Mức sử dụng token và chi phí

OpenClaw theo dõi token, không phải ký tự. Token phụ thuộc vào từng mô hình, nhưng hầu hết các mô hình kiểu OpenAI trung bình khoảng 4 ký tự mỗi token đối với văn bản tiếng Anh.

# Cách xây dựng prompt hệ thống

OpenClaw tự lắp ráp prompt hệ thống của nó trong mỗi lần chạy. Prompt này bao gồm:

• Danh sách công cụ + mô tả ngắn
• Danh sách Skills (chỉ siêu dữ liệu; hướng dẫn được tải theo nhu cầu bằng read). Khối Skills rút gọn được giới hạn bởi skills.limits.maxSkillsPromptChars, với ghi đè tùy chọn cho từng agent tại agents.list[].skillsLimits.maxSkillsPromptChars.
• Hướng dẫn tự cập nhật
• Workspace + các tệp bootstrap (AGENTS.md, SOUL.md, TOOLS.md, IDENTITY.md, USER.md, HEARTBEAT.md, BOOTSTRAP.md khi mới, cộng với MEMORY.md khi có). Root memory.md viết thường không được chèn; nó là đầu vào sửa chữa kế thừa cho openclaw doctor --fix khi đi kèm với MEMORY.md. Các tệp lớn được cắt ngắn bởi agents.defaults.bootstrapMaxChars (mặc định: 12000), và tổng lượng chèn bootstrap được giới hạn bởi agents.defaults.bootstrapTotalMaxChars (mặc định: 60000). Các tệp hằng ngày memory/*.md không thuộc prompt bootstrap thông thường; chúng vẫn được truy cập theo nhu cầu thông qua công cụ bộ nhớ trong các lượt bình thường, nhưng các lần chạy mô hình reset/khởi động có thể thêm trước một khối ngữ cảnh khởi động dùng một lần với bộ nhớ hằng ngày gần đây cho lượt đầu tiên đó. Các lệnh chat trần /new và /reset được xác nhận mà không gọi mô hình. Phần mở đầu khởi động được kiểm soát bởi agents.defaults.startupContext.
• Thời gian (UTC + múi giờ người dùng)
• Thẻ trả lời + hành vi Heartbeat
• Siêu dữ liệu runtime (host/OS/mô hình/thinking)

Xem phân tích đầy đủ trong Prompt hệ thống.

# Những gì được tính trong cửa sổ ngữ cảnh

Mọi thứ mô hình nhận được đều được tính vào giới hạn ngữ cảnh:

• Prompt hệ thống (tất cả các phần được liệt kê ở trên)
• Lịch sử hội thoại (tin nhắn người dùng + assistant)
• Lệnh gọi công cụ và kết quả công cụ
• Tệp đính kèm/bản ghi (hình ảnh, âm thanh, tệp)
• Tóm tắt Compaction và các tạo tác cắt tỉa
• Wrapper của nhà cung cấp hoặc header an toàn (không hiển thị, nhưng vẫn được tính)

Một số bề mặt nặng về runtime có giới hạn rõ ràng riêng:

• agents.defaults.contextLimits.memoryGetMaxChars
• agents.defaults.contextLimits.memoryGetDefaultLines
• agents.defaults.contextLimits.toolResultMaxChars
• agents.defaults.contextLimits.postCompactionMaxChars

Ghi đè theo từng agent nằm dưới agents.list[].contextLimits. Các núm điều chỉnh này dành cho đoạn trích runtime có giới hạn và các khối do runtime sở hữu được chèn vào. Chúng tách biệt với giới hạn bootstrap, giới hạn ngữ cảnh khởi động và giới hạn prompt Skills.

Đối với hình ảnh, OpenClaw giảm kích thước payload hình ảnh trong bản ghi/công cụ trước khi gọi nhà cung cấp. Dùng agents.defaults.imageMaxDimensionPx (mặc định: 1200) để tinh chỉnh:

• Giá trị thấp hơn thường giảm mức dùng token thị giác và kích thước payload.
• Giá trị cao hơn giữ lại nhiều chi tiết hình ảnh hơn cho ảnh chụp màn hình nặng OCR/UI.

Để có phân tích thực tế (theo từng tệp được chèn, công cụ, Skills và kích thước prompt hệ thống), dùng /context list hoặc /context detail. Xem Ngữ cảnh.

