---
title: "OpenClaw & Hermes Agent: model murah kompatibel OpenAI"
description: "Hubungkan OpenClaw atau Hermes Agent ke endpoint kompatibel OpenAI, pahami kenapa cek terjadwal boros token, dan tekan tagihan dengan konteks ringan dan model murah."
url: https://broadrouter.com/id/blog/openclaw-hermes-agent-cheap-model/
lang: id
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan dari bahasa Inggris dengan bantuan AI. [Baca versi asli bahasa Inggris](https://broadrouter.com/blog/openclaw-hermes-agent-cheap-model/) (diperbarui 2026-11-15).

# OpenClaw dan Hermes Agent dengan model murah: setup dan hitungan token

Oleh tim BroadNet Inference · 6 menit baca · Dipublikasikan 2026-11-15

Kedua agent menerima endpoint kustom yang kompatibel dengan OpenAI: OpenClaw di bawah models.providers dengan api "openai-completions", Hermes Agent dengan provider: custom dan base\_url. Biaya ditentukan oleh ukuran konteks dikali seberapa sering agent berjalan dikali harga model. Kecilkan konteks, jalankan pengecekan terjadwal lebih jarang dengan model lebih murah, dan uji tool calling sebelum berkomitmen.

## Poin penting

-   Agent yang selalu aktif mengirim ulang konteksnya di setiap pengecekan terjadwal dan setiap giliran, jadi ukuran konteks dikali frekuensi menentukan tagihan.
-   OpenClaw menerima endpoint kustom di bawah models.providers dengan api "openai-completions"; Hermes Agent menerima provider: custom plus base\_url di config.yaml.
-   Hermes Agent butuh konteks minimal 64.000 token untuk pemakaian tool, sehingga model dengan konteks 32K tidak bisa jadi model utama.
-   Di BroadNet, tool calling hanya didokumentasikan untuk GLM 5.3 dan Qwen3.8 27B. Uji DeepSeek V4.1 Flash dengan agent Anda sebelum mengandalkan paket harga tetap.
-   Konteks ringan, run yang lebih sedikit, dan model lebih murah untuk pengecekan rutin menghemat token lebih banyak daripada diskon apa pun.

**Di halaman ini**

1.  Kenapa agent yang selalu aktif begitu mahal?
2.  Bagaimana menghubungkan OpenClaw ke endpoint kompatibel OpenAI?
3.  Bagaimana mengarahkan Hermes Agent ke endpoint kustom?
4.  Model BroadNet mana yang cocok untuk agent ini?
5.  Seperti apa hitungan tokennya?
6.  Bagaimana menekan tagihan tanpa merusak agent?
7.  Kapan paket harga tetap masuk akal?
8.  Bagaimana dengan voice note?
9.  Posisi BroadNet Inference

OpenClaw dan Hermes Agent adalah agent pribadi yang Anda biarkan terus berjalan: membaca pesan Anda, menjalankan tool, dan bangun sesuai jadwal untuk mengecek sesuatu. Keduanya bisa memakai endpoint apa pun yang kompatibel dengan OpenAI, jadi Anda bisa memilih model yang lebih murah daripada default-nya. Masalahnya, setiap run mengirim konteks, dan konteks itulah yang Anda bayar.

## Kenapa agent yang selalu aktif begitu mahal?

Aplikasi chat mengirim satu pesan ke model setiap kali. Agent pribadi mengirim system prompt, file workspace, memori, dan potongan percakapan di setiap giliran, dan juga menjalankan giliran sendiri sesuai jadwal. Tagihannya kira-kira:

**token konteks per run × run per hari × harga per token**, ditambah output.

Notebookcheck melaporkan pada Februari 2026 bahwa pengecekan “heartbeat” OpenClaw, yang berjalan setiap 30 menit, mengirim seluruh context window ke API, sekitar 120.000 token untuk pengecekan sepele. Run semalam milik seorang pengguna dengan sekitar 25 pengecekan semacam itu di Claude Opus dilaporkan menelan biaya sekitar USD 18,75. Angka tersebut adalah laporan pengguna yang dikutip Notebookcheck, bukan pengukuran kami, tetapi intinya ada di mekanismenya: agent yang sedang idle tetap menghabiskan token.

Sejak itu, dokumentasi OpenClaw menyebut heartbeat sudah dipensiunkan. Pengecekan terjadwal kini berupa automation job biasa, dan `openclaw doctor --fix` memigrasikan setelan heartbeat lama ke sana. Job bawaan setup tetap berjalan setiap 30 menit kecuali provider memberikan frekuensi lain, jadi hitungan di bawah tetap berlaku.

