---
title: "OpenClaw dan Hermes Agent pada model serasi OpenAI murah"
description: "Sambungkan OpenClaw atau Hermes Agent ke endpoint serasi OpenAI, fahami mengapa semakan berjadual membakar token, dan kurangkan bil: konteks ringan, model murah."
url: https://broadrouter.com/ms/blog/openclaw-hermes-agent-cheap-model/
lang: ms
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan daripada bahasa Inggeris dengan bantuan AI. [Baca versi asal dalam bahasa Inggeris](https://broadrouter.com/blog/openclaw-hermes-agent-cheap-model/) (dikemas kini 2026-11-15).

# OpenClaw dan Hermes Agent pada model murah: persediaan dan kos token

Oleh pasukan BroadNet Inference · 6 minit bacaan · Diterbitkan 2026-11-15

Kedua-dua ejen menerima endpoint tersuai yang serasi OpenAI: OpenClaw di bawah models.providers dengan api "openai-completions", Hermes Agent dengan provider: custom dan base\_url. Kos ditentukan oleh saiz konteks darab kekerapan ejen berjalan darab harga model. Kecilkan konteks, kurangkan semakan berjadual dan jalankannya pada model lebih murah, dan uji tool calling sebelum anda komited.

## Perkara utama

-   Ejen yang sentiasa hidup menghantar semula konteksnya pada setiap semakan berjadual dan giliran, jadi saiz konteks darab kekerapan menentukan bil.
-   OpenClaw menerima endpoint tersuai di bawah models.providers dengan api "openai-completions"; Hermes Agent menerima provider: custom berserta base\_url dalam config.yaml.
-   Hermes Agent memerlukan sekurang-kurangnya 64,000 token konteks untuk penggunaan alat, jadi model berkonteks 32K tidak boleh menjadi model utama.
-   Pada BroadNet, tool calling didokumenkan untuk GLM 5.3 dan Qwen3.8 27B sahaja. Uji DeepSeek V4.1 Flash dengan ejen anda sebelum bergantung pada pelan kadar rata.
-   Konteks ringan, larian lebih sedikit dan model lebih murah untuk semakan rutin mengurangkan token lebih banyak daripada sebarang diskaun.

**Dalam halaman ini**

1.  Mengapakah ejen yang sentiasa hidup begitu mahal?
2.  Bagaimanakah menyambungkan OpenClaw ke endpoint serasi OpenAI?
3.  Bagaimanakah menghalakan Hermes Agent ke endpoint tersuai?
4.  Model BroadNet manakah yang sesuai untuk ejen ini?
5.  Bagaimanakah rupa kiraan token?
6.  Bagaimanakah mengurangkan bil tanpa merosakkan ejen?
7.  Bilakah pelan kadar rata masuk akal?
8.  Bagaimana pula dengan nota suara?
9.  Di mana BroadNet Inference sesuai

OpenClaw dan Hermes Agent ialah ejen peribadi yang anda biarkan berjalan: ia membaca mesej anda, menjalankan alat dan bangun mengikut jadual untuk menyemak sesuatu. Kedua-duanya boleh menggunakan mana-mana endpoint yang serasi OpenAI, jadi anda boleh memilih model yang lebih murah daripada lalai. Masalahnya, setiap larian menghantar konteks, dan konteks itulah yang anda bayar.

## Mengapakah ejen yang sentiasa hidup begitu mahal?

Aplikasi chat menghantar satu mesej pada satu masa kepada model. Ejen peribadi menghantar system prompt, fail ruang kerja, memori dan sebahagian perbualan pada setiap giliran, dan ia juga menjalankan giliran sendiri mengikut jadual. Bilnya lebih kurang:

**token konteks setiap larian × larian sehari × harga setiap token**, ditambah output.

Notebookcheck melaporkan pada Februari 2026 bahawa semakan “heartbeat” OpenClaw, yang berjalan setiap 30 minit, menghantar seluruh tetingkap konteks ke API, kira-kira 120,000 token untuk semakan yang remeh. Larian semalaman seorang pengguna dengan kira-kira 25 semakan sedemikian pada Claude Opus dilaporkan berkos kira-kira USD 18.75. Angka itu laporan pengguna yang dipetik oleh Notebookcheck, bukan ukuran kami, tetapi mekanismenya yang penting: ejen yang melahu tetap membelanjakan token.

