---
title: "OpenClaw e Hermes Agent con un modello economico | BroadRouter"
description: "Collega OpenClaw o Hermes Agent a un endpoint compatibile con OpenAI, scopri perché i controlli pianificati bruciano token e come tagliare la bolletta."
url: https://broadrouter.com/it/blog/openclaw-hermes-agent-cheap-model/
lang: it
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Tradotto dall’inglese con l’aiuto dell’IA. [Leggi l’originale in inglese](https://broadrouter.com/blog/openclaw-hermes-agent-cheap-model/) (aggiornato il 2026-11-15).

# OpenClaw e Hermes Agent con un modello economico: setup e costi

A cura del team di BroadNet Inference · 6 min di lettura · Pubblicato 2026-11-15

Entrambi gli agenti accettano un endpoint personalizzato compatibile con OpenAI: OpenClaw sotto models.providers con api "openai-completions", Hermes Agent con provider: custom e un base\_url. Il costo è dato da dimensione del contesto per frequenza delle esecuzioni per prezzo del modello. Riduci il contesto, esegui i controlli pianificati meno spesso e su un modello più economico, e testa il tool calling prima di impegnarti.

## Punti chiave

-   Un agente sempre attivo rimanda il suo contesto a ogni controllo pianificato e a ogni turno, quindi dimensione del contesto per frequenza fa la bolletta.
-   OpenClaw accetta un endpoint personalizzato sotto models.providers con api "openai-completions"; Hermes Agent accetta provider: custom più base\_url in config.yaml.
-   Hermes Agent ha bisogno di almeno 64.000 token di contesto per usare i tool, il che esclude i modelli con contesto da 32K come modello principale.
-   Su BroadNet il tool calling è documentato solo per GLM 5.3 e Qwen3.8 27B. Testa DeepSeek V4.1 Flash con il tuo agente prima di contare sul piano flat.
-   Contesto leggero, meno esecuzioni e un modello più economico per i controlli di routine tagliano più token di qualsiasi sconto.

**In questa pagina**

1.  Perché gli agenti sempre attivi costano così tanto?
2.  Come si collega OpenClaw a un endpoint compatibile con OpenAI?
3.  Come si collega Hermes Agent a un endpoint personalizzato?
4.  Quali modelli BroadNet sono adatti a questi agenti?
5.  Come sono i conti dei token?
6.  Come tagliare la bolletta senza rompere l’agente?
7.  Quando ha senso un piano flat?
8.  E i messaggi vocali?
9.  Dove si colloca BroadNet Inference

OpenClaw e Hermes Agent sono agenti personali che lasci sempre accesi: leggono i tuoi messaggi, eseguono tool e si svegliano a orari pianificati per controllare le cose. Entrambi possono usare qualsiasi endpoint compatibile con OpenAI, quindi puoi scegliere un modello più economico di quello predefinito. Il problema è che ogni esecuzione invia contesto, e il contesto è proprio quello che paghi.

## Perché gli agenti sempre attivi costano così tanto?

Un’app di chat invia al modello un messaggio alla volta. Un agente personale invia a ogni turno il suo system prompt, i file del workspace, la memoria e una parte della conversazione, e in più esegue turni da solo, secondo una pianificazione. La bolletta è all’incirca:

**token di contesto per esecuzione × esecuzioni al giorno × prezzo per token**, più l’output.

A febbraio 2026 Notebookcheck ha riportato che il controllo «heartbeat» di OpenClaw, eseguito ogni 30 minuti, inviava all’API l’intera finestra di contesto, circa 120.000 token per un controllo banale. L’esecuzione notturna di un utente, con circa 25 controlli di questo tipo su Claude Opus, sarebbe costata circa 18,75 USD. Sono segnalazioni di utenti citate da Notebookcheck, non nostre misurazioni, ma il punto è il meccanismo: anche un agente inattivo spende token.

Da allora la documentazione di OpenClaw descrive gli heartbeat come dismessi. I controlli pianificati ora sono normali job di automazione, e `openclaw doctor --fix` migra al loro interno le vecchie impostazioni degli heartbeat. Il job di setup gira comunque ogni 30 minuti, a meno che il provider non fornisca una cadenza diversa, quindi i conti che seguono valgono ancora.