## Bagaimana menghubungkan OpenClaw ke endpoint kompatibel OpenAI?

OpenClaw mendaftarkan provider kustom di bawah `models.providers.<id>`. Untuk server yang kompatibel dengan OpenAI, set `baseUrl`, `apiKey`, `api: "openai-completions"`, dan array `models`. Hanya `id` yang wajib per model, tetapi dokumentasinya menyarankan nilai `contextWindow` dan `maxTokens` eksplisit yang sesuai dengan server. Diarahkan ke BroadNet Inference, dengan nama field dari dokumentasi OpenClaw dan nilai dari dokumentasi serta feed 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 },
        ],
      },
    },
  },
}
```

Referensi model ditulis sebagai ID provider, garis miring, lalu ID model. `agents.defaults.models` hanya mengatur alias dan metadata; ia tidak mendaftarkan model, jadi entri `models.providers`\-lah yang membuat model bisa dipanggil. Dua catatan kompatibilitas dari halaman yang sama: `compat.supportsReasoningEffort: false` menghentikan OpenClaw mengirim `reasoning_effort` jika endpoint menolaknya (dokumentasi BroadNet menerima `reasoning_effort: low`), dan model yang menerima gambar butuh `input: ["text", "image"]` agar lampiran dikirim secara native.

Set juga field `cost`. Estimasi automation OpenClaw memakai harga di `models.json` lokal Anda ketika runtime melaporkan token tanpa biaya, dan default-nya nol, sehingga setiap run terlihat gratis.

## Bagaimana mengarahkan Hermes Agent ke endpoint kustom?

Jalankan `hermes model` di terminal dan pilih opsi custom endpoint; Anda akan diminta base URL, kunci API, dan nama model. Atau edit `~/.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 hal dari dokumentasi Hermes yang penting saat memilih model:

-   **Batas minimum konteks.** Hermes Agent butuh konteks minimal 64.000 token untuk pemakaian agent dengan tool dan menolak window yang lebih kecil saat startup.
-   **Tool call.** Jika server tidak mem-parsing tool call, model mencetaknya sebagai teks dan tidak ada yang dijalankan.
-   **Tugas tambahan.** Vision, kompresi, dan pembuatan judul dikirim ke model chat utama Anda secara default, dan masing-masing bisa di-override ke model yang lebih murah.

## Model BroadNet mana yang cocok untuk agent ini?

| Model | Konteks | Tool didokumentasikan BroadNet | Input / cache / output per 1M | Memenuhi batas 64K Hermes |
| --- | --- | --- | --- | --- |
| [GLM 5.3](https://broadrouter.com/id/models/glm-5.3/) | 1.048.576 | Ya | $0.78 / $0.173 / $3.46 | Ya |
| [Qwen3.8 27B](https://broadrouter.com/id/models/qwen3.8-27b/) | 262.144 | Ya | $0.175 / $0.0435 / $2.17 | Ya |
| [DeepSeek V4.1 Flash](https://broadrouter.com/id/models/deepseek-v4.1-flash/) | 1.048.576 | Tidak didokumentasikan | $0.175 / $0.0055 / $0.52, atau harga tetap $60 per bulan | Ya |
| [Gemma 4 VL 26B](https://broadrouter.com/id/models/gemma-4-vl-26b/) | 32.768 | Tidak didokumentasikan | $0.10 / tidak ada harga cache / $0.22 | Tidak |

Kedua agent sangat bergantung pada tool call, jadi mulailah dengan GLM 5.3 atau Qwen3.8 27B. DeepSeek V4.1 Flash punya harga output dan input cache terendah di antara tiga model yang memenuhi syarat, dan satu-satunya yang tersedia di paket harga tetap, tetapi BroadNet tidak mendokumentasikan tool calling untuknya. Jalankan agent Anda yang sebenarnya selama satu jam Meteor seharga $1 dan amati apakah tool benar-benar terpanggil sebelum membeli satu bulan. [Tool calling dengan model open](https://broadrouter.com/id/blog/tool-calling-open-models/) membahas apa saja yang perlu dicek. Gemma adalah model yang dicakup kredit awal $5, tetapi window 32K-nya di bawah batas Hermes dan sempit untuk agent OpenClaw yang berat di file workspace.

## Seperti apa hitungan tokennya?

Asumsi ilustratif, bukan hasil pengukuran. Baca angka Anda sendiri dari blok `usage` di setiap respons atau dari halaman pemakaian penyedia Anda.

| Pengecekan terjadwal | Konteks per run | Run per hari | Token input per bulan (30 hari) |
| --- | --- | --- | --- |
