---
title: "सस्ते OpenAI-compatible मॉडल पर OpenClaw और Hermes Agent"
description: "OpenClaw या Hermes Agent को OpenAI-compatible endpoint से जोड़ें, समझें कि शेड्यूल्ड चेक टोकन क्यों खाते हैं, और हल्के कॉन्टेक्स्ट व सस्ते मॉडल से बिल घटाएँ।"
url: https://broadrouter.com/hi/blog/openclaw-hermes-agent-cheap-model/
lang: hi
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

यह पेज अंग्रेज़ी से AI की मदद से अनुवाद किया गया है। [अंग्रेज़ी मूल पढ़ें](https://broadrouter.com/blog/openclaw-hermes-agent-cheap-model/) (2026-11-15 को अपडेट किया गया).

# सस्ते मॉडल पर OpenClaw और Hermes Agent: सेटअप और टोकन का हिसाब

BroadNet Inference टीम · 6 मिनट में पढ़ें · प्रकाशित 2026-11-15

दोनों एजेंट कस्टम OpenAI-compatible endpoint स्वीकार करते हैं: OpenClaw में models.providers के तहत api "openai-completions" के साथ, और Hermes Agent में provider: custom और base\_url के साथ। लागत कॉन्टेक्स्ट के आकार, एजेंट कितनी बार चलता है और मॉडल की कीमत के गुणनफल से तय होती है। कॉन्टेक्स्ट छोटा करें, शेड्यूल्ड चेक कम बार और सस्ते मॉडल पर चलाएँ, और तय करने से पहले tool calling टेस्ट करें।

## मुख्य बातें

-   हमेशा चालू एजेंट हर शेड्यूल्ड चेक और टर्न पर अपना कॉन्टेक्स्ट दोबारा भेजता है, इसलिए कॉन्टेक्स्ट का आकार गुणा आवृत्ति बिल तय करता है।
-   OpenClaw कस्टम endpoint को models.providers के तहत api "openai-completions" के साथ लेता है; Hermes Agent config.yaml में provider: custom और base\_url लेता है।
-   Hermes Agent को tool इस्तेमाल के लिए कम से कम 64,000 टोकन का कॉन्टेक्स्ट चाहिए, जिससे 32K-कॉन्टेक्स्ट वाले मॉडल मुख्य मॉडल के रूप में बाहर हो जाते हैं।
-   BroadNet पर tool calling सिर्फ़ GLM 5.3 और Qwen3.8 27B के लिए दस्तावेज़ित है। फ़्लैट प्लान पर भरोसा करने से पहले DeepSeek V4.1 Flash को अपने एजेंट के साथ टेस्ट करें।
-   हल्का कॉन्टेक्स्ट, कम रन और रूटीन चेक के लिए सस्ता मॉडल किसी भी छूट से ज़्यादा टोकन बचाते हैं।

**इस पेज पर**

1.  हमेशा चालू एजेंट इतने महँगे क्यों पड़ते हैं?
2.  OpenClaw को OpenAI-compatible endpoint से कैसे जोड़ें?
3.  Hermes Agent को कस्टम endpoint पर कैसे लगाएँ?
4.  BroadNet के कौन-से मॉडल इन एजेंट के लिए फ़िट हैं?
5.  टोकन का हिसाब कैसा दिखता है?
6.  एजेंट को तोड़े बिना बिल कैसे घटाएँ?
7.  फ़्लैट प्लान कब समझदारी है?
8.  वॉइस नोट्स का क्या?
9.  BroadNet Inference कहाँ फ़िट होता है

OpenClaw और Hermes Agent ऐसे पर्सनल एजेंट हैं जिन्हें आप चलता छोड़ देते हैं: ये आपके मैसेज पढ़ते हैं, tools चलाते हैं और चीज़ें जाँचने के लिए शेड्यूल पर जागते हैं। दोनों कोई भी OpenAI-compatible endpoint इस्तेमाल कर सकते हैं, इसलिए आप डिफ़ॉल्ट से सस्ता मॉडल चुन सकते हैं। पेंच यह है कि हर रन कॉन्टेक्स्ट भेजता है, और पैसा कॉन्टेक्स्ट का ही लगता है।

