---
title: "OpenClaw et Hermes Agent avec un LLM pas cher | BroadRouter"
description: "Brancher OpenClaw ou Hermes Agent sur une API compatible OpenAI, comprendre pourquoi les tâches planifiées brûlent des tokens, et réduire la facture."
url: https://broadrouter.com/fr/blog/openclaw-hermes-agent-cheap-model/
lang: fr
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduit de l’anglais avec l’aide de l’IA. [Lire l’original en anglais](https://broadrouter.com/blog/openclaw-hermes-agent-cheap-model/) (mis à jour le 2026-11-15).

# OpenClaw et Hermes Agent sur un modèle bon marché : config et coûts

Par l’équipe BroadNet Inference · 6 min de lecture · Publié 2026-11-15

Les deux agents acceptent un point de terminaison compatible OpenAI personnalisé : OpenClaw sous models.providers avec api "openai-completions", Hermes Agent avec provider: custom et une base\_url. Le coût dépend de la taille du contexte multipliée par la fréquence d’exécution et le prix du modèle. Réduisez le contexte, espacez les vérifications planifiées sur un modèle moins cher, et testez l’appel d’outils avant de vous engager.

## À retenir

-   Un agent toujours actif renvoie son contexte à chaque vérification planifiée et à chaque tour : taille du contexte × fréquence fixe la facture.
-   OpenClaw accepte un point de terminaison personnalisé sous models.providers avec api "openai-completions" ; Hermes Agent accepte provider: custom plus base\_url dans config.yaml.
-   Hermes Agent exige au moins 64 000 tokens de contexte pour utiliser des outils, ce qui exclut les modèles à 32K comme modèle principal.
-   Chez BroadNet, l’appel d’outils n’est documenté que pour GLM 5.3 et Qwen3.8 27B. Testez DeepSeek V4.1 Flash avec votre agent avant de compter sur le forfait.
-   Un contexte allégé, moins d’exécutions et un modèle moins cher pour les vérifications de routine économisent plus de tokens que n’importe quelle remise.

**Sur cette page**

1.  Pourquoi les agents toujours actifs coûtent-ils si cher ?
2.  Comment connecter OpenClaw à un point de terminaison compatible OpenAI ?
3.  Comment pointer Hermes Agent vers un point de terminaison personnalisé ?
4.  Quels modèles BroadNet conviennent à ces agents ?
5.  À quoi ressemble le calcul en tokens ?
6.  Comment réduire la facture sans casser l’agent ?
7.  Quand un forfait est-il pertinent ?
8.  Et les messages vocaux ?
9.  Où se situe BroadNet Inference

OpenClaw et Hermes Agent sont des agents personnels que l’on laisse tourner : ils lisent vos messages, exécutent des outils et se réveillent selon un planning pour vérifier des choses. Tous deux peuvent utiliser n’importe quel point de terminaison compatible OpenAI ; vous pouvez donc choisir un modèle moins cher que celui par défaut. Le hic : chaque exécution envoie du contexte, et c’est le contexte que vous payez.

## Pourquoi les agents toujours actifs coûtent-ils si cher ?

Une application de chat envoie au modèle un message à la fois. Un agent personnel envoie à chaque tour son prompt système, ses fichiers d’espace de travail, sa mémoire et une partie de la conversation, et il lance aussi des tours de lui-même, selon un planning. La facture vaut à peu près :

**tokens de contexte par exécution × exécutions par jour × prix par token**, plus la sortie.

Notebookcheck a rapporté en février 2026 que la vérification « heartbeat » d’OpenClaw, lancée toutes les 30 minutes, envoyait toute la fenêtre de contexte à l’API, soit environ 120 000 tokens pour une vérification anodine. Une nuit d’environ 25 vérifications de ce type sur Claude Opus aurait coûté à un utilisateur environ 18,75 USD. Ces chiffres sont des témoignages d’utilisateurs cités par Notebookcheck, pas nos propres mesures, mais c’est le mécanisme qui compte : un agent inactif dépense quand même des tokens.

Depuis, la documentation d’OpenClaw présente les heartbeats comme abandonnés. Les vérifications planifiées sont désormais des tâches d’automatisation ordinaires, et `openclaw doctor --fix` y migre les anciens réglages de heartbeat. La tâche créée à l’installation tourne toujours toutes les 30 minutes, sauf si le fournisseur impose une autre cadence ; le calcul ci-dessous reste donc valable.

## Comment connecter OpenClaw à un point de terminaison compatible OpenAI ?

OpenClaw enregistre les fournisseurs personnalisés sous `models.providers.<id>`. Pour un serveur compatible OpenAI, renseignez `baseUrl`, `apiKey`, `api: "openai-completions"` et un tableau `models`. Seul `id` est obligatoire pour chaque modèle, mais la documentation recommande des valeurs `contextWindow` et `maxTokens` explicites, conformes au serveur. Pointé vers BroadNet Inference, avec les noms de champs de la documentation OpenClaw et les valeurs de la documentation et du flux de prix de BroadNet :

```json5
{
  models: {
    providers: {
      broadnet: {
        baseUrl: "https://inference.broadnet.ai/v1",
        apiKey: "${BROADNET_API_KEY}",
        api: "openai-completions",
        models: [
          { id: "broadnet/glm-5.3", name: "GLM 5.3", reasoning: true,
            input: ["text"], contextWindow: 1048576 },
          { id: "broadnet/qwen3.8-27b", name: "Qwen3.8 27B", reasoning: true,
            input: ["text", "image"], contextWindow: 262144 },
        ],
      },
    },
  },
}
```

Une référence de modèle s’écrit : id du fournisseur, barre oblique, id du modèle. `agents.defaults.models` ne définit que des alias et des métadonnées ; il n’enregistre aucun modèle, c’est l’entrée `models.providers` qui le rend appelable. Deux notes de compatibilité tirées de la même page : `compat.supportsReasoningEffort: false` empêche OpenClaw d’envoyer `reasoning_effort` si un point de terminaison le refuse (la documentation de BroadNet accepte `reasoning_effort: low`), et un modèle qui accepte des images a besoin de `input: ["text", "image"]` pour que les pièces jointes soient transmises nativement.

Renseignez aussi les champs `cost`. Les estimations de l’automatisation OpenClaw utilisent les prix de votre `models.json` local quand un runtime signale des tokens sans coût, et la valeur par défaut est zéro, ce qui fait paraître chaque exécution gratuite.

## Comment pointer Hermes Agent vers un point de terminaison personnalisé ?

Lancez `hermes model` dans un terminal et choisissez l’option de point de terminaison personnalisé ; il demande l’URL de base, la clé API et le nom du modèle. Ou modifiez `~/.hermes/config.yaml` :

```yaml
model:
  default: broadnet/qwen3.8-27b
  provider: custom
  base_url: https://inference.broadnet.ai/v1
  key_env: BROADNET_API_KEY
```

Trois points de la documentation Hermes comptent dans le choix d’un modèle :

-   **Plancher de contexte.** Hermes Agent exige au moins 64 000 tokens de contexte pour un usage d’agent avec outils et refuse les fenêtres plus petites au démarrage.
-   **Appels d’outils.** Si le serveur n’analyse pas les appels d’outils, le modèle les affiche comme du texte et rien ne s’exécute.
-   **Tâches auxiliaires.** La vision, la compression et les titres passent par défaut par votre modèle de chat principal, et chacune peut être redirigée vers un modèle moins cher.

## Quels modèles BroadNet conviennent à ces agents ?

| Modèle | Contexte | Outils documentés par BroadNet | Entrée / en cache / sortie par million | Respecte le plancher Hermes de 64K |
| --- | --- | --- | --- | --- |
| [GLM 5.3](https://broadrouter.com/fr/models/glm-5.3/) | 1 048 576 | Oui | $0.78 / $0.173 / $3.46 | Oui |
| [Qwen3.8 27B](https://broadrouter.com/fr/models/qwen3.8-27b/) | 262 144 | Oui | $0.175 / $0.0435 / $2.17 | Oui |
| [DeepSeek V4.1 Flash](https://broadrouter.com/fr/models/deepseek-v4.1-flash/) | 1 048 576 | Non documenté | $0.175 / $0.0055 / $0.52, ou forfait de $60 par mois | Oui |
| [Gemma 4 VL 26B](https://broadrouter.com/fr/models/gemma-4-vl-26b/) | 32 768 | Non documenté | $0.10 / pas de prix en cache / $0.22 | Non |

Les deux agents vivent d’appels d’outils : commencez donc par GLM 5.3 ou Qwen3.8 27B. DeepSeek V4.1 Flash a les prix de sortie et d’entrée en cache les plus bas des trois modèles compatibles, et c’est le seul disponible en forfait, mais BroadNet n’y documente pas l’appel d’outils. Faites tourner votre vrai agent pendant une heure Meteor à $1 et vérifiez que les outils se déclenchent vraiment avant d’acheter un mois. [L’appel d’outils avec les modèles ouverts](https://broadrouter.com/fr/blog/tool-calling-open-models/) détaille quoi vérifier. Gemma est le modèle que couvre le crédit de départ de $5, mais sa fenêtre de 32K est sous le plancher de Hermes et juste pour un agent OpenClaw chargé en fichiers d’espace de travail.

## À quoi ressemble le calcul en tokens ?

Hypothèses d’illustration, pas des mesures. Lisez vos propres chiffres dans le bloc `usage` de chaque réponse ou sur la page d’utilisation de votre fournisseur.

| Vérification planifiée | Contexte par exécution | Exécutions par jour | Tokens d’entrée par mois (30 jours) |
| --- | --- | --- | --- |
| Contexte complet toutes les 30 minutes | 120 000 | 48 | 172,8 millions |
| Contexte complet toutes les heures | 120 000 | 24 | 86,4 millions |
| Contexte allégé toutes les heures | 15 000 | 24 | 10,8 millions |
| Contexte allégé, toutes les 2 heures, 12 heures actives | 15 000 | 6 | 2,7 millions |

C’est avant tout chat ou toute tâche. Multipliez la colonne d’entrée par le prix d’entrée par million du tableau ci-dessus, ou passez-la dans le [calculateur de coût d’API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/). Si le préfixe reste identique d’une exécution à l’autre, une grande partie peut être facturée au prix en cache, $0.0055 au lieu de $0.175 par million sur DeepSeek V4.1 Flash ; [comment garder le préfixe cachable](https://broadrouter.com/fr/blog/prompt-structure-for-caching/). Pour voir où partent les tokens d’un agent au-delà des vérifications planifiées, lisez [le budget de tokens d’un agent](https://broadrouter.com/fr/blog/agent-token-budget/).

## Comment réduire la facture sans casser l’agent ?

Utilisez les réglages que chaque outil documente :

-   **Contexte allégé pour les tâches de routine (OpenClaw).** `--light-context` saute l’injection des fichiers d’amorçage de l’espace de travail. Les tâches isolées démarrent une session neuve et n’embarquent donc pas toute la conversation. Gardez le scratch des tâches court ; il est injecté à chaque exécution, jusqu’à 256 Kio.
-   **Un modèle moins cher par tâche.** Le `--model` d’OpenClaw fixe le modèle principal d’une tâche avant les préférences de session, et sa documentation indique que les résumés de routine et les vérifications d’état conviennent à un modèle plus léger. Dans Hermes, `hermes cron create --model … --provider …` fixe un modèle par tâche, et les tâches sans modèle fixé utilisent `cron.model` s’il est défini.
-   **Moins d’exécutions, aux heures actives seulement.** Les tâches OpenClaw acceptent une plage `activeHours`. Diviser la fréquence par deux divise par deux les tokens des vérifications planifiées.
-   **Résultats silencieux.** Dans OpenClaw, une vérification sans rien à signaler renvoie `NO_REPLY` et reste muette : vous ne recevez pas de message à chaque exécution.
-   **Tâches sans modèle.** Les tâches script de Hermes tournent sans modèle ; un simple polling ne coûte donc rien.
-   **Limites de dépenses.** Mettez un budget sur la clé ; [maîtriser les dépenses d’API LLM](https://broadrouter.com/fr/blog/llm-api-spend-control/) couvre les budgets et la protection contre les boucles.

## Quand un forfait est-il pertinent ?

Une session Full Moon n’a ni compteur de tokens, ni fenêtre, ni plafond pour DeepSeek V4.1 Flash : $60 par mois, $15 par semaine ou $1 de l’heure. Un contexte de 120 000 tokens toutes les 30 minutes coûte autant qu’un contexte allégé. Deux limites demeurent :

-   **Une requête à la fois par session.** Une tâche planifiée et votre réponse de chat attendent l’une derrière l’autre. Achetez une deuxième session si elles se chevauchent souvent. [Comment fonctionnent les sessions](https://broadrouter.com/fr/guides/unlimited-llm-api-sessions/).
-   **L’appel d’outils relève de votre test, pas d’une promesse de BroadNet.** Voir plus haut.

Si votre agent dort la plupart du temps et lance quelques vérifications légères par jour, le paiement à l’usage est moins cher. Comparez les deux avec le [calculateur forfait ou paiement au token](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/).

## Et les messages vocaux ?

Si votre agent reçoit des messages vocaux WhatsApp ou Telegram, transcrivez-les avant que le LLM ne les voie. BroadNet Transcribe Arabic coûte $0.0042 la minute et BroadNet Transcribe (14 langues) $0.002, et les deux fonctionnent avec le crédit de départ. Le [guide des messages vocaux WhatsApp](https://broadrouter.com/fr/guides/transcribe-whatsapp-voice-notes/) contient l’étape de conversion.

## Où se situe BroadNet Inference

BroadNet offre à ces agents un point de terminaison compatible OpenAI avec deux modèles à appel d’outils documenté, un modèle en forfait pour les gros contextes, des prix d’entrée en cache et la transcription vocale sur une seule clé, et ne conserve ni prompts ni réponses. Ce n’est pas le meilleur choix si vous avez besoin, dès le premier jour et au prix le plus bas, d’un modèle dont l’appel d’outils est éprouvé dans votre agent, ou de nombreuses requêtes parallèles sur une seule session forfaitaire. Les agents qui font un usage intensif du navigateur ou de la vision peuvent aussi être mieux servis ailleurs par un modèle multimodal plus grand. Testez pendant une heure avec votre propre agent avant de vous engager.

Outils gratuits sur ce sujet (en anglais)

-   [Agent run cost estimator](https://broadrouter.com/tools/agent-run-cost-estimator/) Context growth per step, total tokens and cost of one agent run, with a DeepSeek session comparison.
-   [LLM batch job planner](https://broadrouter.com/tools/llm-batch-job-planner/) Run time, binding limit, cost per model and the flat sessions needed to finish a big job by a deadline.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [LLM rate limit and concurrency calculator](https://broadrouter.com/tools/llm-rate-limit-calculator/) Which limit binds first: RPM, TPM or concurrency, with Little's law.

[Outils gratuits (en anglais)](https://broadrouter.com/tools/)

## Termes de cet article

[Token](https://broadrouter.com/fr/glossary/token/)

Un token est l’unité de texte qu’un modèle de langage lit et écrit : un mot, une partie de mot, un signe de ponctuation ou une suite d’octets produite par le tokenizer du modèle. Les API LLM comptent, limitent et facturent généralement l’usage en tokens.

[Appel d’outils (tool calling, function calling)](https://broadrouter.com/fr/glossary/tool-calling/)

L’appel d’outils, aussi appelé function calling, est une fonctionnalité des API LLM dans laquelle le modèle renvoie une demande structurée d’exécution d’une fonction définie par le développeur, avec des arguments JSON. L’application exécute la fonction et renvoie le résultat ; le modèle n’exécute jamais de code lui-même.

[API compatible OpenAI](https://broadrouter.com/fr/glossary/openai-compatible-api/)

Une API compatible OpenAI est une API HTTP qui accepte les mêmes formats de requête et de réponse que l’API OpenAI, comme POST /v1/chat/completions. Les SDK et outils OpenAI peuvent donc l’utiliser en changeant seulement l’URL de base, la clé d’API et le nom du modèle.

[Tokens d’entrée en cache (cached input tokens)](https://broadrouter.com/fr/glossary/cached-input-tokens/)

Les tokens d’entrée en cache sont des tokens de prompt qu’un fournisseur de LLM a traités récemment et peut réutiliser depuis un cache au lieu de les recalculer, en général un préfixe répété comme un prompt système ou un document. Les fournisseurs les facturent moins cher que les nouveaux tokens d’entrée.

[Chat template (modèle de conversation)](https://broadrouter.com/fr/glossary/chat-template/)

Un chat template est la règle de mise en forme, généralement écrite en Jinja et livrée avec le tokenizer d’un modèle, qui convertit une liste de messages de chat avec leurs rôles en la séquence unique de tokens attendue par le modèle, tokens de contrôle spéciaux compris. Un mauvais template peut fortement dégrader les réponses d’un modèle.

[Clé d’API (API key)](https://broadrouter.com/fr/glossary/api-key/)

Une clé d’API est une chaîne secrète qui identifie et autorise un client qui appelle une API. Les API LLM l’attendent généralement dans un en-tête Authorization: Bearer, et quiconque détient la clé peut envoyer des requêtes facturées au compte qui la possède.

[Concurrence (requêtes simultanées)](https://broadrouter.com/fr/glossary/concurrency/)

La concurrence est le nombre de requêtes qu’un client a en cours au même moment. Les API de LLM la plafonnent souvent par clé ou par forfait, indépendamment des requêtes par minute, car chaque requête ouverte occupe de la capacité GPU jusqu’à la fin de sa réponse.

[Fenêtre de contexte (context window)](https://broadrouter.com/fr/glossary/context-window/)

La fenêtre de contexte est le nombre maximal de tokens qu’un modèle de langage peut traiter dans une seule requête. Elle couvre le prompt, l’historique de conversation, les définitions d’outils, les images et la sortie générée, tokens de raisonnement compris. Ce qui ne tient pas doit être coupé, résumé ou réparti sur plusieurs requêtes.

## Questions fréquentes

### OpenClaw peut-il utiliser une API compatible OpenAI personnalisée ?

Oui. Ajoutez un fournisseur sous models.providers avec une baseUrl, une apiKey (idéalement une référence à une variable d’environnement), api réglé sur "openai-completions" et un tableau models contenant au moins l’id de chaque modèle. Désignez le modèle par l’id du fournisseur, une barre oblique, puis l’id du modèle.

### Comment pointer Hermes Agent vers un point de terminaison personnalisé ?

Lancez hermes model et choisissez l’option de point de terminaison personnalisé, ou réglez dans ~/.hermes/config.yaml model.provider sur custom, model.base\_url sur l’URL /v1, model.default sur l’id du modèle, ainsi que api\_key ou key\_env.

### Pourquoi OpenClaw consomme-t-il autant de tokens au repos ?

Les vérifications planifiées sont des appels au modèle. Un article de Notebookcheck de février 2026 décrivait une vérification toutes les 30 minutes qui envoyait environ 120 000 tokens de contexte à chaque fois. OpenClaw a depuis transformé les heartbeats en tâches d’automatisation, qui peuvent tourner avec un contexte allégé et leur propre modèle.

### Quel modèle BroadNet utiliser pour OpenClaw ou Hermes Agent ?

Commencez par GLM 5.3 ou Qwen3.8 27B, les deux modèles dont BroadNet documente l’appel d’outils. DeepSeek V4.1 Flash est moins cher et dispose d’un forfait, mais testez d’abord ses appels d’outils dans votre agent.

### Peut-on faire tourner Hermes Agent avec le crédit de départ gratuit ?

Pas vraiment. Le crédit de départ couvre BroadNet Gemma 4 VL 26B et les modèles Transcribe, et Gemma a un contexte de 32 768 tokens, sous les 64 000 tokens qu’exige Hermes Agent pour les outils. Les modèles de chat adaptés nécessitent une recharge ou un forfait.

