OpenClaw اور Hermes Agent ایسے ذاتی ایجنٹس ہیں جنہیں آپ چلتا چھوڑ دیتے ہیں: یہ آپ کے پیغامات پڑھتے ہیں، ٹولز چلاتے ہیں اور چیزیں چیک کرنے کے لیے شیڈول پر جاگتے ہیں۔ دونوں کوئی بھی OpenAI-compatible اینڈپوائنٹ استعمال کر سکتے ہیں، اس لیے آپ پہلے سے طے شدہ ماڈلز سے سستا ماڈل چن سکتے ہیں۔ مسئلہ یہ ہے کہ ہر رن کانٹیکسٹ بھیجتا ہے، اور پیسہ کانٹیکسٹ کا ہی لگتا ہے۔
ہمیشہ چالو ایجنٹس اتنے مہنگے کیوں پڑتے ہیں؟
چیٹ ایپ ماڈل کو ایک وقت میں ایک پیغام بھیجتی ہے۔ ذاتی ایجنٹ ہر ٹرن پر اپنا سسٹم پرامپٹ، اپنی workspace فائلیں، اپنی میموری اور گفتگو کا ایک حصہ بھیجتا ہے، اور شیڈول پر خود بھی ٹرن چلاتا ہے۔ بل تقریباً یہ ہے:
فی رن کانٹیکسٹ ٹوکن × روزانہ رنز × فی ٹوکن قیمت، اوپر سے آؤٹ پٹ۔
Notebookcheck نے فروری 2026 میں رپورٹ کیا کہ OpenClaw کا “heartbeat” چیک، جو ہر 30 منٹ پر چلتا تھا، پوری کانٹیکسٹ ونڈو API کو بھیجتا تھا، ایک معمولی چیک کے لیے تقریباً 120,000 ٹوکن۔ بتایا گیا کہ ایک صارف کے رات بھر کے رن میں Claude Opus پر ایسے تقریباً 25 چیکس کی لاگت تقریباً USD 18.75 آئی۔ یہ اعداد Notebookcheck کی نقل کردہ صارف رپورٹس ہیں، ہماری پیمائش نہیں، لیکن اصل بات طریقہ کار ہے: فارغ ایجنٹ بھی ٹوکن خرچ کرتا ہے۔
تب سے OpenClaw کے ڈاکس heartbeats کو ریٹائرڈ بتاتے ہیں۔ شیڈولڈ چیکس اب عام automation jobs ہیں، اور openclaw doctor --fix پرانی heartbeat سیٹنگز کو ان میں منتقل کرتا ہے۔ سیٹ اپ جاب اب بھی ہر 30 منٹ پر چلتی ہے، جب تک فراہم کنندہ کوئی مختلف وقفہ نہ دے، اس لیے نیچے کا حساب اب بھی لاگو ہوتا ہے۔
OpenClaw کو OpenAI-compatible اینڈپوائنٹ سے کیسے جوڑیں؟
OpenClaw کسٹم فراہم کنندگان کو models.providers.<id> کے تحت رجسٹر کرتا ہے۔ OpenAI-compatible سرور کے لیے baseUrl، apiKey، api: "openai-completions" اور ایک models array سیٹ کریں۔ ہر ماڈل کے لیے صرف id لازمی ہے، لیکن ڈاکس سرور سے میل کھاتی واضح contextWindow اور maxTokens قدروں کی سفارش کرتے ہیں۔ BroadNet Inference کی طرف اشارہ کرتی مثال، فیلڈز کے نام OpenClaw ڈاکس سے اور قدریں BroadNet کے ڈاکس اور قیمتوں کی فیڈ سے:
{
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 },
],
},
},
},
}
