O czym jest ten film
- OpenClaw domyślnie kieruje cały ruch do jednego, głównego modelu — także sygnały życia, subagentów i najprostsze pytania.
- Heartbeat to cykliczne „jestem, działam” wysyłane co 30 minut; nie wymaga żadnej inteligencji, a domyślnie kosztuje jak złożone zadanie na flagowym modelu.
- Domyślna konfiguracja nie ma planu awaryjnego: gdy API Anthropic trafi na limit, agent po prostu staje.
- Rozwiązaniem jest rozwarstwienie: model z czołówki do trudnego rozumowania, średnia półka do codziennej pracy, najtańsze modele do heartbeatów i prostych sprawdzeń.
- Rozjazdy cenowe są ogromne: Opus kosztuje 30 dolarów za milion tokenów, Gemini 2.5 Flash-Lite 50 centów, DeepSeek V3.2 53 centy — około sześćdziesięciokrotność różnicy.
- Tanie modele są też szybsze: około 250 tokenów na sekundę wobec około 50 u Opusa — odpowiedź przychodzi szybciej i kosztuje ułamek ceny.
- Wdrożenie idzie dwiema drogami: ręczna konfiguracja w
~/.openclaw/openclaw.jsonalbo auto-router OpenRouter, który sam dobiera model do złożoności zapytania. - W łańcuchu awaryjnym pierwszym zapasowym modelem powinien być model innego dostawcy (GPT-5.2, nie Sonnet) — limity Anthropic spowalniają całą jego ofertę.
- Kalkulator calculator.vlvt.sh pozwala podstawić własne zużycie; w trzech scenariuszach z filmu oszczędności sięgają 62–65% miesięcznie.
- Darmowe tiery odpadają w pracy produkcyjnej (agresywne limity, wolne tempo, ryzyko nagłego wyłączenia); modele „prawie darmowe” za 40–50 centów to rozsądne minimum.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Najpierw audyt: sprawdź, co realnie leci na główny model
Na czym polega: OpenClaw z natury wysyła wszystko do jednego modelu — sygnały życia, subagentów, pytania o kalendarz. Rachunek rośnie nie dlatego, że dużo pracujesz, tylko dlatego, że banalne operacje płacą stawkę premium.
Jak stosować: Zanim cokolwiek zmienisz, odtwórz swój typowy dzień z agentem: ile heartbeatów, ile zadań subagentów, ile zwykłych zapytań. To one, a nie rzadkie trudne zadania, robią większość rachunku.
Na co uważać: Subagenci mnożą się szybciej, niż się spodziewasz, a każdy dziedziczy drogi model — koszt rośnie w ukryciu, zanim go zauważysz.
2.Heartbeaty ślij na najtańszy model, który działa
Na czym polega: Heartbeat to jedynie potwierdzenie „agent nadal odpowiada” — żadnej inteligencji. Gemini 2.5 Flash-Lite za 50 centów za milion tokenów ogarnia to równie dobrze jak Opus za 30 dolarów.
Jak stosować: W pliku ~/.openclaw/openclaw.json ustaw model heartbeatu na najtańszą półkę, zapisz, zrestartuj usługę — i o tym zadaniu zapomnij.
Na co uważać: „Najtańszy, który działa” to nie „najtańszy, który istnieje”. Przepuść jeden pełny cykl heartbeatów po zmianie, zanim uznasz sprawę za zamkniętą.
3.Subagenci zadowolą się średnią półką
Na czym polega: Równoległa robota pomocników — research, porządkowanie, klasyfikacja — dobrze wychodzi na DeepSeeku R1 za 2,74 dolara za milion tokenów, około dziesięć razy taniej niż Opus, przy solidnej jakości rozumowania.
Jak stosować: W konfiguracji przypisz subagentom model średniej półki, a głównemu agentowi zostaw flagowca do zadań złożonych.
Na co uważać: Nie przesadzaj w drugą stronę — decyzje architektoniczne i refaktoryzacja wielu plików naprawdę wymagają modelu z czołówki.
4.Plan awaryjny buduj między dostawcami, nie między modelami jednej firmy
Na czym polega: Gdy Anthropic wpada w limity, spowalniają wszystkie jego modele, Sonnet też. Dlatego pierwszym ogniwem łańcucha awaryjnego powinien być model innego dostawcy — w filmie jest to GPT-5.2.
Jak stosować: Zdefiniuj kolejność: model główny → model innego dostawcy → kolejne zapasowe. Dzięki temu praca się nie zatrzymuje nawet przy awarii całego API.
Na co uważać: Samo posiadanie fallbacku nie wystarczy, jeśli wszystkie modele pochodzą od jednej firmy — problem dostawcy zdejmuje z planszy cały łańcuch naraz.
