Uso de tokens e custos

O OpenClaw rastreia tokens, não caracteres. Tokens são específicos do modelo, mas a maioria dos modelos no estilo OpenAI tem média de ~4 caracteres por token para texto em inglês.

Como o prompt do sistema é criado

O OpenClaw monta seu próprio prompt do sistema em cada execução. Ele inclui:

• Lista de ferramentas + descrições curtas
• Lista de Skills (somente metadados; as instruções são carregadas sob demanda com read). Turnos nativos do Codex recebem o bloco compacto de skills como instruções de desenvolvedor de colaboração com escopo de turno; outros harnesses o recebem na superfície normal de prompt. Ele é limitado por skills.limits.maxSkillsPromptChars, com substituição opcional por agente em agents.list[].skillsLimits.maxSkillsPromptChars.
• Instruções de autoatualização
• Arquivos de workspace + bootstrap (AGENTS.md, SOUL.md, TOOLS.md, IDENTITY.md, USER.md, HEARTBEAT.md, BOOTSTRAP.md quando novo, mais MEMORY.md quando presente). Turnos nativos do Codex não colam MEMORY.md bruto do workspace do agente configurado quando ferramentas de memória estão disponíveis para esse workspace; eles incluem um pequeno ponteiro de memória nas instruções de desenvolvedor de colaboração com escopo de turno e usam ferramentas de memória sob demanda. Se as ferramentas estiverem desativadas, a busca de memória estiver indisponível ou o workspace ativo for diferente do workspace de memória do agente, MEMORY.md usa o caminho normal de contexto de turno limitado. A raiz em minúsculas memory.md não é injetada; ela é entrada de reparo legado para openclaw doctor --fix quando pareada com MEMORY.md. Arquivos grandes injetados são truncados por agents.defaults.bootstrapMaxChars (padrão: 20000), e a injeção total de bootstrap é limitada por agents.defaults.bootstrapTotalMaxChars (padrão: 60000). Arquivos diários memory/*.md não fazem parte do prompt normal de bootstrap; eles permanecem sob demanda via ferramentas de memória em turnos comuns, mas execuções do modelo de redefinição/inicialização podem prefixar um bloco único de contexto de inicialização com memória diária recente para esse primeiro turno. Comandos simples de chat /new e /reset são confirmados sem invocar o modelo. O preâmbulo de inicialização é controlado por agents.defaults.startupContext. Trechos de AGENTS.md pós-Compaction são separados e exigem adesão explícita em agents.defaults.compaction.postCompactionSections.
• Horário (UTC + fuso horário do usuário)
• Tags de resposta + comportamento de Heartbeat
• Metadados de runtime (host/SO/modelo/raciocínio)

Veja a análise completa em Prompt do sistema.

Ao documentar credenciais ou snippets de autenticação, use as Convenções de placeholder de segredo para evitar falsos positivos de scanners de segredo em alterações somente de documentação.

O que conta na janela de contexto

Tudo que o modelo recebe conta para o limite de contexto:

• Prompt do sistema (todas as seções listadas acima)
• Histórico da conversa (mensagens do usuário + assistente)
• Chamadas de ferramentas e resultados de ferramentas
• Anexos/transcrições (imagens, áudio, arquivos)
• Resumos de Compaction e artefatos de poda
• Wrappers de provedor ou cabeçalhos de segurança (não visíveis, mas ainda contabilizados)

Algumas superfícies pesadas em runtime têm seus próprios limites explícitos:

• agents.defaults.contextLimits.memoryGetMaxChars
• agents.defaults.contextLimits.memoryGetDefaultLines
• agents.defaults.contextLimits.toolResultMaxChars
• agents.defaults.contextLimits.postCompactionMaxChars

Substituições por agente ficam em agents.list[].contextLimits. Esses controles são para trechos limitados de runtime e blocos injetados pertencentes ao runtime. Eles são separados dos limites de bootstrap, limites de contexto de inicialização e limites de prompt de Skills.

toolResultMaxChars é um teto avançado (até 1000000 caracteres). Quando não está definido, o OpenClaw escolhe o limite dinâmico de resultado de ferramenta a partir da janela de contexto efetiva do modelo: 16000 caracteres abaixo de 100K tokens, 32000 caracteres em 100K+ tokens e 64000 caracteres em 200K+ tokens, ainda limitado pela proteção de participação de contexto do runtime.

