OpenClawは高くつく — なぜエージェントはトークンを浪費するのか、どう節約すべきか

OpenClawは多層アーキテクチャを備えた自律型エージェントです。1つのプロンプトをモデルに送って応答を受け取るだけのシンプルなアシスタントとは異なり、OpenClawは複数の役割と複数のイテレーションからなるチェーンを構築します。チェーンの各リンクがトークンを消費するため、1つのユーザータスクあたりの最終的な消費量はチャットアシスタントの10倍以上に達します。

「モジュールXを書く」というタスクにおけるOpenClawの典型的なワークフロー：

1. プランナーがタスク記述とプロジェクトの全コンテキストを読み取る（約30K input + 2K output）
2. デコンポーザーが計画をサブタスクに分割する（約20K input + 1K output）
3. 実行者が各サブタスクを処理：ファイルを読み、コードを生成し、パッチを適用（5～15イテレーション × 約50K input + 3K output）
4. クリティックが結果を検証し、修正案を提示（約40K input + 2K output）
5. コレクターが修正を適用（5～10イテレーション × 約30K input + 2K output）
6. 最終チェックとレポート作成（約30K input + 1.5K output）

すべてを合計すると、OpenClawは中規模のタスク1つあたり800K～1.5Mのinputトークンと50～120Kのoutputトークンを消費します。長時間の自律的イテレーションを伴う複雑なタスクでは、消費量は5～15M input + 200～500K outputまで増大します。

タスクの種類ごとの実際の数値：

• シンプルな機能（テスト付きの1つの関数）：合計約600Kトークン ≈ Anthropicで$3
• 中規模の機能（200行の新規モジュール）：合計約3Mトークン ≈ $12
• 複雑な機能（リファクタリング＋新機能）：合計約10Mトークン ≈ $35
• 長時間の自律タスク（クリティックとイテレーションを伴う数時間の実行）：合計30～50Mトークン ≈ $100～170
• エージェントの丸一日でOpenClawの複数タスク：合計100～200Mトークン ≈ $350～700

ClineやCursorとの最大の違いは、OpenClawが各ステップで3～5回の役割呼び出しを行うのに対し、Clineは1回しか行わないことです。これはバグではなく、意思決定の質を高め、エラーの数を減らす機能です。しかし金銭的には、AnthropicやOpenAIを直接使用する場合、OpenClawを市場で最も高価なagenticツールにしています。

同じタスクにおける他のツールとの消費速度の比較：

• Cursor Agent：タスクあたり約5K～50Kトークン
• Cline：タスクあたり約500K～5Mトークン
• Claude Code：タスクあたり約200K～3Mトークン
• OpenClaw：タスクあたり約3M～50Mトークン（Clineの5～10倍）

OpenClawは、環境変数やconfigファイルを通じて、あらゆるOpenAI互換プロバイダーをサポートしています。つまり、Anthropic APIからJoinGonka Gatewayへの切り替えは、OpenClaw自体のコードを一行も変更することなく、endpointとAPIキーを変更するだけで完了します。

タスクタイプ別比較:

Anthropicでは高コストの原因となっていたOpenClawの階層型アーキテクチャが、JoinGonkaでは利点に変わります。役割ごとの呼び出しが増えるほど判断の精度が上がりますが、今やそのコストはほぼゼロです。全てのクリティックやバリデーターを有効にし、夜間に自律実行を放置し、長いチェーンで実験しても、朝になって4桁の請求書を見ることを恐れる必要はありません。

JoinGonka Gatewayは、入力と出力に対して課金され、100万トークンあたりセント単位（出力は入力より高価）です。Anthropicではinputが$3、outputが$15かかります。JoinGonkaの出力でさえAnthropicより数百倍安いため、役割の交換で多くのoutputトークンを生成するOpenClawにとっては非常に有利です。

内部では、MiniMax M2.7（以下の設定でのデフォルトモデル）、DeepSeek V4 Flash、GLM-5.3 Flashといったネットワーク上のオープンなMoEモデルが使用されています。役割ベースのタスク（計画、実行、批判）では、structured outputとtool callingが重要であり、3つのモデルすべてがネイティブでのツール呼び出しをサポートしています。自律的な開発品質を測定するSWE-bench Verifiedベンチマークでは、DeepSeek V4 Flashはクローズドなフラッグシップモデルに肉薄しています。詳細はコーディングに最適なモデルの記事を参照してください。市場全体の状況については、2026年版 最安のAI APIの概要をご覧ください。

