Saltar al contenido principal

​
Uso de tokens y costos

OpenClaw rastrea tokens, no caracteres. Los tokens son específicos del modelo, pero la mayoría de los modelos de estilo OpenAI promedian ~4 caracteres por token en texto en inglés.

​
Cómo se construye el prompt del sistema

OpenClaw ensambla su propio prompt del sistema en cada ejecución. Incluye:
  • Lista de herramientas + descripciones breves
  • Lista de Skills (solo metadatos; las instrucciones se cargan bajo demanda con read)
  • Instrucciones de autoactualización
  • Archivos del espacio de trabajo + bootstrap (AGENTS.md, SOUL.md, TOOLS.md, IDENTITY.md, USER.md, HEARTBEAT.md, BOOTSTRAP.md cuando es nuevo, además de MEMORY.md cuando está presente o memory.md como alternativa en minúsculas). Los archivos grandes se truncan según agents.defaults.bootstrapMaxChars (predeterminado: 20000), y la inyección total de bootstrap está limitada por agents.defaults.bootstrapTotalMaxChars (predeterminado: 150000). Los archivos memory/*.md se usan bajo demanda mediante herramientas de memoria y no se inyectan automáticamente.
  • Hora (UTC + zona horaria del usuario)
  • Etiquetas de respuesta + comportamiento de heartbeat
  • Metadatos de runtime (host/OS/model/thinking)
Consulta el desglose completo en Prompt del sistema.

​
Qué cuenta en la ventana de contexto

Todo lo que recibe el modelo cuenta para el límite de contexto:
  • Prompt del sistema (todas las secciones indicadas arriba)
  • Historial de conversación (mensajes del usuario + asistente)
  • Llamadas a herramientas y resultados de herramientas
  • Archivos adjuntos/transcripciones (imágenes, audio, archivos)
  • Resúmenes de compactación y artefactos de poda
  • Wrappers del proveedor o encabezados de seguridad (no visibles, pero igualmente contabilizados)
Para imágenes, OpenClaw reduce la escala de las cargas útiles de imágenes de transcripciones/herramientas antes de las llamadas al proveedor. Usa agents.defaults.imageMaxDimensionPx (predeterminado: 1200) para ajustar esto:
  • Los valores más bajos suelen reducir el uso de vision tokens y el tamaño de la carga útil.
  • Los valores más altos conservan más detalle visual para capturas de pantalla con mucho OCR/UI.
Para un desglose práctico (por archivo inyectado, herramientas, Skills y tamaño del prompt del sistema), usa /context list o /context detail. Consulta Contexto.

​
Cómo ver el uso actual de tokens

Usa esto en el chat:
  • /status → tarjeta de estado con muchos emojis con el modelo de la sesión, uso de contexto, tokens de entrada/salida de la última respuesta y costo estimado (solo con API key).
  • /usage off|tokens|full → agrega un pie de uso por respuesta a cada respuesta.
    • Persiste por sesión (se almacena como responseUsage).
    • La autenticación OAuth oculta el costo (solo tokens).
  • /usage cost → muestra un resumen local de costos a partir de los registros de sesión de OpenClaw.
Otras superficies:
  • TUI/Web TUI: /status y /usage son compatibles.
  • CLI: openclaw status --usage y openclaw channels list muestran ventanas de cuota del proveedor normalizadas (X% left, no costos por respuesta). Proveedores actuales con ventana de uso: Anthropic, GitHub Copilot, Gemini CLI, OpenAI Codex, MiniMax, Xiaomi y z.ai.
Las superficies de uso normalizan alias comunes de campos nativos del proveedor antes de mostrarlos. Para el tráfico de Responses de la familia OpenAI, eso incluye tanto input_tokens / output_tokens como prompt_tokens / completion_tokens, de modo que los nombres de campo específicos del transporte no cambian /status, /usage ni los resúmenes de sesión. El uso JSON de Gemini CLI también se normaliza: el texto de respuesta proviene de response, y stats.cached se asigna a cacheRead, con stats.input_tokens - stats.cached usado cuando la CLI omite un campo stats.input explícito. Para el tráfico nativo de Responses de la familia OpenAI, los alias de uso de WebSocket/SSE se normalizan de la misma forma, y los totales recurren a la suma normalizada de entrada + salida cuando total_tokens falta o es 0. Cuando la instantánea de la sesión actual es escasa, /status y session_status también pueden recuperar contadores de tokens/cache y la etiqueta del modelo de runtime activo del registro de uso de la transcripción más reciente. Los valores activos distintos de cero existentes siguen teniendo prioridad sobre los valores de respaldo de la transcripción, y los totales de transcripción más grandes orientados al prompt pueden prevalecer cuando los totales almacenados faltan o son menores. La autenticación de uso para ventanas de cuota del proveedor proviene de hooks específicos del proveedor cuando están disponibles; de lo contrario, OpenClaw recurre a credenciales OAuth/API-key coincidentes de perfiles de autenticación, env o config.