Para imagens, o OpenClaw reduz a escala de payloads de imagem de transcrição/ferramenta antes das chamadas ao provedor. Use agents.defaults.imageMaxDimensionPx (padrão: 1200) para ajustar isso:

• Valores menores geralmente reduzem o uso de tokens de visão e o tamanho do payload.
• Valores maiores preservam mais detalhes visuais para capturas de tela com muito OCR/UI.

Para uma análise prática (por arquivo injetado, ferramentas, Skills e tamanho do prompt do sistema), use /context list ou /context detail. Veja Contexto.

Como ver o uso atual de tokens

Use estes no chat:

• /status → cartão de status rico em emojis com o modelo da sessão, uso de contexto, tokens de entrada/saída da última resposta e custo estimado quando preços locais estão configurados para o modelo ativo.
• /usage off|tokens|full → anexa um rodapé de uso por resposta a cada resposta.
  • Persiste por sessão (armazenado como responseUsage).
  • /usage reset (aliases: inherit, clear, default) — limpa a substituição da sessão para que a sessão herde novamente o padrão configurado.
  • /usage tokens mostra detalhes de tokens/cache do turno.
  • /usage full mostra detalhes compactos de modelo/contexto/custo; o custo estimado aparece somente quando o OpenClaw tem metadados de uso e preços locais para o modelo ativo. Layouts personalizados de messages.usageTemplate podem incluir campos de tokens/cache.
• /usage cost → mostra um resumo de custo local dos logs de sessão do OpenClaw.

Outras superfícies:

• TUI/Web TUI: /status + /usage têm suporte.
• CLI: openclaw status --usage e openclaw channels list mostram janelas normalizadas de cota do provedor (X% left, não custos por resposta). Provedores atuais com janela de uso: Anthropic, GitHub Copilot, Gemini CLI, OpenAI Codex, MiniMax, Xiaomi e z.ai.

As superfícies de uso normalizam aliases comuns de campos nativos de provedor antes da exibição. Para tráfego Responses da família OpenAI, isso inclui tanto input_tokens / output_tokens quanto prompt_tokens / completion_tokens, para que nomes de campos específicos de transporte não alterem /status, /usage ou resumos de sessão. O uso da Gemini CLI também é normalizado: o parser padrão stream-json lê eventos message do assistente, e stats.cached mapeia para cacheRead com stats.input_tokens - stats.cached usado quando a CLI omite um campo explícito stats.input. Substituições JSON legadas ainda leem o texto da resposta de response. Para tráfego Responses nativo da família OpenAI, aliases de uso WebSocket/SSE são normalizados da mesma forma, e os totais recorrem à entrada + saída normalizadas quando total_tokens está ausente ou é 0. Quando o snapshot da sessão atual é esparso, /status e session_status também podem recuperar contadores de tokens/cache e o rótulo do modelo de runtime ativo a partir do log de uso de transcrição mais recente. Valores dinâmicos não zero existentes ainda têm precedência sobre valores de fallback de transcrição, e totais de transcrição maiores orientados a prompt podem vencer quando os totais armazenados estão ausentes ou menores. A autenticação de uso para janelas de cota de provedor vem de hooks específicos do provedor quando disponíveis; caso contrário, o OpenClaw recorre a credenciais OAuth/chave de API correspondentes de perfis de autenticação, env ou configuração. Entradas de transcrição do assistente persistem a mesma forma de uso normalizada, incluindo usage.cost quando o modelo ativo tem preços configurados e o provedor retorna metadados de uso. Isso dá a /usage cost e ao status de sessão baseado em transcrição uma fonte estável mesmo depois que o estado dinâmico do runtime desaparece.

O OpenClaw mantém a contabilização de uso do provedor separada do snapshot de contexto atual. usage.total do provedor pode incluir entrada em cache, saída e várias chamadas de modelo em loop de ferramentas, então é útil para custo e telemetria, mas pode superestimar a janela de contexto dinâmica. Exibições e diagnósticos de contexto usam o snapshot de prompt mais recente (promptTokens, ou a última chamada de modelo quando nenhum snapshot de prompt está disponível) para context.used.

Estimativa de custo (quando exibida)

Os custos são estimados a partir da sua configuração de preços de modelo:

models.providers.<provider>.models[].cost

Estes são USD por 1M tokens para input, output, cacheRead e cacheWrite. Se os preços estiverem ausentes, /usage full omite o custo; use /usage tokens ou um messages.usageTemplate personalizado quando precisar de detalhes de tokens/cache em cada resposta. A exibição de custo não se limita à autenticação por chave de API: provedores sem chave de API, como aws-sdk, podem mostrar custo estimado quando a entrada de modelo configurada deles inclui preços locais e o provedor retorna metadados de uso.