5.Tanie modele są szybsze — wykorzystaj to podwójnie
Na czym polega: Gemini 3 Flash generuje około 250 tokenów na sekundę, Opus około 50. Przy prostych zadaniach odpowiedź przychodzi pięciokrotnie szybciej i przy okazji płacisz sześćdziesiąt razy mniej.
Jak stosować: Tam, gdzie liczy się czas reakcji — podglądy, klasyfikacja, sprawdzenia w tle — model z taniej półki poprawia nie tylko rachunek, ale i komfort pracy z agentem.
Na co uważać: Prędkość nie zastąpi jakości przy złożonym rozumowaniu; nie przenoś na tani model pracy, która wymaga przemyślenia.
6.Ręczna konfiguracja albo auto-router — wybierz świadomie
Na czym polega: Dwie drogi: sam przypisujesz modele do zadań (pełna kontrola, trochę więcej ustawiania) albo ustawiasz auto-router OpenRouter, który sam kieruje zapytania według złożoności — proste na tanie modele, trudne na mocne (zero konfiguracji, mniejsza kontrola).
Jak stosować: Na szybki test lub start — auto-router. Gdy zależy ci na przewidywalnych kosztach i zachowaniu — konfiguracja ręczna, pokazana w filmie krok po kroku.
Na co uważać: Automatyczne kierowanie bywa zaskakujące przy promptach granicznych: coś, co wygląda banalnie, może pójść na drogi model — i odwrotnie.
7.Aliasy i komendy /model — kontrola kosztów w locie
Na czym polega: W konfigu definiujesz krótkie aliasy (opus, sonnet, flash, ds), a potem przełączasz modele w trakcie sesji: /model sonnet, /model opus, a /models wypisuje dostępnych dostawców.
Jak stosować: Zasada z filmu: siedzisz nad czymś trudnym — zostań na flagowym modelu; pytanie o pogodę albo szybkie znalezienie i przeczytanie pliku — przeskocz na tańszy.
Na co uważać: Łatwo zapomnieć wrócić na mocniejszy model przed trudnym zadaniem. Gdy efkt pracy dziwi jakością, sprawdź najpierw, na czym aktualnie działasz.
8.Policz oszczędności, zanim zaczniesz cokolwiek zmieniać
Na czym polega: Kalkulator z filmu pozwala podstawić własne zużycie i natychmiast zobaczyć różnicę. W scenariuszach autora oszczędności wynoszą 62–65%: 200→70 dolarów (lekkie użycie), 943→347 dolarów (intensywne), z prawie 3000 do 1000 dolarów (kilka agentów).
Jak stosować: Wpisz swoje realne liczby, dobierz kombinację modeli (główny, heartbeat, subagenci), a kalkulator wygeneruje gotowe fragmenty konfiguracji do skopiowania do openclaw.json.
Na co uważać: To szacunki oparte na założonych scenariuszach — twoje zużycie subagentów może wyglądać inaczej, więc traktuj wynik jako rząd wielkości, nie gwarancję.
9.W pracy produkcyjnej omijaj darmowe modele
Na czym polega: Darmowe tiery — np. Kimi K2.5 na NVIDIA albo darmowy DeepSeek na OpenRouter — mają trzy wady: agresywne limity, które zatrzymują agenta w pół zadania, wolne tempo (korzysta z nich tłum ludzi) i ryzyko wyłączenia z dnia na dzień, bez ostrzeżenia.
Jak stosować: Do przetestowania przepływu pracy darmowy model wystarczy. Do agenta, który ma działać całą dobę — nie.
Na co uważać: „Darmowe” kusi przy rosnącym rachunku, ale koszt przestoju produkcyjnego niemal zawsze przewyższa oszczędność.
10.„Prawie darmowe” modele to najlepszy stosunek ceny do niezawodności
Na czym polega: Półka 40–50 centów za milion tokenów — Gemini Flash-Lite, DeepSeek, GLM 4.7 — kosztuje ułamek ceny flagowców, a oferuje niezawodność i gwarancję, że nikt jej nie wyłączy zaskakującym komunikatem.
Jak stosować: Do zadań niewymagających inteligencji ustawiaj domyślnie model z tej półki; drogi model ma być świadomym wyborem, a nie domyślnym przeznaczeniem każdego zapytania.
Na co uważać: Ta półka szybko się odmłada — co kilka miesięcy sprawdź, co aktualnie daje najlepszą wartość w tym przedziale cenowym.
Redakcyjne tłumaczenie
Przepalasz pieniądze i nawet o tym nie wiesz
Jeśli używasz OpenClaw, spora szansa, że właśnie teraz przepalasz pieniądze — zupełnie nieświadomie. Domyślnie wszystko trafia do twojego głównego modelu. Sprawdzenie, czy agent żyje? Opus. Szybkie zajrzenie do kalendarza? Opus. Subagenci pracujący równolegle? Wszędzie Opus.