ماڈل reference فراہم کنندہ کی id، سلیش، پھر ماڈل id ہوتا ہے۔ agents.defaults.models صرف aliases اور metadata سیٹ کرتا ہے؛ یہ ماڈل رجسٹر نہیں کرتا، اس لیے models.providers والی entry ہی اسے قابل کال بناتی ہے۔ اسی صفحے سے مطابقت کے دو نوٹ: اگر کوئی اینڈپوائنٹ reasoning_effort مسترد کرے تو compat.supportsReasoningEffort: false OpenClaw کو اسے بھیجنے سے روکتا ہے (BroadNet کے ڈاکس reasoning_effort: low قبول کرتے ہیں)، اور تصاویر لینے والے ماڈل کو input: ["text", "image"] چاہیے تاکہ attachments براہ راست جائیں۔
cost فیلڈز بھی سیٹ کریں۔ جب کوئی رن ٹائم لاگت کے بغیر ٹوکن رپورٹ کرتا ہے تو OpenClaw کے automation اندازے آپ کی لوکل models.json کی قیمتیں استعمال کرتے ہیں، اور پہلے سے طے شدہ قدر صفر ہے، جس سے ہر رن مفت دکھائی دیتا ہے۔
Hermes Agent کو کسٹم اینڈپوائنٹ پر کیسے لگائیں؟
ٹرمینل میں hermes model چلائیں اور کسٹم اینڈپوائنٹ والا آپشن چنیں؛ یہ base URL، API کلید اور ماڈل کا نام پوچھتا ہے۔ یا ~/.hermes/config.yaml میں ترمیم کریں:
model:
default: broadnet/qwen3.8-27b
provider: custom
base_url: https://inference.broadnet.ai/v1
key_env: BROADNET_API_KEY
ماڈل چنتے وقت Hermes ڈاکس کی تین باتیں اہم ہیں:
- کانٹیکسٹ کی کم از کم حد۔ ٹولز کے ساتھ ایجنٹ استعمال کے لیے Hermes Agent کو کم از کم 64,000 ٹوکن کا کانٹیکسٹ چاہیے، اور چھوٹی ونڈوز کو یہ اسٹارٹ اپ پر ہی مسترد کر دیتا ہے۔
- Tool calls۔ اگر سرور tool calls پارس نہیں کرتا تو ماڈل انہیں متن کے طور پر پرنٹ کرتا ہے اور کچھ نہیں چلتا۔
- معاون ٹاسکس۔ Vision، compression اور titles پہلے سے طے شدہ طور پر آپ کے مرکزی چیٹ ماڈل پر جاتے ہیں، اور ہر ایک کو سستے ماڈل پر بدلا جا سکتا ہے۔
BroadNet کے کون سے ماڈلز ان ایجنٹس کے لیے موزوں ہیں؟
| ماڈل | کانٹیکسٹ | BroadNet کے دستاویزی ٹولز | ان پٹ / کیش شدہ / آؤٹ پٹ فی 1M | Hermes کی 64K حد میں فٹ |
|---|---|---|---|---|
| GLM 5.3 | 1,048,576 | ہاں | $0.78 / $0.173 / $3.46 | ہاں |
| Qwen3.8 27B | 262,144 | ہاں | $0.175 / $0.0435 / $2.17 | ہاں |
| DeepSeek V4.1 Flash | 1,048,576 | دستاویزی نہیں | $0.175 / $0.0055 / $0.52، یا فلیٹ $60 ماہانہ | ہاں |
| Gemma 4 VL 26B | 32,768 | دستاویزی نہیں | $0.10 / کیش کی قیمت نہیں / $0.22 | نہیں |