### Un forfait empêche-t-il les coûts d’un agent de grimper ?

Une session Full Moon n’a pas de compteur de tokens : de longs contextes et des vérifications fréquentes n’augmentent pas la facture. Elle traite une requête à la fois, donc une tâche planifiée et une réponse de chat attendent l’une derrière l’autre, sauf si vous achetez une deuxième session.

## À lire ensuite

-   [Budget de tokens d’un agent : où partent les tokens d’une boucle](https://broadrouter.com/fr/blog/agent-token-budget/)
-   [Tokens d’entrée en cache : réduire la facture d’une API LLM](https://broadrouter.com/fr/blog/cached-input-tokens-explained/)
-   [Structurer ses prompts pour que le préfixe soit mis en cache](https://broadrouter.com/fr/blog/prompt-structure-for-caching/)
-   [Maîtriser les dépenses d’API LLM : budgets, limites de clés, boucles](https://broadrouter.com/fr/blog/llm-api-spend-control/)
-   [Appel d’outils et modèles ouverts : schémas, parallélisme, relances](https://broadrouter.com/fr/blog/tool-calling-open-models/)
-   [Ce que « illimité » veut vraiment dire dans un forfait d’API LLM](https://broadrouter.com/fr/blog/what-unlimited-llm-api-really-means/)
-   [Coût d’une exécution d’agent de code IA : étapes, contexte, cache](https://broadrouter.com/fr/blog/ai-coding-agent-run-cost/)
-   [Claude Code et modèles ouverts : proxys, endpoints natifs, limites](https://broadrouter.com/fr/blog/claude-code-with-openai-compatible-models/)
-   [Guide : Comment fonctionnent les forfaits API LLM illimités pour agents](https://broadrouter.com/fr/guides/unlimited-llm-api-sessions/)
-   [Guide : Transcrire les messages vocaux WhatsApp en texte avec une API](https://broadrouter.com/fr/guides/transcribe-whatsapp-voice-notes/)
-   [Guide : Codes d’erreur de BroadNet Inference : quand réessayer ?](https://broadrouter.com/fr/guides/errors-and-retries/)

Essayez-le sur votre vraie charge de travail. Les nouveaux comptes démarrent avec USD 5 de crédit pour Gemma et transcription. DeepSeek, GLM et Qwen3.8 nécessitent une recharge.

[Commencer](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-openclaw-hermes-agent-cheap-model&utm_content=page-cta) ·

**Sources**

-   [Documentation OpenClaw, fournisseurs personnalisés et runtimes locaux (vérifié le 15/11/2026)](https://docs.openclaw.ai/concepts/model-providers/custom-providers)
-   [Documentation OpenClaw, migration du heartbeat vers les tâches d’automatisation (vérifié le 15/11/2026)](https://docs.openclaw.ai/gateway/heartbeat)
-   [Documentation OpenClaw, charges utiles des tâches d’automatisation : sessions, scratch, modèle imposé, contexte allégé (vérifié le 15/11/2026)](https://docs.openclaw.ai/automation/cron-jobs/payloads)
-   [Documentation Hermes Agent, fournisseurs et points de terminaison compatibles OpenAI personnalisés (vérifié le 15/11/2026)](https://hermes-agent.nousresearch.com/docs/integrations/providers)
-   [Documentation Hermes Agent, tâches planifiées (cron) (vérifié le 15/11/2026)](https://hermes-agent.nousresearch.com/docs/user-guide/features/cron)
-   [Notebookcheck, article sur la consommation de tokens d’OpenClaw, 4 février 2026 (vérifié le 15/11/2026)](https://www.notebookcheck.net/Free-to-use-AI-tool-can-burn-through-hundreds-of-Dollars-per-day-OpenClaw-has-absurdly-high-token-use.1219925.0.html)
-   [Référence de l’API BroadNet Inference : modèles, outils, raisonnement, limites (vérifié le 15/11/2026) (en anglais)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-openclaw-hermes-agent-cheap-model&utm_content=sources)
-   [Prix lisibles par machine de BroadNet Inference, pricing.json (vérifié le 15/11/2026) (en anglais)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-openclaw-hermes-agent-cheap-model&utm_content=sources)
