OpenClaw和Hermes把AI Agent带歪了，大厂集体转向Token Plan的背后真相

2026年，AI编程工具圈发生了一件让所有用户愤怒的事：Cursor取消了无限使用，Windsurf改成了按量计费，GitHub Copilot也开始限制额度。

曾经承诺”月付XX元随便用”的Coding Plan，一夜之间全变成了Token Plan。

用户骂厂商贪心，厂商哭着说扛不住。但真相是——锅不在厂商，在底层的Agent框架。

OpenClaw和Hermes，这两个目前最流行的开源Agent框架，在上下文管理上犯了一个致命错误，直接把整个行业的Token成本推到了大厂都承受不起的地步。

一、大厂集体”变卦”：从Coding Plan到Token Plan的全景

这不是一两家公司的个别行为，而是整个行业的集体转向。我们看看都有谁：

Cursor——AI编程领域的老大哥，2026年推出了Ultra计划（20/月）中引入了信用额度（Credit）机制。曾经的”无限请求”变成了”每月有限次数的快速请求”，超额就要排队或者加钱。本质上就是从固定订阅转向了按量计费。

Windsurf——被Google收购后改名Antigravity，定价策略随之调整。虽然背靠Gemini有充足的模型配额，但同样引入了分层用量限制，重度用户需要购买更高档位。

GitHub Copilot——微软旗下的王牌，从最初的$10/月”无限补全”，逐步引入了Premium Request按量计费。超出基础额度的高级模型调用，按次收费。

字节跳动Trae——国内首款AI原生IDE，一开始以”完全免费”的策略疯狂获客，但随着用户规模暴增，也开始引入用量限制和排队机制。免费的午餐，终究有结束的一天。

阿里通义灵码——阿里云旗下的AI编程助手，从免费公测到正式商业化，走的是Token计费路线，按调用量阶梯定价。

百度Comate——百度的AI编程工具，同样从免费试用转向了按量计费的商业化模式。

腾讯云AI代码助手——腾讯系的产品也未能免俗，逐步引入了用量分层和超额计费机制。

一个两个转向可以说是商业策略，整个行业集体转向——说明底层一定有结构性问题。

二、两个任务烧掉多少Token？你看了会沉默

问题出在哪里？我们用OpenClaw做了一个最简单的测试：只跑两个编程任务，加上正常的日常对话，看看Token账单长什么样：

两个任务。不是二十个，不是两百个，就两个。 下面是OpenClaw后台的真实截图，注意看Token消耗数字：

这不是用户的问题，不是模型的问题，是Agent框架在疯狂浪费Token。

每一轮对话，OpenClaw都会把系统提示、全部历史消息、所有技能文件、记忆文件、工具调用的完整输出——一股脑全塞进上下文窗口。像一个不会收拾房间的人，所有东西摊在地上，越摊越多，从来不整理。

三、缓存命中率？OpenClaw和Hermes根本没有”命中”这回事

大模型的API计费有一个关键机制：Prompt Caching。如果你每次发给模型的请求前缀是一样的，重复部分可以走缓存，费用能降80%以上。

这是行业公认的降本利器。Anthropic、OpenAI、Google全都支持。

但OpenClaw的实际缓存表现是这样的——下面是真实运行数据截图，缓存命中率低得令人咋舌：

原因很简单也很致命：OpenClaw采用的是”全量堆叠”式上下文管理。每一轮对话，它都把所有内容重新拼接一遍。系统提示的顺序会变，技能文件的加载会变，中间结果的插入位置会变。对于模型的缓存机制来说，前缀一直在变，根本没法命中。

Hermes作为OpenClaw的”精神续作”，表现同样惨淡。两个框架，同一个病根：上下文管理没有设计，只有堆砌。

这不是bug，这是架构缺陷。不是某个版本没优化好，是从第一天就没想清楚上下文应该怎么管。

四、大厂为什么扛不住了？算一笔账你就懂

一个活跃的AI Agent用户，每天会产生50-100轮对话。每轮对话的上下文窗口可能达到50K-100K tokens。

在OpenClaw/Hermes的”全量堆叠”模式下：

• 每轮都重新发送全部历史 → Token用量随轮次线性增长
• 缓存命中率趋近于零 → 每个Token都按原价计费
• 系统文件反复加载 → 系统提示的Token成本被重复支付10次、20次、50次