Sejak itu, dokumentasi OpenClaw menggambarkan heartbeat sebagai sudah dihentikan. Semakan berjadual kini ialah tugas automasi biasa, dan `openclaw doctor --fix` memindahkan tetapan heartbeat lama ke dalamnya. Tugas persediaan masih berjalan setiap 30 minit melainkan penyedia membekalkan kekerapan lain, jadi kiraan di bawah masih terpakai.

## Bagaimanakah menyambungkan OpenClaw ke endpoint serasi OpenAI?

OpenClaw mendaftarkan penyedia tersuai di bawah `models.providers.<id>`. Untuk pelayan yang serasi OpenAI, tetapkan `baseUrl`, `apiKey`, `api: "openai-completions"` dan tatasusunan `models`. Hanya `id` diperlukan bagi setiap model, tetapi dokumentasi mengesyorkan nilai `contextWindow` dan `maxTokens` yang eksplisit dan sepadan dengan pelayan. Dihalakan ke BroadNet Inference, dengan nama medan daripada dokumentasi OpenClaw dan nilai daripada dokumentasi serta suapan harga 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 },
        ],
      },
    },
  },
}
```

Rujukan model ialah id penyedia, garis miring, kemudian id model. `agents.defaults.models` hanya menetapkan alias dan metadata; ia tidak mendaftarkan model, jadi entri `models.providers` itulah yang menjadikannya boleh dipanggil. Dua nota keserasian daripada halaman yang sama: `compat.supportsReasoningEffort: false` menghalang OpenClaw daripada menghantar `reasoning_effort` jika endpoint menolaknya (dokumentasi BroadNet menerima `reasoning_effort: low`), dan model yang menerima imej memerlukan `input: ["text", "image"]` supaya lampiran dihantar secara asli.

Tetapkan juga medan `cost`. Anggaran automasi OpenClaw menggunakan harga dalam `models.json` tempatan anda apabila runtime melaporkan token tanpa kos, dan lalainya sifar, yang menjadikan setiap larian kelihatan percuma.

## Bagaimanakah menghalakan Hermes Agent ke endpoint tersuai?

Jalankan `hermes model` dalam terminal dan pilih pilihan endpoint tersuai; ia akan meminta base URL, kunci API dan nama model. Atau sunting `~/.hermes/config.yaml`:

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

Tiga perkara daripada dokumentasi Hermes penting apabila anda memilih model:

-   **Lantai konteks.** Hermes Agent memerlukan sekurang-kurangnya 64,000 token konteks untuk penggunaan ejen dengan alat dan menolak tetingkap yang lebih kecil semasa bermula.
-   **Tool call.** Jika pelayan tidak menghurai tool call, model mencetaknya sebagai teks dan tiada apa yang berjalan.
-   **Tugas tambahan.** Penglihatan, pemampatan dan tajuk dihantar ke model chat utama anda secara lalai, dan setiap satu boleh ditukar kepada model yang lebih murah.

## Model BroadNet manakah yang sesuai untuk ejen ini?

| Model | Konteks | Alat didokumenkan BroadNet | Input / cache / output setiap 1M | Muat lantai 64K Hermes |
| --- | --- | --- | --- | --- |
| [GLM 5.3](https://broadrouter.com/ms/models/glm-5.3/) | 1,048,576 | Ya | $0.78 / $0.173 / $3.46 | Ya |
| [Qwen3.8 27B](https://broadrouter.com/ms/models/qwen3.8-27b/) | 262,144 | Ya | $0.175 / $0.0435 / $2.17 | Ya |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ms/models/deepseek-v4.1-flash/) | 1,048,576 | Tidak didokumenkan | $0.175 / $0.0055 / $0.52, atau $60 sebulan kadar rata | Ya |
| [Gemma 4 VL 26B](https://broadrouter.com/ms/models/gemma-4-vl-26b/) | 32,768 | Tidak didokumenkan | $0.10 / tiada harga cache / $0.22 | Tidak |