## हमेशा चालू एजेंट इतने महँगे क्यों पड़ते हैं?

चैट ऐप मॉडल को एक बार में एक मैसेज भेजता है। पर्सनल एजेंट हर टर्न पर अपना सिस्टम प्रॉम्प्ट, अपनी workspace फ़ाइलें, अपनी मेमोरी और बातचीत का एक हिस्सा भेजता है, और शेड्यूल पर ख़ुद भी टर्न चलाता है। बिल मोटे तौर पर यह है:

**प्रति रन कॉन्टेक्स्ट टोकन × प्रति दिन रन × प्रति टोकन कीमत**, ऊपर से आउटपुट।

Notebookcheck ने फ़रवरी 2026 में रिपोर्ट किया कि OpenClaw का “heartbeat” चेक, जो हर 30 मिनट पर चलता था, पूरी कॉन्टेक्स्ट विंडो API को भेजता था, एक मामूली चेक के लिए लगभग 120,000 टोकन। बताया गया कि एक यूज़र के रात भर के रन में Claude Opus पर ऐसे लगभग 25 चेक की लागत लगभग USD 18.75 आई। ये आँकड़े Notebookcheck द्वारा उद्धृत यूज़र रिपोर्ट हैं, हमारे माप नहीं, लेकिन असली बात तरीक़ा है: खाली बैठा एजेंट भी टोकन ख़र्च करता है।

तब से OpenClaw के डॉक्स heartbeat को रिटायर बताते हैं। शेड्यूल्ड चेक अब सामान्य automation jobs हैं, और `openclaw doctor --fix` पुरानी heartbeat सेटिंग को उनमें माइग्रेट करता है। सेटअप job अब भी हर 30 मिनट पर चलता है, जब तक प्रोवाइडर कोई अलग अंतराल न दे, इसलिए नीचे का हिसाब अब भी लागू होता है।

## OpenClaw को OpenAI-compatible endpoint से कैसे जोड़ें?

OpenClaw कस्टम प्रोवाइडर को `models.providers.<id>` के तहत रजिस्टर करता है। OpenAI-compatible सर्वर के लिए `baseUrl`, `apiKey`, `api: "openai-completions"` और एक `models` array सेट करें। हर मॉडल के लिए सिर्फ़ `id` ज़रूरी है, लेकिन डॉक्स सर्वर से मेल खाते स्पष्ट `contextWindow` और `maxTokens` मानों की सलाह देते हैं। BroadNet Inference की ओर इशारा करता उदाहरण, फ़ील्ड के नाम OpenClaw डॉक्स से और मान BroadNet के डॉक्स और प्राइस फ़ीड से:

```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 },
        ],
      },
    },
  },
}
```

मॉडल reference प्रोवाइडर id, स्लैश, फिर मॉडल id होता है। `agents.defaults.models` सिर्फ़ alias और metadata सेट करता है; यह मॉडल रजिस्टर नहीं करता, इसलिए `models.providers` वाली entry ही उसे कॉल करने लायक बनाती है। उसी पेज से compatibility के दो नोट: अगर कोई endpoint `reasoning_effort` अस्वीकार करता है, तो `compat.supportsReasoningEffort: false` OpenClaw को उसे भेजने से रोकता है (BroadNet के डॉक्स `reasoning_effort: low` स्वीकार करते हैं), और इमेज लेने वाले मॉडल को `input: ["text", "image"]` चाहिए ताकि attachments सीधे जाएँ।

`cost` फ़ील्ड भी सेट करें। जब कोई runtime लागत के बिना टोकन रिपोर्ट करता है, तो OpenClaw के automation अनुमान आपकी लोकल `models.json` की कीमतें इस्तेमाल करते हैं, और डिफ़ॉल्ट शून्य है, जिससे हर रन मुफ़्त दिखता है।

## Hermes Agent को कस्टम endpoint पर कैसे लगाएँ?

टर्मिनल में `hermes model` चलाएँ और कस्टम endpoint वाला विकल्प चुनें; यह base URL, API key और मॉडल का नाम पूछता है। या `~/.hermes/config.yaml` एडिट करें:

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

मॉडल चुनते समय Hermes डॉक्स की तीन बातें मायने रखती हैं:

-   **कॉन्टेक्स्ट की न्यूनतम सीमा।** tools के साथ एजेंट इस्तेमाल के लिए Hermes Agent को कम से कम 64,000 टोकन का कॉन्टेक्स्ट चाहिए, और छोटी विंडो को यह स्टार्टअप पर ही अस्वीकार कर देता है।
-   **Tool calls।** अगर सर्वर tool calls पार्स नहीं करता, तो मॉडल उन्हें टेक्स्ट के रूप में प्रिंट करता है और कुछ नहीं चलता।
-   **सहायक टास्क।** Vision, compression और titles डिफ़ॉल्ट रूप से आपके मुख्य चैट मॉडल पर जाते हैं, और हर एक को सस्ते मॉडल पर ओवरराइड किया जा सकता है।

## BroadNet के कौन-से मॉडल इन एजेंट के लिए फ़िट हैं?

| मॉडल | कॉन्टेक्स्ट | BroadNet द्वारा दस्तावेज़ित tools | इनपुट / कैश्ड / आउटपुट प्रति 1M | Hermes की 64K सीमा में फ़िट |
| --- | --- | --- | --- | --- |
| [GLM 5.3](https://broadrouter.com/hi/models/glm-5.3/) | 1,048,576 | हाँ | $0.78 / $0.173 / $3.46 | हाँ |
| [Qwen3.8 27B](https://broadrouter.com/hi/models/qwen3.8-27b/) | 262,144 | हाँ | $0.175 / $0.0435 / $2.17 | हाँ |
| [DeepSeek V4.1 Flash](https://broadrouter.com/hi/models/deepseek-v4.1-flash/) | 1,048,576 | दस्तावेज़ित नहीं | $0.175 / $0.0055 / $0.52, या फ़्लैट $60 प्रति माह | हाँ |
| [Gemma 4 VL 26B](https://broadrouter.com/hi/models/gemma-4-vl-26b/) | 32,768 | दस्तावेज़ित नहीं | $0.10 / कैश कीमत नहीं / $0.22 | नहीं |

दोनों एजेंट tool calls पर ही चलते हैं, इसलिए GLM 5.3 या Qwen3.8 27B से शुरू करें। फ़िट होने वाले तीनों में DeepSeek V4.1 Flash की आउटपुट और कैश्ड-इनपुट कीमत सबसे कम है, और सिर्फ़ यही फ़्लैट प्लान पर है, लेकिन BroadNet इसके लिए tool calling दस्तावेज़ित नहीं करता। महीना ख़रीदने से पहले अपना असली एजेंट $1 वाले Meteor घंटे पर चलाएँ और देखें कि tools सच में चलते हैं या नहीं। क्या जाँचना है, यह [ओपन मॉडल के साथ tool calling](https://broadrouter.com/hi/blog/tool-calling-open-models/) में है। $5 का शुरुआती क्रेडिट Gemma को कवर करता है, लेकिन उसकी 32K विंडो Hermes की सीमा से नीचे है और workspace से भरे OpenClaw एजेंट के लिए तंग है।

## टोकन का हिसाब कैसा दिखता है?

ये उदाहरण के लिए मान्यताएँ हैं, माप नहीं। अपने आँकड़े हर जवाब के `usage` ब्लॉक से या अपने प्रोवाइडर के usage पेज से पढ़ें।

| शेड्यूल्ड चेक | प्रति रन कॉन्टेक्स्ट | प्रति दिन रन | प्रति माह इनपुट टोकन (30 दिन) |
| --- | --- | --- | --- |
| हर 30 मिनट पर पूरा कॉन्टेक्स्ट | 120,000 | 48 | 172.8 मिलियन |
| हर घंटे पूरा कॉन्टेक्स्ट | 120,000 | 24 | 86.4 मिलियन |
| हर घंटे हल्का कॉन्टेक्स्ट | 15,000 | 24 | 10.8 मिलियन |
| हल्का कॉन्टेक्स्ट, हर 2 घंटे, 12 सक्रिय घंटे | 15,000 | 6 | 2.7 मिलियन |

यह किसी भी चैट या टास्क से पहले का है। इनपुट कॉलम को ऊपर की तालिका की प्रति-1M इनपुट कीमत से गुणा करें, या [LLM API लागत कैलकुलेटर](https://broadrouter.com/tools/llm-api-cost-calculator/) में चलाएँ। अगर रन के बीच प्रीफ़िक्स एक जैसा रहे, तो उसका बड़ा हिस्सा कैश्ड कीमत पर बिल हो सकता है, DeepSeek V4.1 Flash पर प्रति 1M $0.175 की जगह $0.0055; [प्रीफ़िक्स को कैश के लायक कैसे रखें](https://broadrouter.com/hi/blog/prompt-structure-for-caching/)। शेड्यूल्ड चेक से आगे एजेंट के टोकन कहाँ जाते हैं, यह देखने के लिए [एजेंट टोकन बजट](https://broadrouter.com/hi/blog/agent-token-budget/) पढ़ें।

