Uso de Tokens y Costos

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 para 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 habilidades (solo metadatos; las instrucciones se cargan a pedido con read)
• Instrucciones de autoactualización
• Archivos de área de trabajo + de inicio (AGENTS.md, SOUL.md, TOOLS.md, IDENTITY.md, USER.md, HEARTBEAT.md, BOOTSTRAP.md cuando son nuevos). Los archivos grandes se truncan por agents.defaults.bootstrapMaxChars (predeterminado: 20000).
• Hora (UTC + zona horaria del usuario)
• Etiquetas de respuesta + comportamiento de latido
• Metadatos de tiempo de ejecución (host/SO/modelo/pensamiento)

Vea el desglose completo en Prompt del Sistema.

Qué cuenta en la ventana de contexto

Todo lo que recibe el modelo cuenta hacia el límite de contexto:

• Prompt del sistema (todas las secciones listadas arriba)
• Historial de conversación (mensajes de usuario + asistente)
• Llamadas a herramientas y resultados de herramientas
• Archivos adjuntos/transcripciones (imágenes, audio, archivos)
• Resúmenes de compactación y artefactos de poda
• Envoltorios del proveedor o encabezados de seguridad (no visibles, pero aún contados)

Para un desglose práctico (por archivo inyectado, herramientas, habilidades y tamaño del prompt del sistema), use /context list o /context detail. Vea Contexto.

Cómo ver el uso actual de tokens

Use estos en el chat:

• /status → tarjeta de estado rica en emojis con el modelo de sesión, uso de contexto, tokens de entrada/salida de la última respuesta y costo estimado (solo clave de API).
• /usage off|tokens|full → agrega un pie de página de uso por respuesta a cada respuesta.
  • Persiste por sesión (almacenado como responseUsage).
  • La autenticación OAuth oculta el costo (solo tokens).
• /usage cost → muestra un resumen de costos local de los registros de sesión de OpenClaw.

Otras superficies:

• TUI/Web TUI: se admiten /status + /usage.
• CLI: openclaw status --usage y openclaw channels list muestran las ventanas de cuota del proveedor (no los costos por respuesta).

Estimación de costos (cuando se muestra)

Los costos se estiman a partir de la configuración de precios de su 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 los tokens. Los tokens de OAuth nunca muestran el costo en dólares.

Impacto de TTL y poda de caché

El almacenamiento en caché del prompt del proveedor solo se aplica dentro de la ventana TTL de la caché. OpenClaw puede opcionalmente ejecutar la poda de TTL de caché: 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 el historial completo. Esto mantiene los costos de escritura de caché más bajos cuando una sesión permanece inactiva más allá del TTL.

Configúrelo en Configuración de Gateway y vea los detalles del comportamiento en Poda de sesión.

El latido (heartbeat) puede mantener la caché caliente a través de brechas de inactividad. Si el TTL de caché de su modelo es 1h, establecer el intervalo de latido justo por debajo de eso (por ejemplo, 55m) puede evitar volver a almacenar en caché el prompt completo, reduciendo los costos de escritura de caché.

Para la 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 más alto. Consulte los precios de almacenamiento en caché de prompts de Anthropic para conocer las tarifas y multiplicadores TTL más recientes: https://docs.anthropic.com/docs/build-with-claude/prompt-caching

Ejemplo: mantener la caché de 1h caliente con latido

agents:
  defaults:
    model:
      primary: "anthropic/claude-opus-4-5"
    models:
      "anthropic/claude-opus-4-5":
        params:
          cacheRetention: "long"
    heartbeat:
      every: "55m"

Consejos para reducir la presión de tokens

• Use /compact para resumir sesiones largas.
• Recorte las salidas grandes de herramientas en sus flujos de trabajo.
• Mantenga las descripciones de habilidades cortas (la lista de habilidades se inyecta en el prompt).
• Prefiera modelos más pequeños para trabajos verbosos y exploratorios.

Consulte Habilidades para la fórmula exacta de sobrecarga de la lista de habilidades.