## Come si collega OpenClaw a un endpoint compatibile con OpenAI?

OpenClaw registra i provider personalizzati sotto `models.providers.<id>`. Per un server compatibile con OpenAI imposta `baseUrl`, `apiKey`, `api: "openai-completions"` e un array `models`. Per ogni modello è obbligatorio solo `id`, ma la documentazione consiglia valori espliciti di `contextWindow` e `maxTokens` che corrispondano al server. Ecco la configurazione puntata su BroadNet Inference, con i nomi dei campi presi dalla documentazione di OpenClaw e i valori dalla documentazione e dal feed dei prezzi di 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 },
        ],
      },
    },
  },
}
```

I riferimenti ai modelli sono l’id del provider, una barra, poi l’id del modello. `agents.defaults.models` imposta solo alias e metadati; non registra un modello, quindi è la voce in `models.providers` a renderlo richiamabile. Due note di compatibilità dalla stessa pagina: `compat.supportsReasoningEffort: false` impedisce a OpenClaw di inviare `reasoning_effort` se un endpoint lo rifiuta (la documentazione di BroadNet accetta `reasoning_effort: low`), e un modello che accetta immagini ha bisogno di `input: ["text", "image"]` perché gli allegati vengano passati in modo nativo.

Imposta anche i campi `cost`. Le stime dell’automazione di OpenClaw usano i prezzi del tuo `models.json` locale quando un runtime riporta i token senza un costo, e il valore predefinito è zero, il che fa sembrare gratuita ogni esecuzione.

## Come si collega Hermes Agent a un endpoint personalizzato?

Esegui `hermes model` in un terminale e scegli l’opzione per l’endpoint personalizzato; ti chiederà base URL, chiave API e nome del modello. Oppure modifica `~/.hermes/config.yaml`:

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

Tre punti della documentazione di Hermes contano quando scegli un modello:

-   **Soglia minima di contesto.** Hermes Agent richiede almeno 64.000 token di contesto per l’uso come agente con tool e rifiuta finestre più piccole all’avvio.
-   **Tool call.** Se il server non interpreta le tool call, il modello le stampa come testo e non viene eseguito nulla.
-   **Task ausiliari.** Visione, compressione e titoli vanno per impostazione predefinita al tuo modello di chat principale, e ciascuno può essere reindirizzato a un modello più economico.

## Quali modelli BroadNet sono adatti a questi agenti?

| Modello | Contesto | Tool documentati da BroadNet | Input / in cache / output per 1M | Rispetta la soglia di 64K di Hermes |
| --- | --- | --- | --- | --- |
| [GLM 5.3](https://broadrouter.com/it/models/glm-5.3/) | 1.048.576 | Sì | $0.78 / $0.173 / $3.46 | Sì |
| [Qwen3.8 27B](https://broadrouter.com/it/models/qwen3.8-27b/) | 262.144 | Sì | $0.175 / $0.0435 / $2.17 | Sì |
| [DeepSeek V4.1 Flash](https://broadrouter.com/it/models/deepseek-v4.1-flash/) | 1.048.576 | Non documentati | $0.175 / $0.0055 / $0.52, oppure $60 al mese a prezzo fisso | Sì |
| [Gemma 4 VL 26B](https://broadrouter.com/it/models/gemma-4-vl-26b/) | 32.768 | Non documentati | $0.10 / nessun prezzo per la cache / $0.22 | No |

Entrambi gli agenti vivono di tool call, quindi parti da GLM 5.3 o Qwen3.8 27B. Tra i tre modelli adatti, DeepSeek V4.1 Flash ha i prezzi più bassi per output e input in cache, ed è l’unico con un piano flat, ma BroadNet non documenta il tool calling per questo modello. Fai girare il tuo agente reale per un’ora Meteor a $1 e verifica che i tool vengano davvero eseguiti prima di comprare un mese. [Tool calling con i modelli open](https://broadrouter.com/it/blog/tool-calling-open-models/) spiega cosa controllare. Gemma è il modello coperto dal credito iniziale di $5, ma la sua finestra da 32K è sotto la soglia di Hermes e stretta per un agente OpenClaw con molti file nel workspace.

## Come sono i conti dei token?

Ipotesi illustrative, non misurazioni. Leggi i tuoi numeri dal blocco `usage` di ogni risposta o dalla pagina di utilizzo del tuo provider.

| Controllo pianificato | Contesto per esecuzione | Esecuzioni al giorno | Token di input al mese (30 giorni) |
| --- | --- | --- | --- |
| Contesto completo ogni 30 minuti | 120.000 | 48 | 172,8 milioni |
| Contesto completo ogni ora | 120.000 | 24 | 86,4 milioni |