一个重度用户每天消耗的Token可能达到数百万。按Anthropic Claude的定价算，一天的API成本就是几美元到十几美元。

用户付20美元/月的订阅费，厂商一天就要倒贴10美元。

一个月下来，厂商在一个用户身上亏几百美元。用户越多，亏越多。这就是为什么大厂不得不转向Token Plan——不是贪心，是活不下去。

而这一切的根源，就是底层Agent框架在上下文管理上的低效。当整个行业都在用同一套低效的上下文管理范式时，成本压力就会传导到每一个厂商，没有人能幸免。

五、Mente来了：97%缓存命中率，成本砍掉90%

当整个行业都在为Agent的Token成本头疼的时候，一个叫Mente的项目给出了答案。

下面是Mente的真实运行数据截图——缓存命中率97%以上，成本降低90%：

同样是AI Agent框架，同样跑编程任务，同样接大模型API。Mente的Token账单只有OpenClaw的十分之一。

Mente做了什么不一样的事？

1. 上下文分层，而不是全量堆砌

Mente把上下文切成了明确的层级：系统指令层、技能层、记忆层、对话层。每一层的位置固定、顺序稳定。模型的缓存机制第一次有了”前缀”可以命中。

OpenClaw是把所有东西搅在一起倒进搅拌机，Mente是分门别类放进收纳柜。

2. 增量发送，而不是重复发送

每一轮对话，Mente只发送新增的内容。历史对话经过压缩和摘要后，以精简的形式保留，而不是把原始记录原封不动再发一遍。

同样100轮对话，OpenClaw发送了100遍完整历史，Mente只发送了1遍完整历史+99次增量。

3. 主动压缩，而不是被动膨胀

Mente内置了自动压缩机制（model_auto_compact_token_limit），当会话Token接近阈值时，自动触发上下文摘要。关键信息保留，废话丢掉。

OpenClaw的做法是：让上下文一直膨胀，直到撞到模型的Token上限，然后粗暴截断。

一个是主动管理，一个是放任自流。

4. 任务快照，而不是从零开始

网关重启、会话中断——在OpenClaw里意味着上下文全部丢失，从头来过，之前花的Token全白费。

Mente有短期任务记忆快照，中断后说”继续任务”就能恢复，不浪费一个Token。

六、Mente不只省钱，它才是Agent该有的样子

成本只是表面。Mente真正让人兴奋的，是它重新定义了AI Agent应该是什么：

跨平台不是加分项，是基本功。 CLI、Telegram、Discord、Slack、WhatsApp、Signal——一个Agent进程，所有入口共享上下文，无缝切换。

记忆不是存文件，是真的在学习。 周期性记忆回顾、跨会话的长期理解、技能自动沉淀和改进。你的Agent用得越久越懂你。

自动化不是写脚本，是说人话就行。 内置Cron调度，”每天早上8点给我发日报”——说完就完了。

部署不是绑定电脑，是随处可跑。 $5 VPS、GPU集群、Docker、SSH、serverless。不挑硬件，不挑环境。

供应商不是锁死的，是随时切的。 mente model一行命令，OpenAI、Anthropic、Kimi、MiniMax、小米MiMo、NVIDIA NIM——想用哪个用哪个。

七、迁移成本？一行命令的事

从OpenClaw迁移到Mente，不需要重头来过：

mente claw migrate

你的SOUL.md、MEMORY.md、自建技能、API Key、消息平台配置——自动导入，一个都不丢。

八、写在最后

AI Agent正在从”能用”走向”好用”。但OpenClaw和Hermes用”全量堆叠”的思路，把Agent变成了Token黑洞，把整个行业拖进了”按量计费”的泥潭。

当Cursor、Windsurf、GitHub Copilot、Trae、通义灵码、Comate集体从Coding Plan转向Token Plan时，你应该意识到：这不是巧合，是底层架构出了问题。

Mente用工程手段证明：Agent的上下文管理可以高效，Token成本可以降一个数量级，用户体验可以不打折。

97%的缓存命中率，不是靠模型变便宜了，是靠架构变聪明了。

如果大厂的Coding Plan注定要变成Token Plan，那至少应该选择一个不会疯狂浪费Token的底层框架。

Mente就是那个答案。

📎 GitHub： github.com/chemany/Mente^[1]
📖 文档： chemany.github.io/Mente/docs^[2]
💬 Discord： discord.gg/NousResearch^[3]
📦 安装： npm install -g mente-agent

开源项目，MIT协议。为Mente项目而构建。

引用链接