见为什么长 AI 聊天更贵，适用于任何智能体的方法见如何估算 AI 智能体的成本。

长回答：8,192 个 token 在哪里不够用#

假设你让智能体写一份约 12,000 个 token 的周报。DeepSeek-V4-Flash 允许每次回答最多 32,768 个输出 token，所以报告能完整送达。GLM-5.3-Flash 和 MiniMax-M2.7 止步于 8,192：回答在句子中间结束，响应中带有 finish_reason: length。你可以让它们分节写报告，但那是两三次调用而不是一次。为什么回答会被截断解释了这个字段。

在 DeepSeek-V4-Flash 上，从 6,000 个 token 的提示生成一份 12,000 个 token 的报告花费 $0.0013。

长会话：还剩多少窗口#

假设一次支持对话已经累积了 150,000 个 token 的历史记录。MiniMax-M2.7 有 180K 窗口：180K − 150K = 30K 留给新消息和回答。DeepSeek-V4-Flash 还剩 380K − 150K = 230K，GLM-5.3-Flash 还剩 390K − 150K = 240K。如果你的会话都很短，三个都没问题。如果智能体把一条线程保持好几天，更大的窗口能给它空间。

哪个任务用哪个#

  • 许多短聊天轮次： GLM-5.3-Flash，在上面的聊天负载下总成本比 OpenRouter 更低。MiniMax-M2.7 适合远低于 180K 的会话。
  • 工具循环和长会话： DeepSeek-V4-Flash（380K，总成本比 OpenRouter 更低）或 GLM-5.3-Flash（390K，输出便宜）。
  • 一次回答中的长报告和代码： DeepSeek-V4-Flash，最多 32,768 个 token。
  • 不确定： DeepSeek-V4-Flash 覆盖面最广，窗口大，回答也最长。

三个都在定价页面上；模型页面是 DeepSeek、GLM 和 MiniMax。关于智能体场景之外的正面对比，见 GLM vs DeepSeek vs MiniMax。

用你自己的流量试试#

我的 200 条消息和 150 步是假设，你的更好。向模型发送一条典型消息，读取响应中的 usage 块：prompt_tokens 是你发送的内容，completion_tokens 是返回的内容。乘以你的每日数量，把数字放进 ::cost。下面的密钥是占位符。

bash
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}'

切换 OpenClaw 就是一行 agents.defaults.model.primary；提供方块在连接指南中。切换后，运行一天，用你自己流量上的 usage 块比较成本。

开始之前，先充值余额并创建一个密钥，如文档所述。

标签: