Chega de ansiedade com a conta da API: como economizar 80% nos custos do OpenClaw com roteamento de modelos

No mês passado, recebi uma conta de US$ 340 da Anthropic — três vezes mais do que eu esperava. Meu assistente OpenClaw só cuidava de algumas tarefas rotineiras: responder e-mails, organizar anotações e, de vez em quando, escrever pequenos trechos de código. Como isso conseguiu consumir tanto dinheiro?

Ao examinar os logs, encontrei a causa: com a configuração padrão, todas as requisições usavam o modelo mais caro, Claude Opus 4.6. Verificações de heartbeat, consultas simples e operações com arquivos recebiam o mesmo tratamento. Quando subagentes trabalhavam em paralelo, cada um deles também estava “queimando dinheiro”.

Depois, passei um fim de semana estudando o recurso de roteamento de modelos do OpenClaw. Descobri que era possível separar as tarefas de forma inteligente, deixando os modelos “baratos” cuidarem do trabalho simples e enviando apenas o que realmente exigia raciocínio profundo para os “caros”. Um mês depois, a conta caiu para US$ 68.

Guia para manter seu “OpenClaw” gastando pouco: o ArkClaw torna os agentes de IA realmente acessíveis

O OpenClaw, que ficou popular recentemente, é útil, mas sua configuração afasta muita gente. O ArkClaw, da Volcano Engine da ByteDance, derruba essa barreira: sem precisar configurar servidor nem tokens, um clique basta para ter um agente de IA disponível 24 horas por dia, capaz de controlar o navegador, executar scripts e gerenciar o calendário.

E o principal é que ele realmente custa pouco: a mensalidade é de apenas 9,9 yuans e, com meu código de convite ZLKUK54M (cadastre-se aqui), cai para 8,9 yuans. Se você programa, também pode aderir diretamente ao Coding Plan Pro sem custo adicional.

Entendendo o buraco negro de custos do OpenClaw

Por que a configuração padrão custa tanto?

Primeiro, veja alguns números assustadores:

MTok = Million Tokens, ou 1 milhão de tokens

Vamos fazer uma conta simples. Suponha que você envie 100 mensagens por dia, com média de 500 tokens cada:

Usando apenas o Opus, seriam 100 × 500 × US$ 5 / 1.000.000 = US$ 0,25 por dia, ou US$ 7,50 por mês.

Parece aceitável?

O problema é que esse cálculo é ingênuo demais. Só o prompt de sistema do OpenClaw ocupa de 2 mil a 4 mil tokens. Some a isso chamadas de ferramentas, tentativas automáticas e outros custos: o consumo real fica entre três e cinco vezes acima do cálculo básico.

KiloClaw - OpenClaw gerenciado para empresas: orquestração de agentes IA e roteamento inteligente

Começar →Anúncio

Armadilhas de custo escondidas

Armadilha 1: requisições de heartbeat

Uma verificação de heartbeat a cada 30 segundos totaliza 2.880 requisições por dia. Mesmo sem conteúdo relevante, cada uma envia o prompt de sistema completo.

É um verdadeiro “imposto de tokens”.

Armadilha 2: subagentes

Em tarefas paralelas, cada subagente usa o modelo principal. Até uma operação simples como “consultar o calendário” passa pelo Opus — e a conta dói.

Armadilha 3: mecanismo de repetição

Quando há instabilidade na rede, as tentativas automáticas consomem os tokens das requisições que falharam, embora nenhum resultado seja retornado. Você paga, mas a tarefa não é concluída.

Estratégia de roteamento em três camadas

Princípio central: separar as tarefas por nível

Nem toda requisição merece usar o modelo mais caro.

Vamos criar uma estrutura de três camadas:

┌─────────────────────────────────────────────────────────┐
│  Camada 1: modelos locais (Llama 3, Qwen etc.)           │
│  → Heartbeats, arquivos, perguntas simples, status       │
│  → Custo: US$ 0                                          │
├─────────────────────────────────────────────────────────┤
│  Camada 2: nuvem leve (Claude Haiku, GPT-4o-mini)        │
│  → Conversas diárias, rascunhos de e-mail, código simples│
│  → Custo: US$ 0,25/MTok                                  │
├─────────────────────────────────────────────────────────┤
│  Camada 3: modelos pesados (Claude Opus, GPT-4o)         │
│  → Arquitetura complexa, análise profunda, escrita criativa│
│  → Custo: US$ 5/MTok, mas com uso mínimo                 │
└─────────────────────────────────────────────────────────┘

Em resumo, é colocar o modelo certo no trabalho certo.

Configuração prática: OpenClaw + modelo local no Ollama

Etapa 1: instale e inicie o Ollama

# macOS/Linux
curl -fsSL https://ollama.com/install.sh | sh

# No Windows, depois de baixar o instalador
ollama serve

# Baixe modelos adequados
ollama pull llama3.2:latest      # Leve, indicado para tarefas simples
ollama pull qwen2.5:14b          # Mais potente e compatível com chamadas de ferramentas

Etapa 2: configure o OpenClaw para usar o modelo local

Alibaba Cloud - Escolha dos desenvolvedores, 15% de desconto exclusivo em Lighthouse

Ganhar 15% off →Anúncio

Edite ~/.openclaw/openclaw.json:

{
  "models": {
    "defaults": {
      "model": "ollama/qwen2.5:14b",
      "fallbacks": [
        "anthropic/claude-sonnet-4-5",
        "anthropic/claude-opus-4-6"
      ]
    },
    "providers": {
      "ollama": {
        "type": "openai-compatible",
        "baseUrl": "http://127.0.0.1:11434/v1",
        "apiKey": "ollama"
      }
    }
  }
}

Alguns pontos importantes:

• baseUrl: por padrão, o Ollama é executado na porta 11434
• context window: o OpenClaw precisa de pelo menos 64k de contexto; leve isso em conta ao escolher o modelo
• tool calling: nem todos os modelos locais oferecem suporte; qwen2.5 e mistral-nemo são boas opções

Roteamento avançado: distribuição inteligente por tipo de tarefa

Usando o OpenRouter Auto Model:

{
  "models": {
    "defaults": {
      "model": "openrouter/openrouter/auto",
      "fallbacks": [
        "anthropic/claude-sonnet-4-5"
      ]
    }
  }
}

O modo Auto do OpenRouter escolhe automaticamente o modelo adequado mais barato de acordo com a complexidade do prompt. É a opção mais prática.

Regras de roteamento personalizadas com iblai-openclaw-router:

Para ter um controle mais preciso, você pode usar o projeto de código aberto iblai-openclaw-router:

{
  "routing": {
    "enabled": true,
    "tiers": {
      "free": {
        "models": ["ollama/llama3.2"],
        "keywords": ["heartbeat", "status", "ping", "check"]
      },
      "cheap": {
        "models": ["anthropic/claude-haiku-3-5"],
        "maxCostPerRequest": 0.001
      },
      "standard": {
        "models": ["anthropic/claude-sonnet-4-5"]
      },
      "premium": {
        "models": ["anthropic/claude-opus-4-6"],
        "keywords": ["architect", "design", "analyze deeply", "complex"]
      }
    }
  }
}

Caso real: comparação de custos ao longo de um mês

Composição da conta antes da otimização

Uso mensal típico de um desenvolvedor, com base em dados reais da comunidade:

Viu o custo das verificações de heartbeat? US$ 860. Esse é o maior culpado.

Conta depois da otimização

Após implementar o roteamento em três camadas:

É claro que esse é um exemplo bastante extremo: a proporção de heartbeats desse desenvolvedor era alta demais. Na prática, a economia costuma ficar entre 70% e 80%, dependendo do cenário de uso.

Economia esperada em diferentes cenários

Como evitar problemas: dúvidas comuns e soluções

O modelo local não responde ou retorna erro

Sintomas:

Railway - Plataforma de deploy moderna, sem ops complexas, no ar em minutos

Começar agora →Anúncio

Error: Connection refused
ou o modelo retorna conteúdo vazio

Etapas de diagnóstico:

1. Confirme que o Ollama está em execução: ollama list
2. Verifique se a porta está correta: curl http://127.0.0.1:11434/api/tags
3. Confirme que o modelo foi baixado: ollama pull qwen2.5:14b
4. Aumente a janela de contexto: alguns modelos usam 4k por padrão, enquanto o OpenClaw precisa de 64k ou mais

Combinações recomendadas com bom custo-benefício:

ollama pull qwen2.5:14b-instruct    # Compatível com ferramentas e funciona bem em chinês
ollama pull mistral-nemo:latest     # Desempenho equilibrado
ollama pull glm-4.7-flash           # Leve e rápido

Falhas nas chamadas de ferramentas

Motivo: nem todos os modelos locais oferecem suporte a function calling.

Soluções:

• Use modelos que indiquem explicitamente suporte a tool use, como qwen2.5 e mistral-nemo
• Desative as chamadas de ferramentas para um modelo específico na configuração:

{
  "models": {
    "ollama/llama3.2": {
      "supportsTools": false
    }
  }
}

Erros na configuração da cadeia de fallback

Erro comum:

// Errado: se a Anthropic limitar as requisições, Sonnet e Opus podem ficar indisponíveis ao mesmo tempo
"fallbacks": [
  "anthropic/claude-sonnet-4-5",
  "anthropic/claude-opus-4-6"
]

// Correto: fallbacks entre provedores
"fallbacks": [
  "anthropic/claude-sonnet-4-5",
  "openai/gpt-4o",
  "google/gemini-pro"
]

O que fazer se a qualidade cair?

Se você perceber que o modelo local não consegue lidar com determinadas tarefas:

1. Aumente o nível aos poucos: local → Haiku → Sonnet → Opus
2. Use palavras-chave como gatilho: indique claramente a complexidade da tarefa no prompt
3. Faça revisão humana: para tarefas importantes, você pode exigir confirmação antes da execução

Resumo e lista de ações

Depois de tudo isso, os pontos principais são:

1. A maior parte do custo vem de heartbeats e consultas simples, e não das “grandes tarefas” que você imagina
2. Modelos locais dão conta das tarefas rotineiras, portanto não desperdice a cota do Opus
3. Configure a cadeia de fallback entre provedores para evitar um ponto único de falha
4. Comece pelo básico: só de direcionar os heartbeats para um modelo local, você já verá uma economia evidente

Três coisas que você pode fazer ainda esta semana

• Instalar o Ollama e baixar um modelo leve, como llama3.2 ou qwen2.5:7b
• Editar ~/.openclaw/openclaw.json e apontar o modelo padrão para uma opção local
• Observar a conta por uma semana e ajustar a estratégia de roteamento

Próximos passos

• Experimente o iblai-openclaw-router para classificar tarefas de forma inteligente
• Combine a estratégia com Prompt Caching para reduzir ainda mais o custo de chamadas repetidas
• Monitore a taxa de sucesso e o tempo de resposta de cada modelo para melhorar continuamente a configuração

Você já otimizou sua conta do OpenClaw? Qual estratégia usou? Compartilhe sua experiência nos comentários ou envie suas dúvidas sobre a configuração — tentarei responder.