Zum Hauptinhalt springen

​
Token-Nutzung und Kosten

OpenClaw verfolgt Tokens, nicht Zeichen. Tokens sind modellspezifisch, aber die meisten Modelle im OpenAI-Stil liegen bei englischem Text im Durchschnitt bei ~4 Zeichen pro Token.

​
Wie der System-Prompt aufgebaut wird

OpenClaw setzt seinen eigenen System-Prompt bei jeder Ausführung zusammen. Er enthält:
  • Tool-Liste + kurze Beschreibungen
  • Skills-Liste (nur Metadaten; Anweisungen werden bei Bedarf mit read geladen)
  • Anweisungen zur Selbstaktualisierung
  • Arbeitsbereichs- + Bootstrap-Dateien (AGENTS.md, SOUL.md, TOOLS.md, IDENTITY.md, USER.md, HEARTBEAT.md, BOOTSTRAP.md, wenn neu, plus MEMORY.md, wenn vorhanden, oder memory.md als Fallback in Kleinbuchstaben). Große Dateien werden durch agents.defaults.bootstrapMaxChars (Standard: 20000) abgeschnitten, und die gesamte Bootstrap-Injektion ist durch agents.defaults.bootstrapTotalMaxChars (Standard: 150000) begrenzt. memory/*.md-Dateien werden bei Bedarf über Memory-Tools geladen und nicht automatisch injiziert.
  • Zeit (UTC + Benutzerzeitzone)
  • Antwort-Tags + Heartbeat-Verhalten
  • Laufzeit-Metadaten (Host/OS/Modell/Thinking)
Die vollständige Aufschlüsselung finden Sie unter System Prompt.

​
Was im Kontextfenster zählt

Alles, was das Modell erhält, zählt zum Kontextlimit:
  • System-Prompt (alle oben aufgeführten Abschnitte)
  • Gesprächsverlauf (Benutzer- + Assistentennachrichten)
  • Tool-Calls und Tool-Ergebnisse
  • Anhänge/Transkripte (Bilder, Audio, Dateien)
  • Kompaktierungszusammenfassungen und Pruning-Artefakte
  • Provider-Wrapper oder Sicherheits-Header (nicht sichtbar, zählen aber trotzdem)
Bei Bildern skaliert OpenClaw Bild-Nutzlasten aus Transkripten/Tools vor Provider-Aufrufen herunter. Verwenden Sie agents.defaults.imageMaxDimensionPx (Standard: 1200), um dies abzustimmen:
  • Niedrigere Werte reduzieren in der Regel die Nutzung von Vision-Tokens und die Nutzlastgröße.
  • Höhere Werte bewahren mehr visuelle Details für OCR-/UI-lastige Screenshots.
Eine praktische Aufschlüsselung (pro injizierter Datei, Tools, Skills und System-Prompt-Größe) erhalten Sie mit /context list oder /context detail. Siehe Kontext.

​
So sehen Sie die aktuelle Token-Nutzung

Verwenden Sie dazu im Chat:
  • /status → statuskarte mit vielen Emojis mit Sitzungsmodell, Kontextnutzung, Input-/Output-Tokens der letzten Antwort und geschätzten Kosten (nur API-Schlüssel).
  • /usage off|tokens|full → hängt an jede Antwort eine Nutzungsfußzeile pro Antwort an.
    • Wird pro Sitzung persistent gespeichert (gespeichert als responseUsage).
    • OAuth-Authentifizierung blendet Kosten aus (nur Tokens).
  • /usage cost → zeigt eine lokale Kostenzusammenfassung aus den OpenClaw-Sitzungsprotokollen.
Weitere Oberflächen:
  • TUI/Web-TUI: /status + /usage werden unterstützt.
  • CLI: openclaw status --usage und openclaw channels list zeigen normalisierte Provider-Quotenfenster (X% left, keine Kosten pro Antwort). Aktuelle Provider mit Nutzungsfenstern: Anthropic, GitHub Copilot, Gemini CLI, OpenAI Codex, MiniMax, Xiaomi und z.ai.
Nutzungsoberflächen normalisieren allgemeine aliasierte Felder nativer Provider vor der Anzeige. Für OpenAI-Family-Responses-Datenverkehr umfasst das sowohl input_tokens / output_tokens als auch prompt_tokens / completion_tokens, sodass transportspezifische Feldnamen /status, /usage oder Sitzungszusammenfassungen nicht verändern. Auch die JSON-Nutzung von Gemini CLI wird normalisiert: Antworttext kommt aus response, und stats.cached wird auf cacheRead abgebildet, wobei stats.input_tokens - stats.cached verwendet wird, wenn die CLI kein explizites Feld stats.input ausgibt. Für nativen OpenAI-Family-Responses-Datenverkehr werden WebSocket-/SSE-Nutzungsaliase auf dieselbe Weise normalisiert, und Summen greifen auf normalisierte Input- + Output-Werte zurück, wenn total_tokens fehlt oder 0 ist. Wenn der aktuelle Sitzungs-Snapshot spärlich ist, können /status und session_status auch Token-/Cache-Zähler und das aktive Laufzeitmodell-Label aus dem neuesten Nutzungsprotokoll des Transkripts wiederherstellen. Bestehende Live-Werte ungleich null haben weiterhin Vorrang vor Fallback-Werten aus dem Transkript, und größere promptorientierte Transkript-Gesamtsummen können gewinnen, wenn gespeicherte Summen fehlen oder kleiner sind. Die Nutzungsauthentifizierung für Provider-Quotenfenster stammt aus providerspezifischen Hooks, wenn verfügbar; andernfalls greift OpenClaw auf passende OAuth-/API-Key-Anmeldedaten aus Authentifizierungsprofilen, Umgebung oder Konfiguration zurück.