دونوں ایجنٹس tool calls پر ہی چلتے ہیں، اس لیے GLM 5.3 یا Qwen3.8 27B سے شروع کریں۔ فٹ ہونے والے تینوں میں DeepSeek V4.1 Flash کی آؤٹ پٹ اور کیش شدہ ان پٹ کی قیمت سب سے کم ہے، اور صرف یہی فلیٹ پلان پر ہے، لیکن BroadNet اس کے لیے tool calling دستاویزی نہیں کرتا۔ مہینہ خریدنے سے پہلے اپنا اصل ایجنٹ $1 والے Meteor گھنٹے پر چلائیں اور دیکھیں کہ ٹولز واقعی چلتے ہیں یا نہیں۔ کیا چیک کرنا ہے، یہ اوپن ماڈلز کے ساتھ tool calling میں ہے۔ $5 کا ابتدائی کریڈٹ Gemma کا احاطہ کرتا ہے، لیکن اس کی 32K ونڈو Hermes کی حد سے نیچے ہے اور workspace سے بھرے OpenClaw ایجنٹ کے لیے تنگ ہے۔
ٹوکن کا حساب کیسا دکھتا ہے؟
یہ مثال کے لیے مفروضے ہیں، پیمائش نہیں۔ اپنے اعداد ہر جواب کے usage بلاک سے یا اپنے فراہم کنندہ کے usage صفحے سے پڑھیں۔
| شیڈولڈ چیک | فی رن کانٹیکسٹ | روزانہ رنز | ماہانہ ان پٹ ٹوکن (30 دن) |
|---|---|---|---|
| ہر 30 منٹ پر پورا کانٹیکسٹ | 120,000 | 48 | 172.8 ملین |
| ہر گھنٹے پورا کانٹیکسٹ | 120,000 | 24 | 86.4 ملین |
| ہر گھنٹے ہلکا کانٹیکسٹ | 15,000 | 24 | 10.8 ملین |
| ہلکا کانٹیکسٹ، ہر 2 گھنٹے، 12 فعال گھنٹے | 15,000 | 6 | 2.7 ملین |
یہ کسی بھی چیٹ یا ٹاسک سے پہلے کا ہے۔ ان پٹ کالم کو اوپر کی جدول کی فی 1M ان پٹ قیمت سے ضرب دیں، یا LLM API لاگت کیلکولیٹر میں چلائیں۔ اگر رنز کے درمیان پری فکس یکساں رہے تو اس کا بڑا حصہ کیش شدہ قیمت پر بل ہو سکتا ہے، DeepSeek V4.1 Flash پر فی 1M $0.175 کی بجائے $0.0055؛ پری فکس کو کیش کے قابل کیسے رکھیں۔ شیڈولڈ چیکس سے آگے ایجنٹ کے ٹوکن کہاں جاتے ہیں، یہ دیکھنے کے لیے ایجنٹ ٹوکن بجٹ پڑھیں۔
ایجنٹ کو توڑے بغیر بل کیسے کم کریں؟
ہر ٹول جو کنٹرولز دستاویزی کرتا ہے، انہیں استعمال کریں:
- معمول کی jobs کے لیے ہلکا کانٹیکسٹ (OpenClaw)۔
--light-contextworkspace کی bootstrap فائلیں شامل کرنا چھوڑ دیتا ہے۔ Isolated jobs نیا سیشن شروع کرتی ہیں، اس لیے پوری گفتگو ساتھ نہیں گھسیٹتیں۔ job scratch مختصر رکھیں؛ یہ ہر رن میں شامل ہوتا ہے، 256 KiB تک۔ - ہر job کے لیے سستا ماڈل۔ OpenClaw کا
--modelکسی job کا بنیادی ماڈل سیشن کی ترجیحات سے اوپر سیٹ کرتا ہے، اور اس کے ڈاکس کہتے ہیں کہ معمول کے خلاصوں اور اسٹیٹس چیکس کے لیے ہلکا ماڈل موزوں ہے۔ Hermes میںhermes cron create --model … --provider …ہر job کے لیے ماڈل طے کرتا ہے، اور جن jobs کا ماڈل طے نہ ہو وہcron.modelاستعمال کرتی ہیں اگر وہ سیٹ ہو۔ - کم رنز، صرف فعال گھنٹوں میں۔ OpenClaw jobs ایک