| Contesto leggero ogni ora | 15.000 | 24 | 10,8 milioni |
| Contesto leggero, ogni 2 ore, 12 ore attive | 15.000 | 6 | 2,7 milioni |

E questo prima di qualsiasi chat o task. Moltiplica la colonna dell’input per il prezzo di input per 1M nella tabella precedente, oppure passala al [calcolatore dei costi delle API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/). Se il prefisso resta identico tra un’esecuzione e l’altra, gran parte può essere fatturata al prezzo dell’input in cache, $0.0055 invece di $0.175 per 1M su DeepSeek V4.1 Flash; [come mantenere il prefisso adatto alla cache](https://broadrouter.com/it/blog/prompt-structure-for-caching/). Per vedere dove finiscono i token di un agente oltre ai controlli pianificati, leggi [il budget di token di un agente](https://broadrouter.com/it/blog/agent-token-budget/).

## Come tagliare la bolletta senza rompere l’agente?

Usa i controlli che ciascuno strumento documenta:

-   **Contesto leggero per i job di routine (OpenClaw).** `--light-context` salta l’iniezione dei file di bootstrap del workspace. I job isolati partono con una sessione nuova, così non si trascinano dietro l’intera conversazione. Tieni corto lo scratch del job; viene iniettato in ogni esecuzione, fino a 256 KiB.
-   **Un modello più economico per ogni job.** In OpenClaw `--model` imposta il modello principale di un job prima delle preferenze di sessione, e la documentazione dice che riassunti di routine e controlli di stato si adattano a un modello più leggero. In Hermes, `hermes cron create --model … --provider …` fissa un modello per job, e i job senza modello fissato usano `cron.model` se impostato.
-   **Meno esecuzioni, solo nelle ore attive.** I job di OpenClaw accettano una finestra `activeHours`. Dimezzare la frequenza dimezza i token dei controlli pianificati.
-   **Risultati silenziosi.** In OpenClaw un controllo senza nulla da segnalare restituisce `NO_REPLY` e resta muto, così non ricevi un messaggio a ogni esecuzione.
-   **Job senza modello.** I job script di Hermes girano senza modello, quindi il semplice polling non costa nulla.
-   **Limiti di spesa.** Metti un budget sulla chiave; [controllo della spesa per le API LLM](https://broadrouter.com/it/blog/llm-api-spend-control/) spiega budget e protezione dai loop.

## Quando ha senso un piano flat?

Una sessione Full Moon non ha contatore di token, finestra temporale o tetto per DeepSeek V4.1 Flash: $60 al mese, $15 a settimana o $1 all’ora. Un contesto da 120.000 token ogni 30 minuti costa quanto uno leggero. Restano due limiti:

-   **Una richiesta alla volta per sessione.** Un job pianificato e la tua risposta in chat si mettono in coda l’uno dietro l’altro. Compra una seconda sessione se si sovrappongono spesso. [Come funzionano le sessioni](https://broadrouter.com/it/guides/unlimited-llm-api-sessions/).
-   **Il tool calling è un test che fai tu, non una promessa di BroadNet.** Vedi sopra.

Se il tuo agente dorme quasi sempre ed esegue pochi controlli leggeri al giorno, il pagamento a consumo costa meno. Confronta le due opzioni con il [calcolatore prezzo fisso vs a token](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/).

## E i messaggi vocali?

Se il tuo agente riceve messaggi vocali da WhatsApp o Telegram, trascrivili prima che li veda l’LLM. BroadNet Transcribe Arabic costa $0.0042 al minuto e BroadNet Transcribe (14 lingue) $0.002, ed entrambi funzionano con il credito iniziale. La [guida ai messaggi vocali di WhatsApp](https://broadrouter.com/it/guides/transcribe-whatsapp-voice-notes/) contiene il passaggio di conversione.

## Dove si colloca BroadNet Inference

BroadNet offre a questi agenti un endpoint compatibile con OpenAI con due modelli dal tool calling documentato, un modello a prezzo fisso per i contesti pesanti, prezzi per l’input in cache e speech-to-text con un’unica chiave, e non conserva prompt né risposte. Non è la scelta migliore se ti serve, dal primo giorno e al prezzo più basso, un modello il cui tool calling sia già provato nel tuo agente, o molte richieste in parallelo su una sola sessione a prezzo fisso. Gli agenti che usano molto browser o visione potrebbero anche trovarsi meglio con un modello multimodale più grande altrove. Prova con il tuo agente per un’ora prima di impegnarti.