​
Estimación de costos (cuando se muestra)

Los costos se estiman a partir de tu configuración de precios del modelo: 
models.providers.<provider>.models[].cost
Estos son USD por 1M de tokens para input, output, cacheRead y cacheWrite. Si faltan los precios, OpenClaw muestra solo tokens. Los tokens OAuth nunca muestran costo en dólares.

​
Impacto del TTL de caché y la poda

El almacenamiento en caché del prompt del proveedor solo se aplica dentro de la ventana TTL de la caché. OpenClaw puede ejecutar opcionalmente poda de cache-ttl: poda la sesión una vez que el TTL de la caché ha expirado y luego restablece la ventana de caché para que las solicitudes posteriores puedan reutilizar el contexto recién almacenado en caché en lugar de volver a almacenar en caché todo el historial. Esto mantiene más bajos los costos de escritura en caché cuando una sesión queda inactiva más allá del TTL. Configúralo en Configuración del Gateway y consulta los detalles del comportamiento en Poda de sesión. Heartbeat puede mantener la caché activa durante periodos de inactividad. Si el TTL de la caché de tu modelo es 1h, establecer el intervalo de heartbeat justo por debajo de eso (por ejemplo, 55m) puede evitar volver a almacenar en caché todo el prompt, reduciendo los costos de escritura en caché. En configuraciones con varios agentes, puedes mantener una configuración de modelo compartida y ajustar el comportamiento de caché por agente con agents.list[].params.cacheRetention. Para una guía completa, control por control, consulta Prompt Caching. Para los precios de la API de Anthropic, las lecturas de caché son significativamente más baratas que los tokens de entrada, mientras que las escrituras de caché se facturan con un multiplicador mayor. Consulta los precios de prompt caching de Anthropic para ver las tarifas y multiplicadores TTL más recientes: https://docs.anthropic.com/docs/build-with-claude/prompt-caching

​
Ejemplo: mantener activa una caché de 1h con heartbeat

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

​
Ejemplo: tráfico mixto con estrategia de caché por agente

agents:
  defaults:
    model:
      primary: "anthropic/claude-opus-4-6"
    models:
      "anthropic/claude-opus-4-6":
        params:
          cacheRetention: "long" # línea base predeterminada para la mayoría de los agentes
  list:
    - id: "research"
      default: true
      heartbeat:
        every: "55m" # mantener activa una caché larga para sesiones profundas
    - id: "alerts"
      params:
        cacheRetention: "none" # evitar escrituras en caché para notificaciones esporádicas
agents.list[].params se fusiona sobre params del modelo seleccionado, así que puedes sobrescribir solo cacheRetention y heredar sin cambios otros valores predeterminados del modelo.

​
Ejemplo: habilitar el encabezado beta de contexto 1M de Anthropic

La ventana de contexto 1M de Anthropic actualmente está protegida por beta. OpenClaw puede inyectar el valor anthropic-beta necesario cuando habilitas context1m en modelos Opus o Sonnet compatibles. 
agents:
  defaults:
    models:
      "anthropic/claude-opus-4-6":
        params:
          context1m: true
Esto se asigna al encabezado beta context-1m-2025-08-07 de Anthropic. Esto solo se aplica cuando context1m: true está configurado en esa entrada del modelo. Requisito: la credencial debe ser apta para uso de contexto largo (facturación con API key, o la ruta de inicio de sesión de Claude de OpenClaw con Extra Usage habilitado). Si no, Anthropic responde con HTTP 429: rate_limit_error: Extra usage is required for long context requests. Si autenticas Anthropic con tokens OAuth/de suscripción (sk-ant-oat-*), OpenClaw omite el encabezado beta context-1m-* porque Anthropic actualmente rechaza esa combinación con HTTP 401.

​
Consejos para reducir la presión de tokens

  • Usa /compact para resumir sesiones largas.
  • Recorta las salidas grandes de herramientas en tus flujos de trabajo.
  • Reduce agents.defaults.imageMaxDimensionPx para sesiones con muchas capturas de pantalla.
  • Mantén breves las descripciones de Skills (la lista de Skills se inyecta en el prompt).
  • Prefiere modelos más pequeños para trabajo prolijo y exploratorio.
Consulta Skills para ver la fórmula exacta de sobrecarga de la lista de Skills.