OpenClaw coûte cher — pourquoi l'agent consomme des tokens et comment économiser

OpenClaw est un agent autonome avec une architecture multicouche. Contrairement aux assistants simples où une invite est envoyée au modèle et une réponse est renvoyée, OpenClaw construit une chaîne de plusieurs rôles et plusieurs itérations. Chaque maillon de la chaîne consomme des jetons, et la consommation totale pour une tâche utilisateur dépasse celle d'un assistant de discussion d'un ordre de grandeur ou plus.

Flux de travail typique d'OpenClaw sur la tâche «écrire le module X» :

1. Le Planificateur lit la description de la tâche et tout le contexte du projet (~30K input + 2K output)
2. Le Décomposeur divise le plan en sous-tâches (~20K input + 1K output)
3. L'Exécuteur pour chaque sous-tâche : lit les fichiers, génère le code, applique les correctifs (5 à 15 itérations × ~50K input + 3K output)
4. Le Critique vérifie les résultats et propose des ajustements (~40K input + 2K output)
5. Le Correcteur applique les corrections (5 à 10 itérations × ~30K input + 2K output)
6. La Vérification finale et la préparation du rapport (~30K input + 1.5K output)

Additionnez tout — pour une tâche moyenne, OpenClaw dépense 800K—1.5M jetons d'entrée et 50—120K jetons de sortie. Pour les tâches complexes avec de longues itérations autonomes, la consommation passe à 5—15M input + 200—500K output.

Chiffres réels pour des types de tâches spécifiques :

• Fonctionnalité simple (une fonction avec test) : ~600K total tokens ≈ 3 $ sur Anthropic
• Fonctionnalité moyenne (nouveau module de 200 lignes) : ~3M total tokens ≈ 12 $
• Fonctionnalité complexe (refactoring + nouvelle fonctionnalité) : ~10M total tokens ≈ 35 $
• Tâche autonome longue (exécution d'une heure avec critique et itérations) : 30—50M total tokens ≈ 100—170 $
• Journée complète d'agent avec plusieurs tâches dans OpenClaw : 100—200M total tokens ≈ 350—700 $

La principale différence avec Cline ou Cursor est qu'OpenClaw effectue 3 à 5 appels de rôle à chaque étape, tandis que Cline n'en fait qu'un. Ce n'est pas un bug — c'est une fonctionnalité qui améliore la qualité de la prise de décision et réduit le nombre d'erreurs. Mais financièrement, elle fait également d'OpenClaw l'outil agentique le plus cher du marché lorsqu'on utilise Anthropic ou OpenAI directement.

Comparaison de la vitesse de consommation avec d'autres outils pour la même tâche :

• Cursor Agent : ~5K—50K tokens par tâche
• Cline : ~500K—5M tokens par tâche
• Claude Code : ~200K—3M tokens par tâche
• OpenClaw : ~3M—50M tokens par tâche (×5—10 de Cline)

OpenClaw prend en charge tous les fournisseurs compatibles OpenAI via des variables d'environnement et un fichier de configuration. Cela signifie que le passage de l'API Anthropic à JoinGonka Gateway ne nécessite aucune modification de code dans OpenClaw lui-même — seulement le changement d'endpoint et de clé API.

Comparaison par types de tâches :

L'architecture multi-niveaux d'OpenClaw, qui le rend coûteux chez Anthropic, devient un avantage chez JoinGonka : plus d'appels de rôles = plus de précision dans la prise de décision, et maintenant cela ne coûte presque rien. Il est possible d'activer tous les critiques et vérificateurs, de laisser les exécutions autonomes tourner la nuit, d'expérimenter avec de longues chaînes — sans craindre de voir une facture à quatre chiffres le matin.

JoinGonka Gateway facture l'entrée et la sortie — des fractions de centime par million de tokens (la sortie est plus chère que l'entrée). Chez Anthropic, l'input coûte $3, l'output $15 : même la sortie de JoinGonka est des centaines de fois moins chère, ce qui est particulièrement avantageux pour OpenClaw, qui génère beaucoup de tokens d'output lors des échanges de rôles.

Ce qu'il y a sous le capot — le modèle Kimi K2.6 (architecture MoE). Pour les tâches de rôles (planification, exécution, critique), ses capacités de structured output et tool calling sont essentielles : le modèle prend en charge nativement le tool calling. Sur le benchmark SWE-bench, qui mesure la qualité du développement autonome, Kimi K2.6 se situe au niveau de Claude Sonnet 4.6. Plus de détails dans l'article sur Qwen3-235B. Le contexte général du marché — dans l'aperçu de l'API AI la moins chère en 2026.