# Cách xem mức dùng token hiện tại

Dùng các lệnh này trong chat:

• /status → thẻ trạng thái nhiều emoji với mô hình phiên, mức dùng ngữ cảnh, token đầu vào/đầu ra của phản hồi gần nhất và chi phí ước tính (chỉ API key).
• /usage off|tokens|full → thêm footer mức dùng theo từng phản hồi vào mọi câu trả lời.
  • Duy trì theo từng phiên (được lưu dưới dạng responseUsage).
  • Xác thực OAuth ẩn chi phí (chỉ token).
• /usage cost → hiển thị tóm tắt chi phí cục bộ từ nhật ký phiên OpenClaw.

Các bề mặt khác:

• TUI/Web TUI: hỗ trợ /status + /usage.
• CLI: openclaw status --usage và openclaw channels list hiển thị các cửa sổ hạn mức nhà cung cấp đã chuẩn hóa (X% left, không phải chi phí theo từng phản hồi). Các nhà cung cấp có cửa sổ mức dùng hiện tại: Anthropic, GitHub Copilot, Gemini CLI, OpenAI Codex, MiniMax, Xiaomi và z.ai.

Các bề mặt mức dùng chuẩn hóa những bí danh trường gốc phổ biến của nhà cung cấp trước khi hiển thị. Đối với lưu lượng Responses thuộc họ OpenAI, điều đó bao gồm cả input_tokens / output_tokens và prompt_tokens / completion_tokens, nên tên trường đặc thù theo transport không làm thay đổi /status, /usage hoặc tóm tắt phiên. Mức dùng JSON của Gemini CLI cũng được chuẩn hóa: văn bản trả lời lấy từ response, và stats.cached ánh xạ sang cacheRead với stats.input_tokens - stats.cached được dùng khi CLI bỏ qua trường stats.input rõ ràng. Đối với lưu lượng Responses gốc thuộc họ OpenAI, bí danh mức dùng WebSocket/SSE được chuẩn hóa theo cùng cách, và tổng sẽ dự phòng về đầu vào + đầu ra đã chuẩn hóa khi total_tokens bị thiếu hoặc là 0. Khi snapshot phiên hiện tại thưa dữ liệu, /status và session_status cũng có thể khôi phục bộ đếm token/cache và nhãn mô hình runtime đang hoạt động từ nhật ký mức dùng bản ghi gần nhất. Các giá trị live khác 0 hiện có vẫn được ưu tiên hơn giá trị dự phòng từ bản ghi, và tổng bản ghi thiên về prompt lớn hơn có thể thắng khi tổng đã lưu bị thiếu hoặc nhỏ hơn. Xác thực mức dùng cho cửa sổ hạn mức nhà cung cấp đến từ các hook dành riêng cho nhà cung cấp khi có sẵn; nếu không OpenClaw dự phòng bằng cách khớp thông tin xác thực OAuth/API-key từ hồ sơ xác thực, env hoặc cấu hình. Các mục bản ghi assistant lưu cùng một hình dạng mức dùng đã chuẩn hóa, bao gồm usage.cost khi mô hình đang hoạt động có cấu hình giá và nhà cung cấp trả về siêu dữ liệu mức dùng. Điều này cho /usage cost và trạng thái phiên dựa trên bản ghi một nguồn ổn định ngay cả sau khi trạng thái runtime live không còn.

OpenClaw giữ phần hạch toán mức dùng nhà cung cấp tách biệt với snapshot ngữ cảnh hiện tại. usage.total của nhà cung cấp có thể bao gồm đầu vào đã lưu cache, đầu ra và nhiều lệnh gọi mô hình trong vòng lặp công cụ, nên nó hữu ích cho chi phí và telemetry nhưng có thể phóng đại cửa sổ ngữ cảnh live. Hiển thị ngữ cảnh và chẩn đoán dùng snapshot prompt mới nhất (promptTokens, hoặc lệnh gọi mô hình cuối cùng khi không có snapshot prompt) cho context.used.

# Ước tính chi phí (khi hiển thị)

Chi phí được ước tính từ cấu hình giá mô hình của bạn:

models.providers.<provider>.models[].cost

Đây là USD trên 1 triệu token cho input, output, cacheRead và cacheWrite. Nếu thiếu giá, OpenClaw chỉ hiển thị token. Token OAuth không bao giờ hiển thị chi phí bằng đô la.

Sau khi sidecar và kênh đi tới đường dẫn sẵn sàng của Gateway, OpenClaw bắt đầu một bootstrap giá nền tùy chọn cho các ref mô hình đã cấu hình nhưng chưa có giá cục bộ. Bootstrap đó lấy catalog giá OpenRouter và LiteLLM từ xa. Đặt models.pricing.enabled: false để bỏ qua các lần lấy catalog đó trên mạng ngoại tuyến hoặc bị hạn chế; các mục models.providers.*.models[].cost rõ ràng tiếp tục điều khiển ước tính chi phí cục bộ.

