Anthropic 断供之后:OpenClaw 用户的 Token 账单正在失控
“你以为花的是订阅费，其实烧的是你的未来。”
4月10号那天，我的信用卡收到了一条通知。不是扣款，是预授权失败。Anthropic 的 Claude Pro 订阅，那个我每月固定交 $20 就能无限用的套餐——突然不让 OpenClaw 用了。
我盯着屏幕看了很久。然后打开 OpenClaw 的后台，看了一眼 Token 消耗统计。那个数字让我差点把手机摔了。
过去一个月，我的 OpenClaw 实例烧掉了 47,000,000 个 Token。按 Anthropic 的新 API 定价，这大概是 $1,200。而我之前每个月只付 $20。这不是涨价，这是断粮之后的饥荒。
Anthropic 为什么要这么做？官方说法是”优化资源分配”。但真实原因，小米大模型负责人罗福莉在社交媒体上捅破了窗户纸——OpenClaw 的上下文管理机制效率极低，单次任务的 Token 消耗量是 Claude 自身框架的数倍之多。翻译成人话：你让 OpenClaw 做一件事，它背后可能调了 Claude 十几次，每次都在疯狂传上下文。
我算了一笔账。一个典型的”整理今日邮件并生成待办清单”的任务，在 Claude 的网页端，大概消耗 5,000 Token。通过 OpenClaw 做同样的事？我的日志显示，它消耗了 78,000 Token。十五倍。
因为 OpenClaw 的每一个”酷炫功能”，都在偷偷烧钱。
“记忆宫殿”（Memory Palace）——为了让 Agent 记住你三个月前提过的一个偏好，它每次对话都要把相关记忆片段塞进上下文。不是智能检索，是暴力遍历。你的记忆库越大，每次对话的 Token 基数就越高。”主动记忆”（Active Memory）更狠——Agent 会主动”回忆”过往对话，生成摘要，再把这些摘要塞进新的对话里。一个任务触发三次记忆回溯，Token 消耗翻三倍。
“Diary flows”——让 Agent 每天写日记，反思自己的工作。听起来很人文，很温暖，对吧？但每篇”日记”都要调用一次模型，生成几百字的反思文本。如果你养了三个 Agent，每天三篇日记，一个月就是 270 次额外调用。每次调用按 10,000 Token 算，这又是 270 万 Token。
还有那个”梦境回溯”（Dreaming REM backfill）——Agent 在空闲时”做梦”，整理和压缩记忆。这个功能在 v2026.4.9 上线时，社区一片欢呼。但没人告诉你，每次”做梦”都是一次完整的模型调用，而且因为要在后台运行，它用的是最高优先级的 API 队列，单价更贵。
我把这些功能全部打开，跑了一个月。账单出来，我沉默了。
然后我开始做实验。逐个关闭功能，观察 Token 消耗的变化。
关闭 Memory Palace，Token 消耗下降 40%。关闭 Active Memory，再降 25%。关闭 Diary flows，再降 15%。关闭 Dreaming，再降 10%。最后剩下的 10%，才是”实际工作”的消耗。也就是说，我过去一个月花的钱，90% 烧在了”让 Agent 更像人”的功能上。
Anthropic 的断供，本质上是一次”成本归位”。OpenClaw 用户过去享受的低价，是 Anthropic 在补贴。Claude Pro 的 $20 月费，设计初衷是”个人用户轻度使用”，不是”喂饱一个 24 小时运行的 Agent 集群”。OpenClaw 把这个边界打破了，Anthropic 把账单寄了回来。
小林，研究生，用 OpenClaw 辅助写论文。以前靠 Claude Pro 的订阅，每月 $20 能覆盖。断供后，他算了下，按 API 计费，一个月要 $180。”我导师的课题经费里没有这一项。要么自己掏钱，要么不用。”他选择了后者，回到了手动查文献。
老张，独立开发者，用 OpenClaw 管理三个 side project 的客服和运营。他的 OpenClaw 实例每天处理大概 200 条用户咨询。断供前，$20/月。断供后，按 API 计费，$800+/月。”这比我其中一个项目的月收入还高。要么涨价，要么裁员——裁掉 Agent。”