activeHoursونڈو لیتی ہیں۔ تعدد آدھا کرنے سے شیڈولڈ چیکس کے ٹوکن آدھے ہو جاتے ہیں۔ - خاموش نتائج۔ OpenClaw میں جس چیک کے پاس بتانے کو کچھ نہ ہو، وہ
NO_REPLYلوٹاتا ہے اور خاموش رہتا ہے، تاکہ ہر رن پر آپ کو پیغام نہ آئے۔ - بغیر ماڈل والی jobs۔ Hermes کی script jobs بغیر ماڈل کے چلتی ہیں، اس لیے صرف polling پر کوئی خرچ نہیں۔
- خرچ کی حدیں۔ کلید پر بجٹ لگائیں؛ LLM API خرچ کنٹرول بجٹ اور لوپ سے حفاظت بتاتا ہے۔
فلیٹ پلان کب معقول ہے؟
Full Moon سیشن میں DeepSeek V4.1 Flash کے لیے کوئی ٹوکن میٹر، ونڈو یا حد نہیں: $60 ماہانہ، $15 ہفتہ وار یا $1 فی گھنٹہ۔ ہر 30 منٹ پر 120,000 ٹوکن کا کانٹیکسٹ اتنا ہی پڑتا ہے جتنا ہلکا کانٹیکسٹ۔ دو حدیں باقی رہتی ہیں:
- ہر سیشن میں ایک وقت میں ایک درخواست۔ شیڈولڈ جاب اور آپ کا چیٹ جواب ایک دوسرے کے پیچھے قطار میں لگتے ہیں۔ اگر یہ اکثر ٹکراتے ہیں تو دوسرا سیشن خریدیں۔ سیشن کیسے کام کرتے ہیں۔
- Tool calling آپ کا ٹیسٹ ہے، BroadNet کا وعدہ نہیں۔ اوپر دیکھیں۔
اگر آپ کا ایجنٹ زیادہ تر سویا رہتا ہے اور دن میں چند ہلکے چیکس چلاتا ہے تو استعمال کے مطابق ادائیگی سستی ہے۔ دونوں کا موازنہ فلیٹ ریٹ بمقابلہ فی ٹوکن کیلکولیٹر سے کریں۔
وائس نوٹس کا کیا؟
اگر آپ کے ایجنٹ کو WhatsApp یا Telegram وائس نوٹس ملتے ہیں تو LLM تک پہنچنے سے پہلے انہیں ٹرانسکرائب کریں۔ BroadNet Transcribe Arabic کی قیمت $0.0042 فی منٹ ہے اور BroadNet Transcribe (14 زبانیں) کی $0.002، اور دونوں ابتدائی کریڈٹ پر چلتے ہیں۔ WhatsApp وائس نوٹ گائیڈ میں تبدیلی کا مرحلہ ہے۔
BroadNet Inference کہاں فٹ ہوتا ہے
BroadNet ان ایجنٹس کو ایک OpenAI-compatible اینڈپوائنٹ دیتا ہے، جس میں ٹولز کے لیے دستاویزی دو ماڈلز، بھاری کانٹیکسٹ کے لیے فلیٹ ریٹ ماڈل، کیش شدہ ان پٹ کی قیمتیں اور ایک ہی کلید پر speech to text ہے، اور یہ پرامپٹس یا جوابات نہیں رکھتا۔ یہ بہترین انتخاب نہیں اگر آپ کو پہلے دن سے سب سے کم قیمت پر ایسا ماڈل چاہیے جس کی tool calling آپ کے ایجنٹ میں ثابت ہو، یا ایک فلیٹ سیشن پر کئی متوازی درخواستیں چاہییں۔ بھاری براؤزر یا vision استعمال والے ایجنٹس کہیں اور بڑے ملٹی موڈل ماڈل پر بہتر چل سکتے ہیں۔ فیصلہ کرنے سے پہلے اپنے ایجنٹ کے ساتھ ایک گھنٹہ ٹیسٹ کریں۔