一番簡単なのはワンコマンドのインストーラーです。JoinGonkaプロバイダーを~/.openclaw/openclaw.jsonに正しいbaseUrlとモデルとともに自動で書き込み、現在の設定をバックアップしてくれます：

npx @joingonka/setup --tool openclaw

これはJoinGonkaの汎用インストーラーです。npx @joingonka/setupをフラグなしで実行すると、ツール一覧から選択するよう促されます（すでに25種類：Claude Code、Codex CLI、OpenClaw、Clineなど — 完全なリスト）、APIキー（jg-…）を聞かれ、他の設定には触れずJoinGonkaプロバイダーだけを追記します。メインモデルはDeepSeek V4 Flash、フォールバックはGLM-5.3 FlashとMiniMax M2.7：モデルが混雑していればエージェントは次のモデルに切り替わり、停止しません。以下は自分で設定したい場合の手動手順です。

{
  "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"]
      }
    }
  }
}

OpenClawの典型的な本番環境での利用プロファイル3つを比較してみましょう。

プロファイル1：「エージェント実験」。開発者はOpenClawを週に5〜10回、主に品質評価のための中規模タスクで実行します。月間消費量は約50M total tokensです。

• Anthropic: 50M × $0.005 ≈ $250/月
• JoinGonka: 50M × $0.0099 = $0.50/月。約500倍のコスト削減。

プロファイル2：「ワークフローの一部としての定常利用」。OpenClawを複雑なタスクで毎日実行し、時には長時間自律実行セッションを行います。月間消費量は約500M total tokensです。

• Anthropic: 500M × $0.005 ≈ $2500/月
• JoinGonka: 500M × $0.0099 = $4.95/月。約500倍のコスト削減。

プロファイル3：「OpenClawによるProduction-pipeline」。チームがOpenClawを通じてレポート生成、古いコードのリファクタリング、code reviewなどのワークフローの一部を自動化しました。消費量は月間約3B total tokensです。

• Anthropic: 3B × $0.005 = $15000/月
• JoinGonka: 3B × $0.0099 = $29.7/月。約500倍のコスト削減。

Profile 3のレベルになるとその効果は特に興味深いものです。OpenClawは「定常的な自動化には高すぎる」ものから、「可能な限りすべてを自動化できるほど安い」ものへと変わります。これは意思決定の経済そのものを変えます。以前はエージェントには高すぎると見なされていたタスクが、今では迷いなくエージェントに任せられるようになるのです。

1年というスパンで見ると、アクティブなユーザーで約$30000、チームで約$180000の節約になります。これは単なる予算の最適化ではなく、チームがagentic AIをどのように活用するかという質的な変化です。「予算に合わせて」ではなく「無料で」使えるようになるのです。

同時に、ツールとしてのOpenClaw自体は何も変わりません。ロールごとのpipeline、高品質なデコンポジション、批評家を通じた制御はそのままです。変わるのはinferenceのソースのみであり、それとともにワークフロー全体の経済性が変わるのです。

OpenClawにおけるモデルミックス戦略。OpenClawはpipeline内の異なるロールに対して異なるモデルをサポートしています。JoinGonka Gateway経由で、すべてのステップにMiniMax M2.7（汎用モデル）を割り当てることも、あるいは批評家や最終確認のためにGLM-5.3 Flashを組み合わせることも可能です。reasoningモデルは回答前に推論を行うため、多段階の結果を評価する際に特に有用です。また、推論の必要がない長いプロンプトにはDeepSeek V4 Flash（380Kコンテキスト）を設定できます。これら3つのモデルはすべて$0.0069/1Mで課金されるため、安いロールで「軽量」モデルを使うことによる金銭的メリットはありませんが、pipelineの各段階に合わせて回答の品質を細かく調整することは可能です。

Production事例：code reviewの自動化。JoinGonkaの経済性によって可能になった現実的なシナリオの一つが、OpenClawを通じた各pull requestの自動code reviewです。Pipeline：「diffを読む → 各ファイルを分析 → テストカバレッジを確認 → 最終レポートを作成」。Anthropicではこのpipelineは1つのPRあたり~$5〜15を消費しますが、JoinGonkaでは$0.007〜0.017です。1日50回のPRを行う10人の開発者チームの場合、Anthropicでは1日$750かかるところを、JoinGonkaでは$0.83になり、code reviewエージェントは贅沢品から日常的なワークフローへと変わります。