## एजेंट को तोड़े बिना बिल कैसे घटाएँ?

हर टूल जो नियंत्रण दस्तावेज़ित करता है, उन्हें इस्तेमाल करें:

-   **रूटीन jobs के लिए हल्का कॉन्टेक्स्ट (OpenClaw)।** `--light-context` workspace की bootstrap फ़ाइलें जोड़ना छोड़ देता है। Isolated jobs नया सेशन शुरू करते हैं, इसलिए पूरी बातचीत साथ नहीं घसीटते। job scratch छोटा रखें; यह हर रन में जोड़ा जाता है, 256 KiB तक।
-   **हर job के लिए सस्ता मॉडल।** OpenClaw का `--model` किसी job का प्राथमिक मॉडल सेशन की पसंद से ऊपर सेट करता है, और इसके डॉक्स कहते हैं कि रूटीन सारांश और स्टेटस चेक के लिए हल्का मॉडल ठीक है। Hermes में `hermes cron create --model … --provider …` हर job के लिए मॉडल तय करता है, और बिना तय मॉडल वाले jobs `cron.model` इस्तेमाल करते हैं अगर वह सेट हो।
-   **कम रन, सिर्फ़ सक्रिय घंटों में।** OpenClaw jobs एक `activeHours` विंडो लेते हैं। आवृत्ति आधी करने से शेड्यूल्ड चेक के टोकन आधे हो जाते हैं।
-   **शांत नतीजे।** OpenClaw में जिस चेक के पास बताने को कुछ न हो, वह `NO_REPLY` लौटाता है और चुप रहता है, ताकि हर रन पर आपको मैसेज न आए।
-   **बिना मॉडल वाले jobs।** Hermes के script jobs बिना मॉडल के चलते हैं, इसलिए सिर्फ़ polling पर कोई ख़र्च नहीं।
-   **ख़र्च की सीमा।** key पर बजट लगाएँ; [LLM API ख़र्च नियंत्रण](https://broadrouter.com/hi/blog/llm-api-spend-control/) बजट और लूप सुरक्षा बताता है।

## फ़्लैट प्लान कब समझदारी है?

Full Moon सेशन में DeepSeek V4.1 Flash के लिए कोई टोकन मीटर, विंडो या कैप नहीं है: $60 प्रति माह, $15 प्रति हफ़्ता या $1 प्रति घंटा। हर 30 मिनट पर 120,000 टोकन का कॉन्टेक्स्ट उतना ही पड़ता है जितना हल्का कॉन्टेक्स्ट। दो सीमाएँ बनी रहती हैं:

-   **हर सेशन में एक समय में एक अनुरोध।** शेड्यूल्ड job और आपका चैट जवाब एक-दूसरे के पीछे क़तार में लगते हैं। अगर ये अक्सर टकराते हैं, तो दूसरा सेशन ख़रीदें। [सेशन कैसे काम करते हैं](https://broadrouter.com/hi/guides/unlimited-llm-api-sessions/)।
-   **Tool calling आपका टेस्ट है, BroadNet का वादा नहीं।** ऊपर देखें।

अगर आपका एजेंट ज़्यादातर सोया रहता है और दिन में कुछ हल्के चेक चलाता है, तो उपयोग के अनुसार भुगतान सस्ता है। दोनों की तुलना [फ़्लैट रेट बनाम प्रति-टोकन कैलकुलेटर](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) से करें।

## वॉइस नोट्स का क्या?

अगर आपके एजेंट को WhatsApp या Telegram वॉइस नोट्स मिलते हैं, तो LLM तक पहुँचने से पहले उन्हें ट्रांसक्राइब करें। BroadNet Transcribe Arabic की कीमत $0.0042 प्रति मिनट है और BroadNet Transcribe (14 भाषाएँ) की $0.002, और दोनों शुरुआती क्रेडिट पर चलते हैं। [WhatsApp वॉइस नोट गाइड](https://broadrouter.com/hi/guides/transcribe-whatsapp-voice-notes/) में कन्वर्ज़न का चरण है।