Lisa，一人公司创始人，养了 8 个 Agent 做内容矩阵。她的账单最夸张——断供前 $20/月，断供后估算 $2,400/月。”我直接关了 5 个 Agent，剩下 3 个做最核心的工作。效率掉了 60%，但至少还能活。”
三个故事，同一个结局：Agent 越多，账单越疯；功能越全，成本越失控。
OpenRouter 是一个选择。它聚合了多个模型的 API，可以按价格自动切换。但问题是——Claude 的替代模型，要么精度不够，要么延迟太高。你让内容创作的 Agent 用 GPT-4o-mini，写出来的东西你自己都看不下去。让数据分析的 Agent 用 DeepSeek，等它出结果的时间够你手动算三遍。
本地模型？我试过。在 M4 Mac Mini 上跑 Qwen-32B，7B Token 的上下文，速度还能接受。但复杂推理任务，本地模型和 Claude 的差距不是一点半点。而且本地跑模型，电费也是成本。我算过，M4 Mac Mini 24GB 满载跑一天，电费大概 $0.5，一个月 $15。加上硬件折旧，其实也没省多少。
更隐蔽的成本是时间。配置本地模型、调 Prompt、处理幻觉、手动纠错——这些时间如果换算成时薪，可能比 API 账单更贵。
所以 Anthropic 断供之后，OpenClaw 用户面临的不是”换个供应商”那么简单的问题。而是一个根本性的拷问：这些 Agent 创造的价值，真的值这个价吗？
我重新梳理了自己的工作流。哪些任务 Agent 做得比人好？哪些只是”看起来自动化了，实际上更麻烦”？结论是残酷的——大概 30% 的任务，Agent 确实提升了效率；40% 的任务，Agent 和人差不多，但成本更高；30% 的任务，Agent 纯粹是在添乱。
那 30% 的”真效率”，就是我愿意付费的部分。其他的，砍了。
第一，关闭所有”情绪价值”功能。Memory Palace、Diary flows、Dreaming——这些让 Agent 更像人的功能，是 Token 消耗的大户。如果你的 Agent 是工具，不是宠物，这些功能可以全部关掉。
第二，用”最小上下文”策略。在 config.yaml 里限制每次对话的上下文长度。OpenClaw 默认是 200K，但你真的需要让 Agent 记住三个月前的每一句对话吗？设成 50K，精度下降有限，成本砍半。
第三，批量处理，减少调用次数。别让 Agent 每收到一封邮件就调用一次模型。攒到 10 封一起处理，Token 效率提升 3-5 倍。
第四，模型分级。核心任务用 Claude，边缘任务用 GPT-4o-mini 或 DeepSeek。我现在的配置是：内容创作和代码审查用 Claude，邮件分类和日程管理用 GPT-4o-mini，数据分析用 DeepSeek。账单从 $1,200 降到了 $340。
第五，也是最实际的——设硬预算上限。用工具监控每个 Agent 的 Token 消耗，超过阈值自动降级或暂停。市面上有一些方案在做这个，比如 ClawFirewall，它除了安全功能，还能做成本监控和配额管理。你可以给每个 Agent 设月度 Token 上限，超了自动切到便宜模型或暂停服务。不是让你少做事，是让你知道钱花在哪了。
Anthropic 的断供，撕开了 OpenClaw 生态的一个幻觉——”无限智能，低价可得”。这个幻觉维持了两年，现在醒了。醒得有点疼，但总比一直做梦好。
真正的 AI 原生工作流，不是堆 Agent、堆功能、堆 Token。是做减法。找到那 30% 真正有价值的部分，把资源集中在上面。其他的，该砍就砍。
你可以在这里了解 ClawFirewall：
https://clawfirewall.ai
一个轻量级的 AI Gateway，用于：
-
控制 AI 成本
-
监控 Token 使用
-
保护 API Key
-
管理 AI Agent 调用
夜雨聆风