Strumenti gratuiti sul tema (in inglese)

-   [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.

[Strumenti gratuiti (in inglese)](https://broadrouter.com/tools/)

## Termini in questo articolo

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

Un token è l’unità di testo che un modello linguistico legge e scrive: una parola, una parte di parola, un segno di punteggiatura o una sequenza di byte prodotta dal tokenizer del modello. Le API LLM contano, limitano e di solito fatturano l’uso in token.

[Tool calling (chiamata di strumenti)](https://broadrouter.com/it/glossary/tool-calling/)

Il tool calling, detto anche function calling, è una funzionalità delle API LLM in cui il modello restituisce una richiesta strutturata di eseguire una funzione definita dallo sviluppatore, con argomenti JSON. L’applicazione esegue la funzione e rimanda il risultato; il modello non esegue mai codice da solo.

[Pagamento a consumo (pay-as-you-go)](https://broadrouter.com/it/glossary/pay-as-you-go/)

Il pagamento a consumo è un modello di prezzo in cui paghi solo ciò che usi, misurato per unità come token, richieste o minuti di audio, senza abbonamento né impegno minimo. La maggior parte delle API LLM fattura così, da un saldo prepagato o con una fattura periodica.

[Token di input in cache (cached input)](https://broadrouter.com/it/glossary/cached-input-tokens/)

I token di input in cache sono token del prompt che un provider LLM ha elaborato da poco e può riusare da una cache invece di ricalcolarli, di solito un prefisso ripetuto come un system prompt o un documento. I provider li fatturano a una tariffa più bassa dei token di input nuovi.

[Base URL (URL di base)](https://broadrouter.com/it/glossary/base-url/)

La base URL è l’indirizzo radice fisso di un’API, come https://api.example.com/v1, che un client antepone a ogni percorso di endpoint, come /chat/completions. Negli SDK compatibili con OpenAI, cambiare la base URL, insieme alla chiave API e all’ID del modello, punta lo stesso codice verso un altro provider.

[Piano LLM flat (flat-rate)](https://broadrouter.com/it/glossary/flat-rate-llm-plan/)

Un piano LLM flat applica un prezzo fisso per un periodo, per esempio un mese, per accedere all’API di un modello linguistico invece di fatturare per token. Di solito questi piani limitano qualcos’altro, come concorrenza, velocità, modelli o finestre di utilizzo, quindi i limiti contano quanto il prezzo.

[Speech-to-text (riconoscimento vocale)](https://broadrouter.com/it/glossary/speech-to-text/)

Lo speech-to-text, detto anche riconoscimento automatico del parlato (ASR), è la tecnologia che converte l’audio parlato in testo scritto. Un’API speech-to-text riceve un file o uno stream audio e restituisce una trascrizione, di solito a prezzo per minuto di audio. L’accuratezza si misura con il word error rate e varia con accento, dialetto e qualità della registrazione.

[AI multimodale (multimodal AI)](https://broadrouter.com/it/glossary/multimodal/)

L’AI multimodale è un modello o un sistema che lavora con più di un tipo di dato, come testo, immagini, video e audio. Un modello multimodale può leggere insieme una foto e una domanda, oppure ricevere parlato e rispondere in testo. Il tipo più comune è il modello vision-language.

## Domande frequenti

### OpenClaw può usare un’API personalizzata compatibile con OpenAI?

Sì. Aggiungi un provider sotto models.providers con un baseUrl, un apiKey (meglio un riferimento a una variabile d’ambiente), api impostato su "openai-completions" e un array models con almeno l’id di ciascun modello. Indica il modello come id del provider, una barra, poi id del modello.

### Come collego Hermes Agent a un endpoint personalizzato?

Esegui hermes model e scegli l’opzione per l’endpoint personalizzato, oppure imposta model.provider su custom, model.base\_url sull’URL /v1, model.default sull’id del modello e api\_key o key\_env in ~/.hermes/config.yaml.

### Perché OpenClaw consuma così tanti token anche quando è inattivo?

I controlli pianificati sono chiamate al modello. Un articolo di Notebookcheck di febbraio 2026 descriveva un controllo ogni 30 minuti che inviava ogni volta circa 120.000 token di contesto. Da allora OpenClaw ha spostato gli heartbeat sui job di automazione, che possono girare con contesto leggero e con un proprio modello.