| Konteks penuh setiap 30 menit | 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 belum termasuk chat atau tugas apa pun. Kalikan kolom input dengan harga input per 1M di tabel atas, atau masukkan ke [kalkulator biaya API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/). Jika prefix tetap identik antar-run, sebagian besarnya bisa ditagih dengan harga cache: $0.0055 alih-alih $0.175 per 1M pada DeepSeek V4.1 Flash; lihat [cara menjaga prefix tetap bisa di-cache](https://broadrouter.com/id/blog/prompt-structure-for-caching/). Untuk melihat ke mana token agent mengalir di luar pengecekan terjadwal, baca [anggaran token agent](https://broadrouter.com/id/blog/agent-token-budget/).

## Bagaimana menekan tagihan tanpa merusak agent?

Gunakan kontrol yang didokumentasikan masing-masing tool:

-   **Konteks ringan untuk job rutin (OpenClaw).** `--light-context` melewati injeksi file bootstrap workspace. Job terisolasi memulai sesi baru, sehingga tidak menyeret seluruh percakapan. Jaga scratch job tetap pendek; isinya diinjeksikan ke setiap run, hingga 256 KiB.
-   **Model lebih murah per job.** `--model` di OpenClaw menetapkan model utama sebuah job di atas preferensi sesi, dan dokumentasinya menyebut ringkasan rutin dan pengecekan status cocok untuk model yang lebih ringan. Di Hermes, `hermes cron create --model … --provider …` mengunci model per job, dan job tanpa model yang dikunci memakai `cron.model` jika diset.
-   **Run lebih sedikit, hanya di jam aktif.** Job OpenClaw menerima jendela `activeHours`. Mengurangi frekuensi setengahnya berarti memotong token pengecekan terjadwal setengahnya.
-   **Hasil yang senyap.** Di OpenClaw, pengecekan yang tidak punya apa-apa untuk dilaporkan mengembalikan `NO_REPLY` dan tetap diam, jadi Anda tidak dikirimi pesan setiap run.
-   **Job tanpa model.** Script job di Hermes berjalan tanpa model, jadi polling murni tidak memakan biaya.
-   **Batas pengeluaran.** Pasang anggaran pada kunci; [kontrol pengeluaran API LLM](https://broadrouter.com/id/blog/llm-api-spend-control/) membahas anggaran dan proteksi loop.

## Kapan paket harga tetap masuk akal?

Sesi Full Moon tidak punya meteran token, jendela waktu, atau batas pemakaian untuk DeepSeek V4.1 Flash: $60 per bulan, $15 per minggu, atau $1 per jam. Konteks 120.000 token setiap 30 menit biayanya sama dengan konteks ringan. Dua batasan tetap ada:

-   **Satu permintaan pada satu waktu per sesi.** Job terjadwal dan balasan chat Anda saling antre. Beli sesi kedua jika keduanya sering bertabrakan. [Cara kerja sesi](https://broadrouter.com/id/guides/unlimited-llm-api-sessions/).
-   **Tool calling adalah tes Anda, bukan janji BroadNet.** Lihat di atas.

Jika agent Anda lebih sering tidur dan hanya menjalankan beberapa pengecekan ringan per hari, bayar sesuai pemakaian lebih murah. Bandingkan keduanya dengan [kalkulator harga tetap vs per token](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/).

## Bagaimana dengan voice note?

Jika agent Anda menerima voice note WhatsApp atau Telegram, transkripsikan dulu sebelum LLM melihatnya. BroadNet Transcribe Arabic berharga $0.0042 per menit dan BroadNet Transcribe (14 bahasa) $0.002, dan keduanya bisa dipakai dengan kredit awal. [Panduan voice note WhatsApp](https://broadrouter.com/id/guides/transcribe-whatsapp-voice-notes/) berisi langkah konversinya.

## Posisi BroadNet Inference

BroadNet memberi agent ini endpoint yang kompatibel dengan OpenAI dengan dua model yang tool calling-nya terdokumentasi, satu model harga tetap untuk konteks berat, harga input cache, dan speech-to-text dalam satu kunci, serta tidak menyimpan prompt atau jawaban. BroadNet bukan pilihan terbaik jika Anda butuh model yang tool calling-nya sudah terbukti di agent Anda sejak hari pertama dengan harga terendah, atau banyak permintaan paralel dalam satu sesi harga tetap. Agent yang banyak memakai browser atau vision mungkin juga lebih cocok dengan model multimodal yang lebih besar di tempat lain. Uji dengan agent Anda sendiri selama satu jam sebelum berkomitmen.

Alat gratis untuk topik ini (bahasa Inggris)