Kedua-dua ejen bergantung pada tool call, jadi mulakan dengan GLM 5.3 atau Qwen3.8 27B. DeepSeek V4.1 Flash mempunyai harga output dan input cache paling rendah antara tiga yang muat, dan hanya ia yang ada pelan kadar rata, tetapi BroadNet tidak mendokumenkan tool calling untuknya. Jalankan ejen sebenar anda pada satu jam Meteor $1 dan perhatikan sama ada alat benar-benar berjalan sebelum anda membeli sebulan. [Tool calling dengan model terbuka](https://broadrouter.com/ms/blog/tool-calling-open-models/) menerangkan apa yang perlu disemak. Gemma ialah model yang diliputi kredit permulaan $5, tetapi tetingkap 32K-nya di bawah lantai Hermes dan sempit untuk ejen OpenClaw yang berat dengan ruang kerja.

## Bagaimanakah rupa kiraan token?

Andaian ilustrasi, bukan ukuran. Baca angka anda sendiri daripada blok `usage` setiap respons atau halaman penggunaan penyedia anda.

| Semakan berjadual | Konteks setiap larian | Larian sehari | Token input sebulan (30 hari) |
| --- | --- | --- | --- |
| Konteks penuh setiap 30 minit | 120,000 | 48 | 172.8 juta |
| Konteks penuh setiap jam | 120,000 | 24 | 86.4 juta |
| Konteks ringan setiap jam | 15,000 | 24 | 10.8 juta |
| Konteks ringan, setiap 2 jam, 12 jam aktif | 15,000 | 6 | 2.7 juta |

Itu sebelum sebarang chat atau tugas. Darabkan lajur input dengan harga input setiap 1M dalam jadual di atas, atau masukkan ke dalam [kalkulator kos API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/). Jika awalan kekal sama antara larian, sebahagian besarnya boleh dibilkan pada harga cache, $0.0055 dan bukannya $0.175 setiap 1M pada DeepSeek V4.1 Flash; [cara memastikan awalan boleh dicache](https://broadrouter.com/ms/blog/prompt-structure-for-caching/). Untuk melihat ke mana token ejen pergi selain semakan berjadual, baca [bajet token ejen](https://broadrouter.com/ms/blog/agent-token-budget/).

## Bagaimanakah mengurangkan bil tanpa merosakkan ejen?

Gunakan kawalan yang didokumenkan oleh setiap alat:

-   **Konteks ringan untuk tugas rutin (OpenClaw).** `--light-context` melangkau suntikan fail bootstrap ruang kerja. Tugas terpencil memulakan sesi baharu, jadi ia tidak mengheret seluruh perbualan. Pastikan scratch tugas pendek; ia disuntik ke setiap larian, sehingga 256 KiB.
-   **Model lebih murah bagi setiap tugas.** `--model` OpenClaw menetapkan model utama tugas mendahului keutamaan sesi, dan dokumentasinya menyebut ringkasan rutin dan semakan status sesuai dengan model yang lebih ringan. Dalam Hermes, `hermes cron create --model … --provider …` menetapkan model bagi setiap tugas, dan tugas yang tidak ditetapkan menggunakan `cron.model` jika ada.
-   **Larian lebih sedikit, waktu aktif sahaja.** Tugas OpenClaw menerima tetingkap `activeHours`. Mengurangkan kekerapan separuh mengurangkan token semakan berjadual separuh.
-   **Hasil senyap.** Dalam OpenClaw, semakan yang tiada apa untuk dilaporkan memulangkan `NO_REPLY` dan kekal senyap, jadi anda tidak dihantar mesej pada setiap larian.
-   **Tugas tanpa model.** Tugas skrip Hermes berjalan tanpa model, jadi tinjauan semata-mata tidak berkos apa-apa.
-   **Had perbelanjaan.** Letakkan bajet pada kunci; [kawalan perbelanjaan API LLM](https://broadrouter.com/ms/blog/llm-api-spend-control/) merangkumi bajet dan perlindungan gelung.