### Quale modello BroadNet conviene usare con OpenClaw o Hermes Agent?

Parti da GLM 5.3 o Qwen3.8 27B, i due modelli di cui BroadNet documenta il tool calling. DeepSeek V4.1 Flash costa meno e ha un piano flat, ma prima testa le sue tool call nel tuo agente.

### Posso usare Hermes Agent con il credito iniziale gratuito?

Non bene. Il credito iniziale copre BroadNet Gemma 4 VL 26B e i modelli Transcribe, e Gemma ha un contesto di 32.768 token, sotto i 64.000 token che Hermes Agent richiede per usare i tool. I modelli di chat adatti richiedono una ricarica o un piano.

### Un piano flat impedisce ai costi dell’agente di crescere?

Una sessione Full Moon non ha contatore di token, quindi contesti lunghi e controlli frequenti non fanno salire la bolletta. Gestisce però una richiesta alla volta, quindi un job pianificato e una risposta in chat si mettono in coda l’uno dietro l’altro, a meno che tu non compri una seconda sessione.

## Continua a leggere

-   [Budget di token di un agente: dove vanno i token di un ciclo](https://broadrouter.com/it/blog/agent-token-budget/)
-   [Token di input in cache: come ridurre la bolletta delle API LLM](https://broadrouter.com/it/blog/cached-input-tokens-explained/)
-   [Come strutturare i prompt perché il prefisso vada in cache](https://broadrouter.com/it/blog/prompt-structure-for-caching/)
-   [Controllo della spesa API LLM: budget, limiti sulle chiavi e cicli](https://broadrouter.com/it/blog/llm-api-spend-control/)
-   [Tool calling con modelli aperti: schemi, chiamate parallele, retry](https://broadrouter.com/it/blog/tool-calling-open-models/)
-   [Cosa significa davvero «illimitato» in un piano API LLM](https://broadrouter.com/it/blog/what-unlimited-llm-api-really-means/)
-   [Costo di un’esecuzione di un agente di coding: passi, contesto, cache](https://broadrouter.com/it/blog/ai-coding-agent-run-cost/)
-   [Claude Code con modelli open-weight: proxy, endpoint nativi e limiti](https://broadrouter.com/it/blog/claude-code-with-openai-compatible-models/)
-   [Guida: Come funzionano i piani API LLM illimitati per gli agenti](https://broadrouter.com/it/guides/unlimited-llm-api-sessions/)
-   [Guida: Trascrivere i vocali WhatsApp in testo con un’API](https://broadrouter.com/it/guides/transcribe-whatsapp-voice-notes/)
-   [Guida: Codici di errore di BroadNet Inference e quando ritentare](https://broadrouter.com/it/guides/errors-and-retries/)

Provalo sul tuo carico di lavoro reale. I nuovi account partono con USD 5 di credito per Gemma e trascrizione. DeepSeek, GLM e Qwen3.8 richiedono una ricarica.

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

**Fonti**

-   [Documentazione di OpenClaw, provider personalizzati e runtime locali (verificata il 2026-11-15)](https://docs.openclaw.ai/concepts/model-providers/custom-providers)
-   [Documentazione di OpenClaw, migrazione degli heartbeat ai job di automazione (verificata il 2026-11-15)](https://docs.openclaw.ai/gateway/heartbeat)
-   [Documentazione di OpenClaw, payload dei job di automazione: sessioni, scratch, override del modello, contesto leggero (verificata il 2026-11-15)](https://docs.openclaw.ai/automation/cron-jobs/payloads)
-   [Documentazione di Hermes Agent, provider ed endpoint personalizzati compatibili con OpenAI (verificata il 2026-11-15)](https://hermes-agent.nousresearch.com/docs/integrations/providers)
-   [Documentazione di Hermes Agent, attività pianificate (cron) (verificata il 2026-11-15)](https://hermes-agent.nousresearch.com/docs/user-guide/features/cron)
-   [Notebookcheck, articolo sul consumo di token di OpenClaw, 4 febbraio 2026 (verificato il 2026-11-15)](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)
-   [Riferimento API di BroadNet Inference: modelli, tool, ragionamento, limiti (verificato il 2026-11-15) (in inglese)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-openclaw-hermes-agent-cheap-model&utm_content=sources)
-   [Prezzi di BroadNet Inference in formato leggibile dalle macchine, pricing.json (verificato il 2026-11-15) (in inglese)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-openclaw-hermes-agent-cheap-model&utm_content=sources)
