OpenClaw 每月成本是多少？一份以 token 计的预算

一个全天候运行的 OpenClaw 助手的成本取决于其 token 消耗：大致为 steps per day × tokens per step × 30 days，具体价格由你选择的模型决定。按照下面的工作负载，一个月会产生数千万输入 token，而输出 token 只有几百万，因此模型价格决定了大部分账单。下面介绍如何在五分钟内算出你自己的数字。

你设置好助手，它整天在你的聊天频道中回复，而第一个问题总是相同的：到月底这会花多少钱？没有人能给你一个通用数字，因为 OpenClaw 会按它发送给模型的内容向你收费，而这取决于你的设置。所以，让我们逐项测量。

OpenClaw 在每一步发送什么#

OpenClaw 文档（token 使用参考，2026 年 10 月 26 日对照版本 2026.9.3 核查；该页面没有发布日期）指出，系统提示词会在每次运行时重新构建。它包含工具列表、技能元数据、工作区引导文件（如 AGENTS.md 和 MEMORY.md）、当前时间和运行时元数据。注入文件受 agents.defaults.bootstrapMaxChars 和 bootstrapTotalMaxChars 限制。

除此之外，模型接收到的所有内容都会计入上下文：历史记录、工具调用及其结果、附件和压缩摘要。因此，一步从来不是“一个简短问题”。它是整个提示词加上到目前为止的整个对话，这就是为什么输入 token 远超输出 token。如果重新发送历史记录这个想法对你来说很陌生，为什么长聊天成本更高用一个小例子解释了这一点。

同一页面中的两个细节对预算很重要。私信共享智能体的主会话，而每个群聊都有自己的会话，因此繁忙的群组会增长自己的历史记录。心跳轮次可以在空闲间隙保持提供商缓存温热，但每个心跳轮次仍然消耗 token：空闲的助手不是免费的助手。

一个你可以更改的每日工作负载#

没有经过测量的“典型 OpenClaw 一天”可供引用，所以先做一个假设，然后把数字替换成你自己的。假设你的助手每天进行 150 次模型调用（消息、工具步骤、一些计划检查）。假设每次调用发送约 12,000 个输入 token（系统提示词、历史记录、工具输出），并返回约 600 个输出 token。

• 每天：150 × 12,000 = 1,800,000 个输入 token，150 × 600 = 90,000 个输出 token。
• 每月（30 天）：1,800,000 × 30 = 54,000,000 个输入 token，90,000 × 30 = 2,700,000 个输出 token。

注意这个形态：输入是输出的二十倍。这是智能体的正常形态，也是为什么模型的输入价格在这里比在你输入简短问题、阅读长答案的聊天中更重要。关于两侧的区别，请参见输入与输出 token。

这个月在三款模型上的成本#

下面是同一个月的用量，54,000,000 个输入 token 和 2,700,000 个输出 token，按你可以通过 CheapTokens 使用的三款模型实时定价。输入和输出一起计算，因为一次请求同时为两者付费。总计来看，它们每一个都比 OpenRouter 更便宜，表格并排显示了两列。

用数字来说：DeepSeek-V4-Flash 这个月是 $1.08，GLM-5.3-Flash 是 $1.19，MiniMax-M2.7 是 $3.11。它们背后的价格在定价页面上，并随表格更新。

该选哪一个？DeepSeek-V4-Flash 提供 380K 上下文窗口，每次回答最多 32,768 个输出 token，全天统一价格，适合长时间的智能体会话。GLM-5.3-Flash 有 390K 上下文和最多 8,192 个输出 token，非常适合常规和探索性步骤。MiniMax-M2.7 有 180K 上下文和最多 8,192 个输出 token。按任务进行的完整比较在OpenClaw 最便宜的模型中，所以这里不再重复。

从 OpenClaw 内部监控账单#

OpenClaw 可以在你花钱时向你展示花费。根据文档，/status 显示会话模型、上下文使用量、上一次响应的输入和输出 token 以及估算成本。/usage off|tokens|full 为每个响应添加页脚，/usage cost 从会话日志中汇总成本。

一个有效的小习惯：运行 /usage tokens 一天。在几十次回复之后，你会看到每一步真实的输入量，然后你可以把它代入上面的公式，而不是我的 12,000。

文档中有一个注意事项。成本估算来自你在 models.providers.<provider>.models[] 中为每个模型设置的 cost 值（每 1M token 的美元价格：输入、输出、缓存读取、缓存写入）。如果你不设置它们或复制旧数字，估算就会偏差，而提供商收取的金额优先于目录估算。根据当前表格设置它们，然后在一天后比较 /status 与你的余额。

四个缩小月度开支的习惯#

文档列出了减轻上下文压力的方法。下面是它们以及它们对算术的影响。

1. 在长会话上运行 /compact。 它会总结历史记录，因此后续步骤会重新发送摘要而不是所有内容。假设它把每步平均输入从 12,000 降到 8,000。
2. 裁剪大型工具输出。 返回整个文件或一页日志的工具会在之后的每一步被重新发送。在它进入会话之前就裁剪它。
3. 缩小图片。 对于截图密集的会话，降低 imageMaxDimensionPx。
4. 保持技能描述简短，并对冗长的探索使用更小的模型。

下面是习惯 1 对同一个助手的影响。每步 8,000 个输入 token 时，一个月是 150 × 8,000 × 30 = 36,000,000 个输入 token，输出仍然是 2,700,000 个。在 DeepSeek-V4-Flash 上，这是 $0.81 而不是 $1.08。答案长度相同，所以节省完全来自输入侧。

设置一个你无法超出的预算#

倒推。决定你准备花多少钱，按这个金额充值余额，并把预付余额当作上限：当它用完时，请求就会停止。然后在第一天后用 /status 检查你的真实用量，乘以 30，并与上面的表格比较。

一个简单的流程：

1. 从表格中选择适合你任务的模型。
2. 在开启 /usage tokens 的情况下运行一个正常的一天。
3. 把公式中的 150 和 12,000 替换成你看到的数字。
4. 用你的数字重新查看 ::cost 表格，并相应充值。

如果你还没有连接 OpenClaw，如何将 OpenClaw 连接到 CheapTokens会带你完成 ~/.openclaw/openclaw.json 中的配置，而文档中有 API 地址和模型 ID。要更广泛地了解智能体预算，请参见如何估算 AI 智能体的成本。