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

OpenClaw è un agente autonomo con un'architettura multilivello. A differenza dei semplici assistenti, dove un prompt va al modello e restituisce una risposta, OpenClaw costruisce una catena di diversi ruoli e diverse iterazioni. Ogni anello della catena consuma token, e il consumo finale per un singolo compito utente supera quello di un assistente di chat di un ordine di grandezza o più.

Il tipico workflow di OpenClaw per il compito "scrivere il modulo X":

1. Il pianificatore legge la descrizione del compito e l'intero contesto del progetto (~30K input + 2K output)
2. Il decompositore scompone il piano in sotto-compiti (~20K input + 1K output)
3. L'esecutore per ogni sotto-compito: legge i file, genera il codice, applica le patch (5-15 iterazioni × ~50K input + 3K output)
4. Il critico controlla i risultati e suggerisce le correzioni (~40K input + 2K output)
5. Il correttore applica le correzioni (5-10 iterazioni × ~30K input + 2K output)
6. Verifica finale e stesura del rapporto (~30K input + 1.5K output)

Sommate tutto: per un compito medio, OpenClaw spende 800K-1.5M input-token e 50-120K output-token. Per compiti complessi con lunghe iterazioni autonome, il consumo sale a 5-15M input + 200-500K output.

Cifre reali per tipi di compiti specifici:

• Funzione semplice (una funzione con test): ~600K token totali ≈ $3 su Anthropic
• Funzione media (nuovo modulo di 200 righe): ~3M token totali ≈ $12
• Funzione complessa (refactoring + nuova funzionalità): ~10M token totali ≈ $35
• Compito autonomo lungo (esecuzione di un'ora con critico e iterazioni): 30-50M token totali ≈ $100-170
• Giornata intera dell'agente con più compiti in OpenClaw: 100-200M token totali ≈ $350-700

La differenza principale rispetto a Cline o Cursor è che OpenClaw effettua 3-5 chiamate di ruolo ad ogni passaggio, mentre Cline ne effettua una. Questo non è un bug - è una feature che aumenta la qualità del processo decisionale e riduce il numero di errori. Ma dal punto di vista monetario, rende OpenClaw lo strumento agentico più costoso sul mercato se si usa Anthropic o OpenAI direttamente.

Confronto della velocità di consumo con altri strumenti sullo stesso compito:

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

OpenClaw supporta qualsiasi provider compatibile con OpenAI tramite variabili d'ambiente e file di configurazione. Ciò significa che passare dall'API Anthropic al JoinGonka Gateway non richiede nemmeno una riga di modifica nel codice di OpenClaw: basta cambiare l'endpoint e la chiave API.

Confronto per tipologia di task:

L'architettura multilivello di OpenClaw, che la rende costosa con Anthropic, diventa un vantaggio con JoinGonka: più chiamate di ruolo significano maggiore accuratezza decisionale, e ora non costa quasi nulla. È possibile attivare tutti i critici e i verificatori, lasciare esecuzioni autonome durante la notte, sperimentare lunghe catene di pensieri, senza il timore di trovare un conto a quattro cifre al mattino.

JoinGonka Gateway tariffa ingresso e uscita: frazioni di centesimo per milione di token (l'output costa più dell'input). In Anthropic l'input costa $3, l'output $15: persino 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.

Sotto il cofano c'è il modello Kimi K2.6 (architettura MoE). Per i task basati sui ruoli (pianificazione, esecuzione, critica) le sue capacità di structured output e tool calling sono essenziali: il modello supporta il tool calling nativo. Nel benchmark SWE-bench, che misura la qualità dello sviluppo autonomo, Kimi K2.6 si mantiene al livello di Claude Sonnet 4.6. Maggiori dettagli nell'articolo su Qwen3-235B. Il contesto generale di mercato è nel riepilogo del AI API più economico nel 2026.

Il modo più semplice è tramite l'installatore a comando singolo: scriverà automaticamente il provider JoinGonka in ~/.openclaw/openclaw.json con il baseUrl e i modelli corretti, creando un backup della configurazione corrente:

npx @joingonka/setup --tool openclaw

Questo è l'installatore universale di JoinGonka — senza il flag npx @joingonka/setup ti chiederà di scegliere lo strumento (Claude Code, OpenClaw o Cline), chiederà la chiave API (jg-…) e aggiungerà solo il provider JoinGonka, senza toccare le altre impostazioni. Di seguito è riportato il percorso manuale, se preferisci configurarlo da solo.

{
  "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 }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": { "primary": "gonka/moonshotai/Kimi-K2.6" }
    }
  }
}

export GONKA_API_KEY=jg-la-tua-chiave

Confrontiamo tre tipici profili di utilizzo di OpenClaw in produzione.

Profilo 1: «Esperimento con agenti». Lo 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 × $0.0048 = $0.24/mese. Risparmio di 1040 volte.

Profilo 2: «Uso regolare come parte del workflow». OpenClaw viene eseguito su task complessi ogni giorno, a volte lasciato in sessioni autonome prolungate. Consumo mensile: ~500M total tokens.

• Anthropic: 500M × $0.005 ≈ $2500/mese
• JoinGonka: 500M × $0.0048 = $2.40/mese. Risparmio di 1040 volte.

Profilo 3: «Production-pipeline su OpenClaw». Il team ha automatizzato parte dei processi di lavoro 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 × $0.0048 = $14.40/mese. Risparmio di 1040 volte.

Al livello del Profilo 3 l'effetto è particolarmente interessante: OpenClaw passa dall'essere «troppo costoso per l'automazione regolare» all'essere «così economico che si può automatizzare tutto ciò che è possibile». Questo cambia l'economia stessa del processo decisionale: un task che prima sembrava troppo costoso per un agente, ora può essergli affidato senza esitazioni.

Su un orizzonte annuale, per un utente attivo il risparmio è di circa $30000, per un team $180000. Non si tratta più solo di ottimizzare il budget, ma di un cambiamento qualitativo nel modo in cui un team utilizza l'agentic AI: gratis invece che «secondo budget».

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

Strategia di mix di modelli in OpenClaw: OpenClaw supporta modelli diversi per ruoli diversi nella pipeline. Tramite JoinGonka Gateway è possibile assegnare MiniMax M2.7 per tutte le fasi (modello universale) oppure combinarlo con Kimi K2.6 per il critico e la verifica finale: Kimi ha un contesto lungo e un forte reasoning, particolarmente utile quando si valutano risultati multi-step. Dato che entrambi i modelli sono tariffati a $0.003/1M, non si otterrebbe alcun bonus finanziario dall'uso di un modello più «leggero» nei ruoli economici, ma è possibile regolare finemente la qualità delle risposte per ogni fase della pipeline.

Production-case: automazione della code review. Uno degli scenari reali resi possibili dall'economia di JoinGonka è la code review automatica per ogni pull request tramite OpenClaw. Pipeline: «leggere diff → analizzare ogni file → verificare la copertura test → redigere un report finale». Su Anthropic, questa pipeline consumerebbe ~$5—15 per singolo PR; su JoinGonka — $0.01—0.024. Un team di 10 sviluppatori, che fa 50 PR al giorno, passa da $750/giorno su Anthropic a $1.20/giorno su JoinGonka: l'agente di code review si trasforma da lusso a workflow quotidiano.