## BroadNet Inference कहाँ फ़िट होता है

BroadNet इन एजेंट को एक OpenAI-compatible endpoint देता है, जिसमें tool-दस्तावेज़ित दो मॉडल, भारी कॉन्टेक्स्ट के लिए फ़्लैट-रेट मॉडल, कैश्ड-इनपुट कीमतें और एक ही key पर speech to text है, और यह प्रॉम्प्ट या जवाब नहीं रखता। यह सबसे अच्छा विकल्प नहीं है अगर आपको पहले दिन से सबसे कम कीमत पर ऐसा मॉडल चाहिए जिसकी tool calling आपके एजेंट में साबित हो, या एक फ़्लैट सेशन पर कई समानांतर अनुरोध चाहिए। भारी ब्राउज़र या vision इस्तेमाल वाले एजेंट कहीं और बड़े मल्टीमोडल मॉडल पर बेहतर चल सकते हैं। तय करने से पहले अपने एजेंट के साथ एक घंटा टेस्ट करें।

इस विषय के मुफ़्त टूल (अंग्रेज़ी में)

-   [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.

[मुफ़्त टूल (अंग्रेज़ी में)](https://broadrouter.com/tools/)

## इस लेख के शब्द

[AI एजेंट (AI agent)](https://broadrouter.com/hi/glossary/agent/)

AI एजेंट ऐसा सिस्टम है जिसमें लैंग्वेज मॉडल किसी लक्ष्य की ओर अपने क़दम ख़ुद तय करता है: कौन-से टूल कॉल करने हैं, चुनता है, नतीजे पढ़ता है और अंतिम जवाब या किसी सीमा तक दोहराता रहता है। तय बिंदुओं पर मॉडल को कॉल करने वाली स्क्रिप्ट को आम तौर पर workflow कहते हैं।

[टूल कॉलिंग (tool calling)](https://broadrouter.com/hi/glossary/tool-calling/)

टूल कॉलिंग, जिसे function calling भी कहते हैं, LLM API की वह सुविधा है जिसमें मॉडल डेवलपर के तय किए किसी फ़ंक्शन को चलाने का एक स्ट्रक्चर्ड अनुरोध, JSON आर्ग्युमेंट के साथ, लौटाता है। ऐप्लिकेशन फ़ंक्शन चलाकर नतीजा वापस भेजता है; मॉडल ख़ुद कभी कोड नहीं चलाता।

[टोकन (token)](https://broadrouter.com/hi/glossary/token/)

टोकन टेक्स्ट की वह इकाई है जिसे लैंग्वेज मॉडल पढ़ता और लिखता है: कोई शब्द, शब्द का हिस्सा, विराम चिह्न या बाइट का क्रम, जो मॉडल का टोकनाइज़र बनाता है। LLM API इस्तेमाल को टोकन में गिनते हैं, उसी में लिमिट लगाते हैं और आम तौर पर बिल भी बनाते हैं।

[मल्टीमोडल AI (multimodal AI)](https://broadrouter.com/hi/glossary/multimodal/)

मल्टीमोडल AI ऐसा मॉडल या सिस्टम है जो एक से ज़्यादा तरह के डेटा, जैसे टेक्स्ट, इमेज, वीडियो और ऑडियो, के साथ काम करता है। कोई मल्टीमोडल मॉडल फ़ोटो और सवाल साथ पढ़ सकता है, या आवाज़ लेकर टेक्स्ट में जवाब दे सकता है। vision-language मॉडल इसका सबसे आम रूप है।

[base URL](https://broadrouter.com/hi/glossary/base-url/)

base URL किसी API का तय मूल पता है, जैसे https://api.example.com/v1, जिसे क्लाइंट /chat/completions जैसे हर एंडपॉइंट पाथ के आगे जोड़ता है। OpenAI-compatible SDK में base URL को API key और मॉडल ID के साथ बदलने से वही कोड किसी दूसरे प्रोवाइडर से जुड़ जाता है।

[इनपुट और आउटपुट टोकन (input and output tokens)](https://broadrouter.com/hi/glossary/input-and-output-tokens/)

इनपुट टोकन वे टोकन हैं जिन्हें लैंग्वेज मॉडल किसी अनुरोध में पढ़ता है, जिनमें सिस्टम प्रॉम्प्ट, बातचीत का इतिहास, टूल डेफ़िनिशन और इमेज शामिल हैं। आउटपुट टोकन वे हैं जो वह जवाब में बनाता है, रीज़निंग समेत। LLM API आम तौर पर दोनों की कीमत अलग रखते हैं, और आउटपुट आम तौर पर महँगा होता है।