## Bilakah pelan kadar rata masuk akal?

Sesi Full Moon tiada meter token, tetingkap atau had untuk DeepSeek V4.1 Flash: $60 sebulan, $15 seminggu atau $1 sejam. Konteks 120,000 token setiap 30 minit berkos sama dengan konteks ringan. Dua had kekal:

-   **Satu permintaan pada satu masa bagi setiap sesi.** Tugas berjadual dan balasan chat anda beratur di belakang satu sama lain. Beli sesi kedua jika kedua-duanya kerap bertindih. [Cara sesi berfungsi](https://broadrouter.com/ms/guides/unlimited-llm-api-sessions/).
-   **Tool calling ialah ujian anda, bukan janji BroadNet.** Lihat di atas.

Jika ejen anda kebanyakannya tidur dan hanya menjalankan beberapa semakan ringan sehari, bayar ikut guna lebih murah. Bandingkan kedua-duanya dengan [kalkulator kadar rata vs per token](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/).

## Bagaimana pula dengan nota suara?

Jika ejen anda menerima nota suara WhatsApp atau Telegram, transkripsikannya sebelum LLM melihatnya. BroadNet Transcribe Arabic berharga $0.0042 seminit dan BroadNet Transcribe (14 bahasa) $0.002, dan kedua-duanya berfungsi dengan kredit permulaan. [Panduan nota suara WhatsApp](https://broadrouter.com/ms/guides/transcribe-whatsapp-voice-notes/) mempunyai langkah penukaran.

## Di mana BroadNet Inference sesuai

BroadNet memberi ejen ini endpoint yang serasi OpenAI dengan dua model yang alatnya didokumenkan, model kadar rata untuk konteks berat, harga input cache dan speech-to-text pada satu kunci, dan ia tidak menyimpan prompt atau jawapan. Ia bukan pilihan terbaik jika anda memerlukan model yang tool calling-nya terbukti dalam ejen anda pada hari pertama pada harga terendah, atau banyak permintaan selari pada satu sesi kadar rata. Ejen yang banyak menggunakan pelayar atau penglihatan mungkin juga lebih baik pada model multimodal yang lebih besar di tempat lain. Uji dengan ejen anda sendiri selama sejam sebelum anda komited.

Alat percuma untuk topik ini (Bahasa Inggeris)

-   [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.

[Alatan percuma (Bahasa Inggeris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

[Tetingkap konteks (context window)](https://broadrouter.com/ms/glossary/context-window/)

Tetingkap konteks ialah bilangan maksimum token yang boleh dikendalikan oleh model bahasa dalam satu permintaan. Ia meliputi prompt, sejarah perbualan, definisi alatan, imej dan output yang dijana, termasuk token penaakulan. Apa-apa yang tidak muat mesti dipotong, diringkaskan atau dipecahkan kepada beberapa permintaan.

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

Token ialah unit teks yang dibaca dan ditulis oleh model bahasa: satu perkataan, sebahagian perkataan, tanda baca atau jujukan bait yang dihasilkan oleh tokenizer model itu. API LLM mengira, mengehadkan dan biasanya mengebil penggunaan dalam token.

[Tool calling (panggilan alatan)](https://broadrouter.com/ms/glossary/tool-calling/)

Tool calling, juga dipanggil function calling, ialah ciri API LLM di mana model memulangkan permintaan berstruktur untuk menjalankan fungsi yang ditakrifkan oleh pembangun, bersama argumen JSON. Aplikasi menjalankan fungsi itu dan menghantar hasilnya kembali; model sendiri tidak pernah menjalankan kod.

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