Le moyen le plus simple est d'utiliser le programme d'installation en une seule commande : il configurera lui-même le fournisseur JoinGonka dans ~/.openclaw/openclaw.json avec le baseUrl correct et les modèles, en effectuant une sauvegarde de votre configuration actuelle :

npx @joingonka/setup --tool openclaw

C'est l'installateur universel de JoinGonka — sans le flag npx @joingonka/setup, il vous proposera de choisir un outil (Claude Code, OpenClaw ou Cline), vous demandera une clé API (jg-…) et ajoutera uniquement le fournisseur JoinGonka sans toucher aux autres paramètres. Voici ci-dessous la méthode manuelle, si vous préférez configurer vous-même.

{
  "models": {
    "providers": {
      "gonka": {
        "baseUrl": "https://gate.joingonka.ai/v1",
        "api": "openai-completions",
        "apiKey": "${GONKA_API_KEY}",
        "models": [
          { "id": "moonshotai/Kimi-K2.6", "name": "Kimi K2.6", "maxTokens": 8192 },
          { "id": "MiniMaxAI/MiniMax-M2.7", "name": "MiniMax M2.7", "maxTokens": 8192 },
          { "id": "deepseek-ai/DeepSeek-V4-Flash-0731", "name": "DeepSeek V4 Flash", "maxTokens": 32768 }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": { "primary": "gonka/moonshotai/Kimi-K2.6" }
    }
  }
}

export GONKA_API_KEY=jg-votre-cle

Comparons trois profils d'utilisation typiques d'OpenClaw en production.

Profil 1 : « Expérimentation avec des agents ». Un développeur exécute OpenClaw 5 à 10 fois par semaine, principalement sur des tâches moyennes pour évaluer la qualité. Consommation mensuelle : ~50M total tokens.

• Anthropic : 50M × $0.005 ≈ $250/mois
• JoinGonka : 50M × $0.0099 = $0.50/mois. Économie : ~500 fois.

Profil 2 : « Utilisation régulière dans le workflow ». OpenClaw est exécuté quotidiennement sur des tâches complexes, parfois laissé sur de longues sessions autonomes. Consommation mensuelle : ~500M total tokens.

• Anthropic : 500M × $0.005 ≈ $2500/mois
• JoinGonka : 500M × $0.0099 = $4.95/mois. Économie : ~500 fois.

Profil 3 : « Production-pipeline sur OpenClaw ». Une équipe a automatisé une partie de ses flux de travail via OpenClaw — génération de rapports, refactoring de code ancien, code review. Consommation : ~3B total tokens par mois.

• Anthropic : 3B × $0.005 = $15000/mois
• JoinGonka : 3B × $0.0099 = $29.7/mois. Économie : ~500 fois.

Au niveau du Profil 3, l'effet est particulièrement intéressant — OpenClaw passe de « trop cher pour une automatisation régulière » à « tellement bon marché qu'on peut tout automatiser ». Cela change l'économie même de la prise de décision : une tâche qui semblait auparavant trop coûteuse pour un agent peut désormais lui être confiée sans hésitation.

Sur une base annuelle, pour un utilisateur actif, l'économie est d'environ 30 000 $, et pour une équipe, de 180 000 $. Ce n'est plus seulement une optimisation budgétaire, c'est un changement qualitatif dans la manière dont l'équipe utilise l'agentic AI : gratuitement au lieu de « selon le budget ».

En même temps, OpenClaw en tant qu'outil reste inchangé : les mêmes pipelines de rôles, la même décomposition qualitative, le même contrôle via les critiques. Seule la source d'inference change — et avec elle, l'économie de tout le workflow.

Stratégie de mixage des modèles dans OpenClaw. OpenClaw prend en charge différents modèles pour différents rôles dans le pipeline. Via JoinGonka Gateway, vous pouvez assigner MiniMax M2.7 pour toutes les étapes (modèle universel), ou le combiner avec Kimi K2.6 pour le critique et la vérification finale, et pour les prompts les plus larges, utiliser DeepSeek V4 Flash (380K de contexte) — Kimi possède un long contexte et un raisonnement puissant, particulièrement utile lors de l'évaluation de résultats à plusieurs étapes. Comme les trois modèles sont facturés à $0.0047/1M, aucun bonus financier n'est obtenu en utilisant un modèle plus « léger » pour des rôles bon marché — mais vous pouvez ajuster finement la qualité des réponses pour chaque étape du pipeline.

Production-case : automatisation du code review. L'un des scénarios réels rendus possibles par l'économie JoinGonka est le code review automatique pour chaque pull request via OpenClaw. Pipeline : « lire le diff → analyser chaque fichier → vérifier la couverture des tests → rédiger un rapport final ». Sur Anthropic, ce pipeline coûterait environ 5 à 15 $ par PR ; sur JoinGonka, 0,007 à 0,017 $. Une équipe de 10 développeurs effectuant 50 PR par jour passe de 750 $/jour sur Anthropic à 0,83 $/jour sur JoinGonka — et l'agent de code review passe du statut de luxe à celui de workflow quotidien.