[उपयोग के अनुसार भुगतान (pay-as-you-go)](https://broadrouter.com/hi/glossary/pay-as-you-go/)

उपयोग के अनुसार भुगतान (pay-as-you-go) एक प्राइसिंग मॉडल है जिसमें आप सिर्फ़ उतना देते हैं जितना इस्तेमाल करते हैं, जिसे टोकन, अनुरोध या ऑडियो मिनट जैसी इकाइयों में मापा जाता है, बिना सब्सक्रिप्शन या न्यूनतम प्रतिबद्धता के। ज़्यादातर LLM API इसी तरह बिल बनाते हैं, प्रीपेड बैलेंस या समय-समय पर बनने वाले इनवॉइस से।

[ओपन-वेट मॉडल (open-weight model)](https://broadrouter.com/hi/glossary/open-weight-model/)

ओपन-वेट मॉडल ऐसा मशीन लर्निंग मॉडल है जिसके ट्रेन किए weights सबके डाउनलोड करने और चलाने के लिए प्रकाशित होते हैं, आम तौर पर शर्तों वाले लाइसेंस के साथ। यह पूरी तरह ओपन-सोर्स AI से अलग है, जो ट्रेनिंग कोड और ट्रेनिंग डेटा की विस्तृत जानकारी भी जारी करता है, ताकि दूसरे मॉडल को समझ और दोबारा बना सकें।

## अक्सर पूछे जाने वाले सवाल

### क्या OpenClaw कस्टम OpenAI-compatible API इस्तेमाल कर सकता है?

हाँ। models.providers के तहत एक प्रोवाइडर जोड़ें जिसमें baseUrl, apiKey (environment reference सबसे अच्छा है), "openai-completions" पर सेट api और कम से कम हर मॉडल की id वाली models array हो। मॉडल को प्रोवाइडर id, स्लैश, फिर मॉडल id के रूप में लिखें।

### Hermes Agent को कस्टम endpoint पर कैसे लगाऊँ?

hermes model चलाएँ और कस्टम endpoint वाला विकल्प चुनें, या ~/.hermes/config.yaml में model.provider को custom, model.base\_url को /v1 URL, model.default को मॉडल id, और api\_key या key\_env सेट करें।

### OpenClaw खाली बैठे भी इतने टोकन क्यों खाता है?

शेड्यूल्ड चेक मॉडल कॉल ही हैं। फ़रवरी 2026 की एक Notebookcheck रिपोर्ट ने 30 मिनट वाले एक चेक का ज़िक्र किया जो हर बार लगभग 120,000 टोकन का कॉन्टेक्स्ट भेजता था। तब से OpenClaw ने heartbeat को automation jobs में बदल दिया है, जो हल्के कॉन्टेक्स्ट और अपने मॉडल के साथ चल सकते हैं।

### OpenClaw या Hermes Agent के लिए BroadNet का कौन-सा मॉडल इस्तेमाल करूँ?

GLM 5.3 या Qwen3.8 27B से शुरू करें, ये दो मॉडल हैं जिनकी tool calling BroadNet दस्तावेज़ित करता है। DeepSeek V4.1 Flash सस्ता है और इसका फ़्लैट प्लान है, लेकिन पहले अपने एजेंट में इसकी tool calls टेस्ट करें।

### क्या मैं Hermes Agent को मुफ़्त शुरुआती क्रेडिट पर चला सकता हूँ?

ठीक से नहीं। शुरुआती क्रेडिट BroadNet Gemma 4 VL 26B और Transcribe मॉडलों को कवर करता है, और Gemma का कॉन्टेक्स्ट 32,768 टोकन है, जो Hermes Agent को tool इस्तेमाल के लिए चाहिए 64,000 टोकन से कम है। जो चैट मॉडल फ़िट होते हैं, उनके लिए टॉप-अप या प्लान चाहिए।

### क्या फ़्लैट प्लान एजेंट की बढ़ती लागत रोकता है?

Full Moon सेशन में टोकन मीटर नहीं होता, इसलिए लंबे कॉन्टेक्स्ट और बार-बार के चेक से बिल नहीं बढ़ता। यह एक समय में एक अनुरोध चलाता है, इसलिए शेड्यूल्ड job और चैट जवाब एक-दूसरे के पीछे क़तार में लगते हैं, जब तक आप दूसरा सेशन न ख़रीदें।