AI multimodal ialah model atau sistem yang berfungsi dengan lebih daripada satu jenis data, seperti teks, imej, video dan audio. Model multimodal mungkin membaca foto dan soalan bersama-sama, atau menerima pertuturan dan menjawab dalam teks. Model bahasa-penglihatan (vision-language model) ialah jenis yang paling lazim.

[Prompt sistem (system prompt)](https://broadrouter.com/ms/glossary/system-prompt/)

Prompt sistem ialah teks arahan yang dihantar oleh aplikasi kepada model bahasa sebelum perbualan, biasanya sebagai mesej dengan peranan system atau developer. Ia menetapkan peranan, peraturan, nada dan format output model, dan model sepatutnya mengutamakannya berbanding mesej pengguna yang bercanggah.

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

Token input cache ialah token prompt yang baru sahaja diproses oleh penyedia LLM dan boleh diguna semula daripada cache tanpa dikira semula, biasanya awalan yang berulang seperti prompt sistem atau dokumen. Penyedia mengebilnya pada kadar lebih rendah daripada token input baharu.

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

Base URL ialah alamat akar tetap sesuatu API, seperti https://api.example.com/v1, yang diletakkan oleh klien di hadapan setiap laluan endpoint, seperti /chat/completions. Dalam SDK serasi OpenAI, menukar base URL, bersama kunci API dan ID model, menghalakan kod yang sama kepada penyedia lain.

[Bayar ikut guna (pay-as-you-go)](https://broadrouter.com/ms/glossary/pay-as-you-go/)

Bayar ikut guna ialah model harga di mana anda hanya membayar apa yang anda guna, dimeter mengikut unit seperti token, permintaan atau minit audio, tanpa langganan atau komitmen minimum. Kebanyakan API LLM mengebil dengan cara ini, daripada baki prabayar atau invois berkala.

## Soalan lazim

### Bolehkah OpenClaw menggunakan API tersuai yang serasi OpenAI?

Boleh. Tambah penyedia di bawah models.providers dengan baseUrl, apiKey (rujukan pembolehubah persekitaran adalah terbaik), api ditetapkan kepada "openai-completions" dan tatasusunan models dengan sekurang-kurangnya id setiap model. Rujuk model sebagai id penyedia, garis miring, kemudian id model.

### Bagaimanakah saya menghalakan Hermes Agent ke endpoint tersuai?

Jalankan hermes model dan pilih pilihan endpoint tersuai, atau tetapkan model.provider kepada custom, model.base\_url kepada URL /v1, model.default kepada id model, dan api\_key atau key\_env dalam ~/.hermes/config.yaml.

### Mengapakah OpenClaw menggunakan begitu banyak token ketika melahu?

Semakan berjadual ialah panggilan model. Laporan Notebookcheck pada Februari 2026 menggambarkan semakan 30 minit yang menghantar kira-kira 120,000 token konteks setiap kali. OpenClaw sejak itu memindahkan heartbeat kepada tugas automasi, yang boleh berjalan dengan konteks ringan dan model sendiri.

### Model BroadNet manakah yang patut saya gunakan untuk OpenClaw atau Hermes Agent?

Mulakan dengan GLM 5.3 atau Qwen3.8 27B, dua model yang tool calling-nya didokumenkan BroadNet. DeepSeek V4.1 Flash lebih murah dan mempunyai pelan kadar rata, tetapi uji tool call-nya dalam ejen anda dahulu.

### Bolehkah saya menjalankan Hermes Agent dengan kredit permulaan percuma?

Tidak dengan baik. Kredit permulaan meliputi BroadNet Gemma 4 VL 26B dan model Transcribe, dan Gemma mempunyai konteks 32,768 token, di bawah 64,000 token yang diperlukan Hermes Agent untuk penggunaan alat. Model chat yang muat memerlukan tambah nilai atau pelan.