Opus to świetny model, ale wysyłanie go do heartbeatu to jak zatrudnianie adwokata do sprawdzania skrzynki pocztowej. Działa, ale finansowo to absurd. W tym materiale pokażę, jak jedną zmianą w konfiguracji obniżyć koszty o 50–80% bez utraty jakości tam, gdzie ona się naprawdę liczy.
(Informacja dodatkowa: heartbeat — dosłownie „bicie serca” — to okresowy sygnał wysyłany przez agenta co 30 minut, potwierdzający, że wciąż działa.)
Sedno problemu: jeden model dla wszystkiego
OpenClaw z natury wysyła wszystko do jednego modelu — i właśnie w tym tkwi problem.
Heartbeaty to cykliczne pytania „jesteś tam?” lecące co pół godziny, i korzystają z twojego głównego modelu. Subagenci pojawiają się, gdy główny agent rozdziela pracę na równoległe wątki — i każdy z nich też pracuje na modelu głównym. Proste pytania w stylu „co mam w kalendarzu?” trafiają do tego samego modelu, do którego wysyłasz złożone zadania programistyczne.
Do tego nie ma żadnego planu awaryjnego. Gdy API Anthropic trafi na limit, agent po prostu staje — nie przełączy się automatycznie na OpenAI ani na nic innego. Efekt: płacisz stawki premium za banalne operacje, a gdy coś się wysypie, zostajesz bez zabezpieczenia.
Rozwiązanie: różne modele do różnych zadań
Lekarstwo to tak zwany model tiering — czyli przydzielanie różnych modeli do różnych zadań, zależnie od tego, czego każde z nich wymaga. Trzy poziomy:
Złożone rozumowanie. Decyzje architektoniczne czy refaktoryzacja wielu plików wymagają modelu z absolutnej czołówki — Opusa albo GPT-5.2. Są drogie, ale dla naprawdę trudnych zadań warte swojej ceny.
Codzienna praca. Generowanie kodu, research, tworzenie treści — to dobrze wychodzi na modelu średniej półki, np. Sonnet albo DeepSeek R1. R1 kosztuje 90% mniej niż Opus (albo 80% mniej niż GPT-5.2) przy zbliżonej jakości rozumowania.
Proste zadania. Heartbeaty, szybkie podglądy, klasyfikacja — powinny iść na najtańszy model, który po prostu działa. Gemini Flash-Lite kosztuje 50 centów za milion tokenów, DeepSeek V3.2 — 53 centy. To sześćdziesiąt razy taniej niż Opus.
Ile kosztują modele — i dlaczego tańsza półka wygrywa podwójnie
Porównanie z filmu obejmuje tylko część dostępnych modeli. Opus wieńczy stawkę cenową — albo zamyka ją od dołu, zależnie, jak na to patrzeć: 30 dolarów za milion tokenów. Gemini 2.5 Flash-Lite — 50 centów. Są modele jeszcze tańsze i cała masa opcji pośrodku.
W heartbeatach różnicy jakości po prostu nie ma: tani model sprawdza się tak samo dobrze jak Opus. A do tego tańsza półka jest szybsza. Gemini 3 Flash generuje około 250 tokenów na sekundę, Opus około 50. Odpowiedzi przychodzą szybciej i płacisz sześćdziesiąt razy mniej — wygrywasz dwa razy.
Dwie drogi wdrożenia
Pierwsza to konfiguracja ręczna: sam ustalasz, który model obsługuje które zadanie. Więcej kontroli, odrobinę więcej ustawiania. Druga to auto-router OpenRouter: ustawiasz go jako swój model, a on sam kieruje zapytania według złożoności promptu — proste na tanie modele, złożone na mocne. Mniej kontroli, ale zero konfiguracji.
(Informacja dodatkowa: OpenRouter to pośrednik dający dostęp do modeli wielu dostawców przez jedno API.)
W filmie autor pokazuje podejście ręczne — dzięki niemu widzisz dokładnie, co się dzieje, i to ty podejmujesz decyzje.
Konfiguracja krok po kroku
Większość konfiguracji wygląda tak: jeden model i wszystko tam leci — heartbeaty, subagenci, szybkie podglądy. Całość na Opusie, czyli drogo.
Wersja zoptymalizowana (do skopiowania z opisu filmu) ma dwie kluczowe sekcje:
Heartbeat. Zamiast Opusa za 30 dolarów sygnały życia idą na Gemini 2.5 Flash-Lite za 50 centów za milion tokenów. Co 30 minut agent melduje się praktycznie za darmo.
Subagenci. Gdy główny agent uruchamia pomocników, pracują na DeepSeeku R1 za 2,74 dolara za milion tokenów — dziesięć razy taniej niż Opus, przy solidnym rozumowaniu. Twoje główne zadania wciąż trafiają na flagowy model. Tania półka zajmuje się wyłącznie tym, co nie wymaga inteligencji: heartbeatami i sprawdzeniami w tle.