## आगे पढ़ें

-   [एजेंट टोकन बजट: एजेंट लूप के टोकन कहाँ जाते हैं](https://broadrouter.com/hi/blog/agent-token-budget/)
-   [कैश्ड इनपुट टोकन क्या हैं: LLM API का बिल कैसे घटाएँ](https://broadrouter.com/hi/blog/cached-input-tokens-explained/)
-   [प्रॉम्प्ट को कैसे बनाएँ ताकि प्रीफ़िक्स कैश हो](https://broadrouter.com/hi/blog/prompt-structure-for-caching/)
-   [LLM API ख़र्च पर नियंत्रण: बजट, key सीमाएँ और लूप से बचाव](https://broadrouter.com/hi/blog/llm-api-spend-control/)
-   [ओपन मॉडल के साथ टूल कॉलिंग: स्कीमा, पैरेलल कॉल, रीट्राई](https://broadrouter.com/hi/blog/tool-calling-open-models/)
-   [LLM API प्लान में “अनलिमिटेड” का असली मतलब क्या है?](https://broadrouter.com/hi/blog/what-unlimited-llm-api-really-means/)
-   [AI कोडिंग एजेंट के एक रन की लागत: स्टेप, कॉन्टेक्स्ट और कैशिंग](https://broadrouter.com/hi/blog/ai-coding-agent-run-cost/)
-   [ओपन मॉडल के साथ Claude Code: प्रॉक्सी, नेटिव एंडपॉइंट और सीमाएँ](https://broadrouter.com/hi/blog/claude-code-with-openai-compatible-models/)
-   [गाइड: एजेंट के लिए अनलिमिटेड LLM API प्लान कैसे काम करते हैं](https://broadrouter.com/hi/guides/unlimited-llm-api-sessions/)
-   [गाइड: API से WhatsApp वॉइस नोट को टेक्स्ट में बदलें](https://broadrouter.com/hi/guides/transcribe-whatsapp-voice-notes/)
-   [गाइड: BroadNet Inference के एरर कोड और रीट्राई कब करें](https://broadrouter.com/hi/guides/errors-and-retries/)

इसे अपने असली वर्कलोड पर आज़माएँ। नए अकाउंट Gemma और ट्रांसक्रिप्शन के लिए US$5 के क्रेडिट से शुरू होते हैं। DeepSeek, GLM, और Qwen3.8 के लिए टॉप-अप ज़रूरी है।

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

**स्रोत**

-   [OpenClaw डॉक्स, कस्टम प्रोवाइडर और लोकल रनटाइम (2026-11-15 को जाँचा गया)](https://docs.openclaw.ai/concepts/model-providers/custom-providers)
-   [OpenClaw डॉक्स, heartbeat से automation jobs पर माइग्रेशन (2026-11-15 को जाँचा गया)](https://docs.openclaw.ai/gateway/heartbeat)
-   [OpenClaw डॉक्स, automation job payloads: सेशन, scratch, model override, light context (2026-11-15 को जाँचा गया)](https://docs.openclaw.ai/automation/cron-jobs/payloads)
-   [Hermes Agent डॉक्स, प्रोवाइडर और कस्टम OpenAI-compatible endpoint (2026-11-15 को जाँचा गया)](https://hermes-agent.nousresearch.com/docs/integrations/providers)
-   [Hermes Agent डॉक्स, शेड्यूल्ड टास्क (cron) (2026-11-15 को जाँचा गया)](https://hermes-agent.nousresearch.com/docs/user-guide/features/cron)
-   [Notebookcheck, OpenClaw के टोकन इस्तेमाल पर रिपोर्ट, 4 फ़रवरी 2026 (2026-11-15 को जाँचा गया)](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)
-   [BroadNet Inference API रेफ़रंस: मॉडल, tools, reasoning, सीमाएँ (2026-11-15 को जाँचा गया) (अंग्रेज़ी में)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-openclaw-hermes-agent-cheap-model&utm_content=sources)
-   [BroadNet Inference की मशीन-पठनीय कीमतें, pricing.json (2026-11-15 को जाँचा गया) (अंग्रेज़ी में)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-openclaw-hermes-agent-cheap-model&utm_content=sources)