Depois que sidecars e canais alcançam o caminho pronto do Gateway, o OpenClaw inicia um bootstrap opcional de preços em segundo plano para refs de modelo configuradas que ainda não têm preços locais. Esse bootstrap busca catálogos remotos de preços do OpenRouter e LiteLLM. Defina models.pricing.enabled: false para pular essas buscas de catálogo em redes offline ou restritas; entradas explícitas models.providers.*.models[].cost continuam determinando estimativas de custo locais.

TTL de cache e impacto da poda

O cache de prompt do provedor se aplica somente dentro da janela de TTL de cache. O OpenClaw pode opcionalmente executar poda de cache-ttl: ele poda a sessão assim que o TTL de cache expira e então redefine a janela de cache para que solicitações subsequentes possam reutilizar o contexto recém-armazenado em cache em vez de armazenar novamente todo o histórico. Isso mantém os custos de gravação de cache mais baixos quando uma sessão fica ociosa além do TTL.

Configure isso em Configuração do Gateway e veja os detalhes de comportamento em Poda de sessão.

Heartbeat pode manter o cache aquecido entre intervalos ociosos. Se o TTL de cache do seu modelo for 1h, definir o intervalo de heartbeat logo abaixo disso (por exemplo, 55m) pode evitar armazenar novamente em cache o prompt completo, reduzindo custos de gravação de cache.

Em configurações multiagente, você pode manter uma configuração de modelo compartilhada e ajustar o comportamento de cache por agente com agents.list[].params.cacheRetention.

Para um guia completo controle por controle, veja Cache de prompt.

Para preços da API Anthropic, leituras de cache são significativamente mais baratas que tokens de entrada, enquanto gravações de cache são cobradas com um multiplicador mais alto. Veja os preços de cache de prompt da Anthropic para as taxas e multiplicadores de TTL mais recentes: https://docs.anthropic.com/docs/build-with-claude/prompt-caching

Exemplo: manter cache de 1h aquecido com heartbeat

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

Exemplo: tráfego misto com estratégia de cache por agente

agents:  defaults:    model:      primary: "anthropic/claude-opus-4-6"    models:      "anthropic/claude-opus-4-6":        params:          cacheRetention: "long" # linha de base padrão para a maioria dos agentes  list:    - id: "research"      default: true      heartbeat:        every: "55m" # manter cache longo aquecido para sessões profundas    - id: "alerts"      params:        cacheRetention: "none" # evitar gravações de cache para notificações em rajada

agents.list[].params é mesclado sobre os params do modelo selecionado, então você pode substituir apenas cacheRetention e herdar outros padrões do modelo inalterados.

Contexto de 1M da Anthropic

O OpenClaw dimensiona modelos Claude 4.x com capacidade GA, como Opus 4.8, Opus 4.7, Opus 4.6 e Sonnet 4.6, com a janela de contexto de 1M da Anthropic. Você não precisa de params.context1m: true para esses modelos.

agents:  defaults:    models:      "anthropic/claude-opus-4-6":        alias: opus

Configurações mais antigas podem manter context1m: true, mas o OpenClaw não envia mais o cabeçalho beta aposentado context-1m-2025-08-07 da Anthropic para essa configuração e não expande modelos Claude mais antigos sem suporte para 1M.

Requisito: a credencial deve ser elegível para uso de contexto longo. Se não for, a Anthropic responde com um erro de limite de taxa do lado do provedor para essa solicitação.

Se você autenticar a Anthropic com tokens OAuth/assinatura (sk-ant-oat-*), o OpenClaw preserva os cabeçalhos beta da Anthropic exigidos por OAuth enquanto remove o beta aposentado context-1m-* se ele permanecer em configurações mais antigas.

Dicas para reduzir a pressão de tokens

• Use /compact para resumir sessões longas.
• Reduza saídas grandes de ferramentas em seus workflows.
• Diminua agents.defaults.imageMaxDimensionPx para sessões com muitas capturas de tela.
• Mantenha as descrições de Skills curtas (a lista de Skills é injetada no prompt).
• Prefira modelos menores para trabalho verboso e exploratório.

Consulte Skills para a fórmula exata de sobrecarga da lista de Skills.

Relacionado

• Uso e custos da API
• Cache de prompt
• Rastreamento de uso