-   [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.

[Alat gratis (bahasa Inggris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

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

Token adalah satuan teks yang dibaca dan ditulis model bahasa: sebuah kata, bagian kata, tanda baca, atau urutan byte yang dihasilkan tokenizer model. API LLM menghitung, membatasi, dan biasanya menagih pemakaian dalam token.

[Tool calling (function calling)](https://broadrouter.com/id/glossary/tool-calling/)

Tool calling, disebut juga function calling, adalah fitur API LLM di mana model mengembalikan permintaan terstruktur untuk menjalankan fungsi yang didefinisikan developer, lengkap dengan argumen JSON. Aplikasi yang menjalankan fungsi itu dan mengirim hasilnya kembali; model tidak pernah menjalankan kode sendiri.

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

API kompatibel OpenAI adalah API HTTP yang menerima format permintaan dan respons yang sama dengan API OpenAI, seperti POST /v1/chat/completions, sehingga SDK dan tool OpenAI bisa memakainya hanya dengan mengganti base URL, kunci API, dan nama model.

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

Base URL adalah alamat root tetap sebuah API, seperti https://api.example.com/v1, yang ditempatkan client di depan setiap path endpoint, seperti /chat/completions. Di SDK yang kompatibel dengan OpenAI, mengganti base URL bersama kunci API dan ID model akan mengarahkan kode yang sama ke penyedia lain.

[Context window (jendela konteks)](https://broadrouter.com/id/glossary/context-window/)

Context window adalah jumlah token maksimum yang bisa diolah model bahasa dalam satu permintaan. Cakupannya meliputi prompt, riwayat percakapan, definisi tool, gambar, dan output yang dihasilkan, termasuk token penalaran. Apa pun yang tidak muat harus dipotong, diringkas, atau dibagi ke beberapa permintaan.

[Paket LLM harga tetap (flat-rate)](https://broadrouter.com/id/glossary/flat-rate-llm-plan/)

Paket LLM harga tetap menagih harga tetap untuk satu periode, misalnya sebulan, untuk akses ke API model bahasa, alih-alih menagih per token. Paket seperti ini biasanya membatasi hal lain, seperti konkurensi, kecepatan, model, atau jendela pemakaian, jadi batasnya sama pentingnya dengan harganya.

[Speech-to-text (ucapan ke teks)](https://broadrouter.com/id/glossary/speech-to-text/)

Speech-to-text, juga disebut automatic speech recognition (ASR), adalah teknologi yang mengubah audio ucapan menjadi teks tertulis. API speech-to-text menerima file atau stream audio dan mengembalikan transkrip, biasanya dihargai per menit audio. Akurasinya diukur dengan word error rate dan bervariasi menurut aksen, dialek, dan kualitas rekaman.

[System prompt (prompt sistem)](https://broadrouter.com/id/glossary/system-prompt/)

System prompt adalah teks instruksi yang dikirim aplikasi ke model bahasa sebelum percakapan, biasanya sebagai pesan dengan peran system atau developer. System prompt menetapkan peran, aturan, gaya bahasa, dan format output model, dan model dirancang untuk mengikutinya di atas pesan pengguna yang bertentangan.

## Pertanyaan umum

### Bisakah OpenClaw memakai API kustom yang kompatibel dengan OpenAI?

Bisa. Tambahkan provider di bawah models.providers dengan baseUrl, apiKey (paling baik referensi environment variable), api bernilai "openai-completions", dan array models yang minimal berisi id setiap model. Rujuk model dengan format ID provider, garis miring, lalu ID model.

### Bagaimana mengarahkan Hermes Agent ke endpoint kustom?

Jalankan hermes model dan pilih opsi custom endpoint, atau di ~/.hermes/config.yaml set model.provider ke custom, model.base\_url ke URL /v1, model.default ke ID model, serta api\_key atau key\_env.

### Kenapa OpenClaw memakai begitu banyak token saat idle?

Pengecekan terjadwal adalah panggilan model. Laporan Notebookcheck dari Februari 2026 menggambarkan pengecekan setiap 30 menit yang mengirim sekitar 120.000 token konteks setiap kali. Sejak itu OpenClaw memindahkan heartbeat ke automation job, yang bisa berjalan dengan konteks ringan dan model sendiri.

