OpenClaw costa caro: perché l'agente brucia token e come risparmiare

OpenClaw è un autonomous agent con un'architettura multi-livello. A differenza dei semplici assistenti, dove un singolo prompt va al modello e torna una risposta, OpenClaw costruisce una catena composta da più ruoli e più iterazioni. Ogni anello della catena consuma token, e il consumo totale per una singola attività dell'utente supera quello di un assistente chat di un ordine di grandezza e più.

Il workflow tipico di OpenClaw su un'attività del tipo «scrivi il modulo X»:

1. Planner legge la task description e tutto il contesto del progetto (~30K input + 2K output)
2. Decomposer suddivide il piano in sotto-attività (~20K input + 1K output)
3. Executor per ogni sotto-attività: legge i file, genera il codice, applica le patch (5—15 iterazioni × ~50K input + 3K output)
4. Critic verifica i risultati e propone correzioni (~40K input + 2K output)
5. Corrector applica le correzioni (5—10 iterazioni × ~30K input + 2K output)
6. Verifica finale e stesura del report (~30K input + 1.5K output)

Somma tutto — per un'attività media OpenClaw consuma 800K—1.5M input token e 50—120K output token. Sulle attività complesse con lunghe iterazioni autonome il consumo sale fino a 5—15M input + 200—500K output.

Numeri reali per tipi specifici di attività:

• Feature semplice (una funzione con test): ~600K total token ≈ $3 su Anthropic
• Feature media (nuovo modulo da 200 righe): ~3M total token ≈ $12
• Feature complessa (refactoring + nuove funzionalità): ~10M total token ≈ $35
• Attività autonoma lunga (esecuzione di un'ora con critic e iterazioni): 30—50M total token ≈ $100—170
• Una giornata intera dell'agent con più attività in OpenClaw: 100—200M total token ≈ $350—700

La differenza principale rispetto a Cline o Cursor — OpenClaw effettua 3—5 chiamate di ruolo a ogni passo, mentre Cline ne fa una sola. Non è un bug — è una feature che migliora la qualità delle decisioni e riduce il numero di errori. Ma in termini economici è anche ciò che rende OpenClaw lo strumento agentic più costoso sul mercato quando si usano Anthropic o OpenAI direttamente.

Confronto della velocità di consumo con altri strumenti sulla stessa attività:

• Cursor Agent: ~5K—50K token per attività
• Cline: ~500K—5M token per attività
• Claude Code: ~200K—3M token per attività
• OpenClaw: ~3M—50M token per attività (×5—10 rispetto a Cline)

OpenClaw supporta qualsiasi provider OpenAI-compatible tramite variabili d'ambiente e file di configurazione. Ciò significa che il passaggio da Anthropic API a JoinGonka Gateway non richiede nemmeno una riga di modifica nel codice stesso di OpenClaw — solo il cambio di endpoint e API-key.

Confronto per tipo di attività:

L'architettura multilivello di OpenClaw, che lo rende costoso con Anthropic, su JoinGonka si trasforma in un vantaggio: più chiamate di ruolo = maggiore precisione delle decisioni, e ora non costa quasi nulla. Puoi attivare tutti i critici e i supervisori, lasciare esecuzioni autonome durante la notte, sperimentare con lunghe catene — senza la paura di vedere al mattino una fattura a quattro cifre.

JoinGonka Gateway tariffa l'input e l'output — frazioni di centesimo per milione di token (l'output costa più dell'input). Con Anthropic l'input costa $3, l'output $15: anche l'output di JoinGonka è centinaia di volte più economico, il che è particolarmente vantaggioso per OpenClaw, che genera molti output-token negli scambi di ruolo.

Cosa c'è sotto il cofano — i modelli MoE aperti della rete: MiniMax M2.7 (modello predefinito nel config qui sotto), DeepSeek V4 Flash e GLM-5.3 Flash. Per i compiti basati sui ruoli (pianificazione, esecuzione, critica) sono essenziali structured output e tool calling — tutti e tre i modelli supportano la chiamata nativa agli strumenti. Nel benchmark SWE-bench Verified, che misura la qualità dello sviluppo autonomo, DeepSeek V4 Flash si avvicina ai leader chiusi. Maggiori dettagli — nell'articolo sui migliori modelli per il codice. Il contesto generale del mercato — nella panoramica dell'AI API più economica nel 2026.

Il modo più semplice è l'installer con un solo comando: configura da solo il provider JoinGonka in ~/.openclaw/openclaw.json con il baseUrl e i modelli corretti, facendo prima un backup della configurazione attuale:

npx @joingonka/setup --tool openclaw

Questo è l'installer universale di JoinGonka — senza il flag npx @joingonka/setup ti propone di scegliere uno strumento da un elenco (ormai sono 25: Claude Code, Codex CLI, OpenClaw, Cline e altri — elenco completo), ti chiede l'API key (jg-…) e aggiunge solo il provider JoinGonka, senza toccare le altre impostazioni. Il modello principale sarà DeepSeek V4 Flash, mentre GLM-5.3 Flash e MiniMax M2.7 faranno da riserva: se un modello è occupato, l'agente passa al successivo invece di fermarsi. Qui sotto trovi la procedura manuale, se preferisci configurare tutto da te.