### Adakah pelan kadar rata menghalang kos ejen daripada meningkat?

Sesi Full Moon tiada meter token, jadi konteks panjang dan semakan kerap tidak menaikkan bil. Ia menjalankan satu permintaan pada satu masa, jadi tugas berjadual dan balasan chat beratur di belakang satu sama lain melainkan anda membeli sesi kedua.

## Teruskan membaca

-   [Bajet token ejen: ke mana token gelung ejen pergi](https://broadrouter.com/ms/blog/agent-token-budget/)
-   [Token input cache: cara mengurangkan bil API LLM](https://broadrouter.com/ms/blog/cached-input-tokens-explained/)
-   [Cara menyusun prompt supaya prefix di-cache](https://broadrouter.com/ms/blog/prompt-structure-for-caching/)
-   [Kawalan perbelanjaan API LLM: bajet, had kunci dan perlindungan gelung](https://broadrouter.com/ms/blog/llm-api-spend-control/)
-   [Tool calling pada model terbuka: skema, panggilan selari, cuba semula](https://broadrouter.com/ms/blog/tool-calling-open-models/)
-   [Apakah maksud sebenar "tanpa had" dalam pelan API LLM](https://broadrouter.com/ms/blog/what-unlimited-llm-api-really-means/)
-   [Berapakah kos satu larian ejen pengekodan AI: langkah, konteks, cache](https://broadrouter.com/ms/blog/ai-coding-agent-run-cost/)
-   [Claude Code dengan model terbuka: proksi, endpoint asli dan had](https://broadrouter.com/ms/blog/claude-code-with-openai-compatible-models/)
-   [Panduan: Cara pelan API LLM tanpa had berfungsi untuk ejen](https://broadrouter.com/ms/guides/unlimited-llm-api-sessions/)
-   [Panduan: Cara tukar nota suara WhatsApp kepada teks dengan API](https://broadrouter.com/ms/guides/transcribe-whatsapp-voice-notes/)
-   [Panduan: Kod ralat BroadNet Inference dan bila perlu cuba semula](https://broadrouter.com/ms/guides/errors-and-retries/)

Cuba dengan beban kerja sebenar anda. Akaun baharu bermula dengan kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM dan Qwen3.8 memerlukan tambah nilai.

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

**Sumber**

-   [Dokumentasi OpenClaw, penyedia tersuai dan runtime tempatan (disemak 2026-11-15)](https://docs.openclaw.ai/concepts/model-providers/custom-providers)
-   [Dokumentasi OpenClaw, pemindahan heartbeat kepada tugas automasi (disemak 2026-11-15)](https://docs.openclaw.ai/gateway/heartbeat)
-   [Dokumentasi OpenClaw, muatan tugas automasi: sesi, scratch, gantian model, konteks ringan (disemak 2026-11-15)](https://docs.openclaw.ai/automation/cron-jobs/payloads)
-   [Dokumentasi Hermes Agent, penyedia dan endpoint tersuai serasi OpenAI (disemak 2026-11-15)](https://hermes-agent.nousresearch.com/docs/integrations/providers)
-   [Dokumentasi Hermes Agent, tugas berjadual (cron) (disemak 2026-11-15)](https://hermes-agent.nousresearch.com/docs/user-guide/features/cron)
-   [Notebookcheck, laporan penggunaan token OpenClaw, 4 Februari 2026 (disemak 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)
-   [Rujukan API BroadNet Inference: model, alat, penaakulan, had (disemak 2026-11-15) (Bahasa Inggeris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-openclaw-hermes-agent-cheap-model&utm_content=sources)
-   [Harga BroadNet Inference boleh baca mesin, pricing.json (disemak 2026-11-15) (Bahasa Inggeris)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-openclaw-hermes-agent-cheap-model&utm_content=sources)