# TTL cache và tác động cắt tỉa

Bộ nhớ đệm prompt của nhà cung cấp chỉ áp dụng trong cửa sổ TTL cache. OpenClaw có thể tùy chọn chạy cắt tỉa cache-ttl: nó cắt tỉa phiên sau khi TTL cache hết hạn, rồi đặt lại cửa sổ cache để các yêu cầu tiếp theo có thể dùng lại ngữ cảnh mới được cache thay vì cache lại toàn bộ lịch sử. Điều này giúp giữ chi phí ghi cache thấp hơn khi một phiên rảnh quá TTL.

Cấu hình trong Cấu hình Gateway và xem chi tiết hành vi trong Cắt tỉa phiên.

Heartbeat có thể giữ cache ấm qua các khoảng rảnh. Nếu TTL cache của mô hình là 1h, đặt khoảng Heartbeat ngay dưới mức đó (ví dụ: 55m) có thể tránh cache lại toàn bộ prompt, giảm chi phí ghi cache.

Trong thiết lập nhiều agent, bạn có thể giữ một cấu hình mô hình dùng chung và tinh chỉnh hành vi cache theo từng agent bằng agents.list[].params.cacheRetention.

Để có hướng dẫn đầy đủ theo từng núm điều chỉnh, xem Bộ nhớ đệm prompt.

Đối với giá Anthropic API, lượt đọc cache rẻ hơn đáng kể so với token đầu vào, trong khi lượt ghi cache được tính phí với hệ số cao hơn. Xem giá bộ nhớ đệm prompt của Anthropic để biết mức giá và hệ số TTL mới nhất: https://docs.anthropic.com/docs/build-with-claude/prompt-caching

# Ví dụ: giữ ấm cache 1h bằng heartbeat

agents:
  defaults:
    model:
      primary: "anthropic/claude-opus-4-6"
    models:
      "anthropic/claude-opus-4-6":
        params:
          cacheRetention: "long"
    heartbeat:
      every: "55m"

# Ví dụ: lưu lượng hỗn hợp với chiến lược cache theo từng agent

agents:
  defaults:
    model:
      primary: "anthropic/claude-opus-4-6"
    models:
      "anthropic/claude-opus-4-6":
        params:
          cacheRetention: "long" # default baseline for most agents
  list:
    - id: "research"
      default: true
      heartbeat:
        every: "55m" # keep long cache warm for deep sessions
    - id: "alerts"
      params:
        cacheRetention: "none" # avoid cache writes for bursty notifications

agents.list[].params được hợp nhất lên trên params của mô hình đã chọn, nên bạn có thể chỉ ghi đè cacheRetention và kế thừa các mặc định mô hình khác không đổi.

# Ví dụ: bật header beta ngữ cảnh 1 triệu của Anthropic

Cửa sổ ngữ cảnh 1 triệu của Anthropic hiện được kiểm soát bằng beta. OpenClaw có thể chèn giá trị anthropic-beta bắt buộc khi bạn bật context1m trên các mô hình Opus hoặc Sonnet được hỗ trợ.

agents:
  defaults:
    models:
      "anthropic/claude-opus-4-6":
        params:
          context1m: true

Điều này ánh xạ tới header beta context-1m-2025-08-07 của Anthropic.

Điều này chỉ áp dụng khi context1m: true được đặt trên mục mô hình đó.

Yêu cầu: thông tin xác thực phải đủ điều kiện dùng ngữ cảnh dài. Nếu không, Anthropic phản hồi bằng lỗi giới hạn tốc độ phía nhà cung cấp cho yêu cầu đó.

Nếu bạn xác thực Anthropic bằng token OAuth/gói đăng ký (sk-ant-oat-*), OpenClaw bỏ qua header beta context-1m-* vì Anthropic hiện từ chối tổ hợp đó bằng HTTP 401.

# Mẹo giảm áp lực token

• Dùng /compact để tóm tắt các phiên dài.
• Cắt bớt đầu ra công cụ lớn trong workflow của bạn.
• Giảm agents.defaults.imageMaxDimensionPx cho các phiên nhiều ảnh chụp màn hình.
• Giữ mô tả Skills ngắn (danh sách Skills được chèn vào prompt).
• Ưu tiên mô hình nhỏ hơn cho công việc thăm dò, nhiều lời.

Xem Skills để biết công thức chính xác về phần phát sinh của danh sách Skills.

# Liên quan

• Mức dùng API và chi phí
• Bộ nhớ đệm prompt
• Theo dõi mức dùng