Чат и LLM
Как выбрать модель для задачи агента
Сравните модели по завершённым задачам с инструментами, повторным попыткам и фактическим расходам.
Выбирайте модель на задаче, которую агент будет выполнять. Низкая цена токена полезна, когда модель доводит задачу до результата. При сравнении сохраняйте одинаковые контекст, права инструментов и критерий завершения.
Подключение описано в настройке OpenClaw.
Команда doctor из пакета интеграции
показывает модели и текущие тарифы на токены.
Один наблюдаемый результат
| Задача | Критерий завершения | Что считать ошибкой |
|---|---|---|
| Изменить локальную страницу | Правка внесена, страница открывается. | Посторонние изменения или пропавшие файлы. |
| Прочитать результат инструмента | Ответ использует полученное значение. | Выдуманное значение или пропуск вызова. |
| Добавить иллюстрацию | Готовый файл используется в артефакте. | Задача в очереди объявлена завершённой. |
Для первого сравнения используйте безопасные локальные примеры. Включите вызов инструмента и следующий шаг по его результату. Если подключение использует streaming, проверьте передачу аргументов инструмента в потоке. Обычный чат с HTTP 200 подтверждает только базовое соединение.
Единицы цены
GET /api/v1/models возвращает тарифы чата в USD за миллион токенов.
Оценка медиа возвращается в миллионных долях USD. Генерация может
оплачиваться за запрос или секунду: проверьте единицу выбранной модели.
Подробности — в руководстве по тарифам чата
и актуальном прайсе.
Фрагмент настроек OpenClaw использует ключ из окружения и осторожные клиентские лимиты контекста и ответа. Локальная таблица цен не заполняется. Отсутствие оценки в клиенте не означает бесплатный запрос. Фактические списания проверяйте в API Hubs.
Сравнение полных запусков
Для каждого запуска запишите модель, дату, версию задания, исход, время, вызовы инструментов, повторные попытки и наблюдаемое списание. Разделяйте LLM и медиа; складывайте их в стоимость задачи, когда известны оба значения. Неизвестную стоимость отмечайте как неизвестную, а не нулевую.
После нескольких запусков сравните долю завершённых задач и суммарные расходы, делённые на число успешных задач. Включайте стоимость неуспешных попыток. Один дешёвый удачный пример не даёт надёжного рейтинга моделей. Проверки конфигурации и локальные ответы-заглушки не подтверждают качество, скорость, надёжность или экономию production-моделей.
Ограничение длинного запуска
Лимит выходных токенов ограничивает один ответ, а не всю сессию агента. Циклы инструментов и повторы увеличивают расход. Перед длинным запуском проверьте ограничения задачи и числа шагов в клиенте. Для каждой медиагенерации используйте оценку, серверный предел и постоянный ключ идемпотентности из руководства по медиа.
У новой модели отдельно проверяйте протокол, инструменты, типы входа и контекст. Список моделей и цены не устанавливают эти возможности. Фиксируйте версию клиента и повторяйте соответствующую задачу после изменения версии.
Контракт чата описан в справке OpenAI-протокола. Генерации используют отдельный асинхронный API задач.
Запустите это со своим ключом
Выберите модель в каталоге API Hubs, проверьте цену и попробуйте её в браузере или через API.