​
Kostenschätzung (wenn angezeigt)

Kosten werden aus Ihrer Preiskonfiguration für Modelle geschätzt: 
models.providers.<provider>.models[].cost
Dies sind USD pro 1 Mio. Tokens für input, output, cacheRead und cacheWrite. Wenn Preisangaben fehlen, zeigt OpenClaw nur Tokens an. OAuth-Tokens zeigen niemals Dollarkosten an.

​
Auswirkungen von Cache-TTL und Pruning

Provider-Prompt-Caching gilt nur innerhalb des Cache-TTL-Fensters. OpenClaw kann optional Cache-TTL-Pruning ausführen: Die Sitzung wird gekürzt, sobald die Cache-TTL abgelaufen ist, und danach wird das Cache-Fenster zurückgesetzt, sodass nachfolgende Anfragen den frisch gecachten Kontext wiederverwenden können, anstatt den gesamten Verlauf erneut zu cachen. Dadurch bleiben die Cache-Schreibkosten niedriger, wenn eine Sitzung über die TTL hinaus untätig bleibt. Konfigurieren Sie dies unter Gateway-Konfiguration und lesen Sie die Verhaltensdetails unter Session-Pruning. Heartbeat kann den Cache über Leerlaufphasen hinweg warm halten. Wenn Ihr Modell-Cache-TTL 1h beträgt, kann das Setzen des Heartbeat-Intervalls knapp darunter (z. B. 55m) ein erneutes Cachen des vollständigen Prompts vermeiden und so Cache-Schreibkosten reduzieren. In Multi-Agent-Setups können Sie eine gemeinsame Modellkonfiguration beibehalten und das Cache-Verhalten pro Agent mit agents.list[].params.cacheRetention abstimmen. Eine vollständige, schalterweise Anleitung finden Sie unter Prompt Caching. Bei den Anthropic-API-Preisen sind Cache-Lesevorgänge deutlich günstiger als Input- Tokens, während Cache-Schreibvorgänge mit einem höheren Multiplikator berechnet werden. Die aktuellen Preise und TTL-Multiplikatoren finden Sie in den Anthropic-Preisen für Prompt-Caching: https://docs.anthropic.com/docs/build-with-claude/prompt-caching

​
Beispiel: 1h-Cache mit Heartbeat warm halten

agents:
  defaults:
    model:
      primary: "anthropic/claude-opus-4-6"
    models:
      "anthropic/claude-opus-4-6":
        params:
          cacheRetention: "long"
    heartbeat:
      every: "55m"

​
Beispiel: gemischter Datenverkehr mit Cache-Strategie pro Agent

agents:
  defaults:
    model:
      primary: "anthropic/claude-opus-4-6"
    models:
      "anthropic/claude-opus-4-6":
        params:
          cacheRetention: "long" # Standardbasis für die meisten Agenten
  list:
    - id: "research"
      default: true
      heartbeat:
        every: "55m" # langen Cache für tiefe Sitzungen warm halten
    - id: "alerts"
      params:
        cacheRetention: "none" # Cache-Schreibvorgänge für sprunghafte Benachrichtigungen vermeiden
agents.list[].params wird über params des ausgewählten Modells zusammengeführt, sodass Sie nur cacheRetention überschreiben und andere Modellstandards unverändert erben können.

​
Beispiel: Anthropic-1M-Kontext-Beta-Header aktivieren

Das 1M-Kontextfenster von Anthropic ist derzeit durch Beta-Zugriff eingeschränkt. OpenClaw kann den erforderlichen Wert für anthropic-beta einfügen, wenn Sie context1m bei unterstützten Opus- oder Sonnet-Modellen aktivieren. 
agents:
  defaults:
    models:
      "anthropic/claude-opus-4-6":
        params:
          context1m: true
Dies wird auf den Anthropic-Beta-Header context-1m-2025-08-07 abgebildet. Dies gilt nur, wenn context1m: true für diesen Modelleintrag gesetzt ist. Anforderung: Die Anmeldedaten müssen für Long-Context-Nutzung berechtigt sein (API-Key- Abrechnung oder der Claude-Login-Pfad von OpenClaw mit aktiviertem Extra Usage). Andernfalls antwortet Anthropic mit HTTP 429: rate_limit_error: Extra usage is required for long context requests. Wenn Sie Anthropic mit OAuth-/Abonnement-Tokens (sk-ant-oat-*) authentifizieren, überspringt OpenClaw den Beta-Header context-1m-*, weil Anthropic diese Kombination derzeit mit HTTP 401 ablehnt.

​
Tipps zur Verringerung des Token-Drucks

  • Verwenden Sie /compact, um lange Sitzungen zusammenzufassen.
  • Kürzen Sie große Tool-Ausgaben in Ihren Workflows.
  • Senken Sie agents.defaults.imageMaxDimensionPx für sitzungen mit vielen Screenshots.
  • Halten Sie Skill-Beschreibungen kurz (die Skills-Liste wird in den Prompt injiziert).
  • Verwenden Sie für ausführliche, explorative Arbeit lieber kleinere Modelle.
Siehe Skills für die genaue Formel des Overheads der Skills-Liste.