Łańcuch awaryjny. Zwróć uwagę, że pierwszym zapasowym modelem nie jest Sonnet, tylko GPT-5.2. Jeżeli Anthropic ma limity, wszystkie jego modele — Sonnet również — mogą zwalniać. Awaryjne przejście do innego dostawcy utrzymuje cię w ruchu. Możesz też zdefiniować osobne modele do zadań z obrazami, jeśli chcesz zejść na tym poziom głębiej — ale to już opcja.
Plik konfiguracyjny mieści się w katalogu domowym: ~/.openclaw/openclaw.json. Edytujesz, zapisujesz, restartujesz gateway — gotowe.
Aliasy i przełączanie modeli w locie
W konfiguracji jest też sekcja na aliasy, żeby nie wpisywać pełnej nazwy modelu przy każdej zmianie. Definiujesz: opus, sonnet, flash albo ds (dla DeepSeeka).
Gdy konfiguracja jest gotowa i gateway po restarcie działa, modele przełączasz na bieżąco: /model sonnet przenosi cię na Sonneta, /model opus wraca do domyślnego, a /models wypisuje dostępnych dostawców — u autora są to Anthropic z trzema modelami, Google, OpenAI oraz OpenRouter.
To bardzo wygodne do szybkiej kontroli kosztów podczas pracy. Siedzisz nad czymś złożonym — zostań na Opusie. Masz błahsze pytanie, o pogodę na przykład, albo chcesz szybko znaleźć plik i go przeczytać — przeskocz na Sonneta, DeepSeeka albo Gemini Flash. Wpisanie krótkiego aliasu po /model jest po prostu wygodniejsze niż klepanie pełnej ścieżki modelu.
Ile realnie oszczędzisz — kalkulator
Autor przygotował kalkulator pod własne zużycie: calculator.vlvt.sh (link w opisie). W środku czekają gotowe scenariusze:
Lekkie użycie — dopiero zaczynasz: 24 heartbeaty dziennie (co godzinę), 20 zadań subagentów i 10 zwykłych zapytań. Jeśli wszystko idzie przez API na Opusa, wydasz około 200 dolarów miesięcznie. Z Gemini 2.5 Flash-Lite jako modelem heartbeatu i DeepSeekiem u subagentów płacisz około 70 dolarów — 65% mniej.
Intensywne użycie — pewnie większość z was: 48 heartbeatów dziennie (co 30 minut), 100 subagentów, 50 zapytań. Sam Opus: 943 dolary. Po optymalizacji: 347 — czyli około 600 dolarów oszczędności miesięcznie.
Ciężkie użycie — kilku agentów, mnóstwo równoległej pracy: przed niemal 3000 dolarów, po optymalizacji 1000, czyli znów około 62% mniej, 1700 dolarów zostaje w kieszeni.
W kalkulatorze możesz swobodnie podmieniać modele — główny, heartbeatu i dla subagentów. Gdy znajdziesz kombinację, która ci odpowiada, przewijasz w dół i widzisz ją od razu w postaci konfiguracji. Możesz skopiować całość albo same interesujące cię sekcje i wkleić do własnego openclaw.json.
Dlaczego nie darmowe modele
Skoro już oszczędzamy — czemu nie sięgnąć po zupełnie darmowe modele, na przykład Kimi K2.5 na NVIDIA albo darmowy tier DeepSeeka na OpenRouter? Trzy powody.
Po pierwsze, darmowe tiery mają agresywne limity. Gdy skończą ci się w pół zadania, agent po prostu staje. Po drugie, są zwykle wolne — korzysta z nich mnóstwo ludzi. Po trzecie, mogą zniknąć bez ostrzeżenia w każdej chwili: dostawca jutro wyłącza darmową pulę i nie zrobisz z tym nic.
Dlatego autor ich nie używa. Ale jest coś prawie równie dobrego: modele „prawie darmowe”, w okolicach 40–50 centów za milion tokenów. Gemini Flash-Lite, DeepSeek, GLM 4.7 — kolejny dobry kandydat. Kosztują grosze, a są dobre, niezawodne i nikt ich nie wyłączy z dnia na dzień. Do pracy produkcyjnej, dla agenta, który ma działać całą dobę, siedem dni w tygodniu, taka niezawodność jest warta te parę centów za milion tokenów. Dla autora to wybór bez dyskusji.
Zakończenie: idź oszczędzać
Wszystkie linki — kalkulator, konfiguracja i cała reszta — znajdziesz w opisie filmu. Podstaw swoje liczby i sprawdź, ile możesz płacić mniej. Subskrybuj, jeśli chcesz więcej praktycznych treści o AI — i idź oszczędzać, nie tracąc ani odrobiny jakości.