{
  "models": {
    "providers": {
      "gonka": {
        "baseUrl": "https://gate.joingonka.ai/v1",
        "api": "openai-completions",
        "apiKey": "jg-your-key",
        "models": [
          { "id": "deepseek-ai/DeepSeek-V4-Flash-0731", "name": "DeepSeek V4 Flash", "contextWindow": 380000, "maxTokens": 32768 },
          { "id": "zai-org/GLM-5.3-Flash", "name": "GLM-5.3 Flash", "contextWindow": 390000, "maxTokens": 8192 },
          { "id": "MiniMaxAI/MiniMax-M2.7", "name": "MiniMax M2.7", "contextWindow": 200000, "maxTokens": 8192 }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "gonka/deepseek-ai/DeepSeek-V4-Flash-0731",
        "fallbacks": ["gonka/zai-org/GLM-5.3-Flash", "gonka/MiniMaxAI/MiniMax-M2.7"]
      }
    }
  }
}

Confrontiamo tre profili tipici di utilizzo di OpenClaw in produzione.

Profilo 1: "Esperimento con agenti". Uno sviluppatore esegue OpenClaw 5-10 volte a settimana, principalmente su task medi per valutare la qualità. Consumo mensile — ~50M total tokens.

• Anthropic: 50M × $0.005 ≈ $250/mese
• JoinGonka: 50M × $0.0099 = $0.50/mese. Risparmio — di circa 500 volte.

Profilo 2: "Utilizzo regolare come parte del workflow". OpenClaw viene eseguito su task complessi ogni giorno, a volte lasciato per sessioni autonome prolungate. Consumo mensile — ~500M total tokens.

• Anthropic: 500M × $0.005 ≈ $2500/mese
• JoinGonka: 500M × $0.0099 = $4.95/mese. Risparmio — di circa 500 volte.

Profilo 3: "Production-pipeline su OpenClaw". Il team ha automatizzato parte dei processi lavorativi tramite OpenClaw — generazione di report, refactoring di vecchio codice, code review. Consumo — ~3B total tokens al mese.

• Anthropic: 3B × $0.005 = $15000/mese
• JoinGonka: 3B × $0.0099 = $29.7/mese. Risparmio — di circa 500 volte.

A livello del Profilo 3 l'effetto è particolarmente interessante — OpenClaw passa da "troppo costoso per un'automazione regolare" a "così economico che si può automatizzare tutto il possibile". Questo cambia l'economia stessa del processo decisionale: un compito che prima sembrava troppo costoso per un agente, ora può essergli affidato senza pensarci due volte.

Su un orizzonte annuale, per un utente attivo il risparmio è di circa $30000, per un team di $180000. Questa non è solo un'ottimizzazione di budget, è un cambiamento qualitativo del modo in cui il team utilizza l'agentic AI: gratis invece che "secondo budget".

Allo stesso tempo, OpenClaw come strumento rimane invariato: stessi pipeline di ruolo, stessa decomposizione di qualità, stesso controllo tramite i critici. Cambia solo la fonte di inference — e con essa cambia l'economia dell'intero workflow.

Strategia di mix di modelli in OpenClaw. OpenClaw supporta diversi modelli per diversi ruoli nel pipeline. Tramite JoinGonka Gateway puoi assegnare MiniMax M2.7 per tutte le fasi (modello universale), oppure combinarlo con GLM-5.3 Flash per il critico e la verifica finale — il modello reasoning ragiona prima di rispondere, il che è particolarmente utile per valutare risultati multi-step — mentre per i prompt grandi senza ragionamento impostare DeepSeek V4 Flash (380K context). Poiché tutti e tre i modelli sono tariffati a $0.0069/1M, non otterrai alcun bonus finanziario dall'uso di un modello più "leggero" nei ruoli economici — ma puoi regolare finemente la qualità delle risposte per ogni fase del pipeline.

Production-case: automazione code review. Uno degli scenari reali resi possibili dall'economia di JoinGonka — code review automatico per ogni pull request tramite OpenClaw. Pipeline: "leggere diff → analizzare ogni file → verificare la copertura dei test → compilare un report finale". Su Anthropic questo pipeline consumerebbe ~$5-15 per PR; su JoinGonka — $0.007-0.017. Un team di 10 sviluppatori, che fa 50 PR al giorno, passa da $750/giorno su Anthropic a $0.83/giorno su JoinGonka — e l'agente di code review si trasforma da un lusso a un workflow quotidiano.