### Model BroadNet mana yang sebaiknya dipakai untuk OpenClaw atau Hermes Agent?

Mulai dengan GLM 5.3 atau Qwen3.8 27B, dua model yang tool calling-nya didokumentasikan BroadNet. DeepSeek V4.1 Flash lebih murah dan punya paket harga tetap, tetapi uji dulu tool call-nya di agent Anda.

### Bisakah Hermes Agent dijalankan dengan kredit awal gratis?

Kurang ideal. Kredit awal mencakup BroadNet Gemma 4 VL 26B dan model Transcribe, sedangkan Gemma punya konteks 32.768 token, di bawah 64.000 token yang dibutuhkan Hermes Agent untuk pemakaian tool. Model chat yang memenuhi syarat butuh top up atau paket.

### Apakah paket harga tetap menghentikan biaya agent yang terus naik?

Sesi Full Moon tidak punya meteran token, jadi konteks panjang dan pengecekan yang sering tidak menaikkan tagihan. Sesi menjalankan satu permintaan pada satu waktu, jadi job terjadwal dan balasan chat akan saling antre kecuali Anda membeli sesi kedua.

## Baca juga

-   [Anggaran token agen: ke mana token loop agen pergi](https://broadrouter.com/id/blog/agent-token-budget/)
-   [Token input cache: cara memangkas tagihan API LLM](https://broadrouter.com/id/blog/cached-input-tokens-explained/)
-   [Cara menyusun prompt agar prefiksnya ter-cache](https://broadrouter.com/id/blog/prompt-structure-for-caching/)
-   [Kontrol biaya API LLM: anggaran, batas kunci, dan proteksi loop](https://broadrouter.com/id/blog/llm-api-spend-control/)
-   [Tool calling dengan model terbuka: skema, panggilan paralel, retry](https://broadrouter.com/id/blog/tool-calling-open-models/)
-   [Apa arti "unlimited" yang sebenarnya di paket API LLM](https://broadrouter.com/id/blog/what-unlimited-llm-api-really-means/)
-   [Berapa biaya sekali jalan agen coding AI: langkah, konteks, caching](https://broadrouter.com/id/blog/ai-coding-agent-run-cost/)
-   [Claude Code dengan model terbuka: proxy, endpoint native, dan batasnya](https://broadrouter.com/id/blog/claude-code-with-openai-compatible-models/)
-   [Panduan: Cara kerja paket API LLM unlimited untuk agen](https://broadrouter.com/id/guides/unlimited-llm-api-sessions/)
-   [Panduan: Transkripsi voice note WhatsApp ke teks dengan API](https://broadrouter.com/id/guides/transcribe-whatsapp-voice-notes/)
-   [Panduan: Kode error BroadNet Inference dan kapan harus mencoba ulang](https://broadrouter.com/id/guides/errors-and-retries/)

Coba dengan beban kerja Anda yang sebenarnya. Akun baru mendapat kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM, dan Qwen3.8 memerlukan top up.

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

**Sumber**

-   [Dokumentasi OpenClaw, provider kustom dan runtime lokal (dicek 2026-11-15)](https://docs.openclaw.ai/concepts/model-providers/custom-providers)
-   [Dokumentasi OpenClaw, migrasi heartbeat ke automation job (dicek 2026-11-15)](https://docs.openclaw.ai/gateway/heartbeat)
-   [Dokumentasi OpenClaw, payload automation job: sesi, scratch, override model, konteks ringan (dicek 2026-11-15)](https://docs.openclaw.ai/automation/cron-jobs/payloads)
-   [Dokumentasi Hermes Agent, provider dan endpoint kustom kompatibel OpenAI (dicek 2026-11-15)](https://hermes-agent.nousresearch.com/docs/integrations/providers)
-   [Dokumentasi Hermes Agent, tugas terjadwal (cron) (dicek 2026-11-15)](https://hermes-agent.nousresearch.com/docs/user-guide/features/cron)
-   [Notebookcheck, laporan pemakaian token OpenClaw, 4 Februari 2026 (dicek 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)
-   [Referensi API BroadNet Inference: model, tool, penalaran, batasan (dicek 2026-11-15) (bahasa Inggris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-openclaw-hermes-agent-cheap-model&utm_content=sources)
-   [Harga BroadNet Inference yang dapat dibaca mesin, pricing.json (dicek 2026-11-15) (bahasa Inggris)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-openclaw-hermes-agent-cheap-model&utm_content=sources)
