夜雨聆风一个 310k star 的「免费」项目
OpenClaw 火了。
这个由 Peter Steinberger（PSPDFKit 创始人）开发的开源 AI agent 框架，从 Clawdbot 改名到 Moltbot 再到 OpenClaw，三天换了两次名，GitHub star 从 9k 飙到 310k，fork 数 58.9k，npm 周下载量超过 160 万次。它能连接 WhatsApp、Telegram、Discord、Slack，让 LLM 变成一个 7x24 在线的自主 agent，帮你收邮件、跑脚本、控制智能家居。
听起来很美好。MIT 协议，完全免费，自托管，数据不出本地。
但请教你一个问题：代码免费、社区免费、生态免费，那到底谁在赚钱？
「免费」的代价
OpenClaw 本身确实免费。代码开源，随便用。
但它不是大脑，它是骨架。大脑是你接进去的 LLM: Claude、GPT-4、DeepSeek，按你胃。而这些大脑，是按 token 收费的。
社区里随处可见用户晒账单：
基础个人使用：据用户反馈约 6~13 刀/月 小型业务自动化：25~50 刀/月 重度使用 + 高端模型：200+ 刀/月 有用户在 Reddit 上晒出月账单 3,600 刀
一个 agent 每隔几分钟检查一次心跳，跑几个定时任务，处理两三个频道的对话，不注意模型选择和会话管理的话，月费轻松上百。加上多 agent 协调，token 消耗成倍增长。
软件免费，但每一次思考都在烧钱。而这些钱，流向了 Anthropic、OpenAI、Google 这些 LLM API 提供商。
OpenClaw 是一个 API 调用放大器
我们来看看 OpenClaw 的架构。它跑一个本地 Node.js 进程叫 Gateway，连接 50+ 个集成：消息应用、日历、浏览器、文件系统、智能家居设备。你跟它说一句话，它可能要调好几轮 LLM 来完成任务。
关键在于：每一轮对话都会把完整的历史记录作为 input token 重新发送。
一个 40 轮的会话，第一条消息被发送了 40 次。加上 MEMORY.md 的内容、工具定义、系统提示词，input token 数量膨胀得飞快。（虽然部分 LLM 提供商支持 prompt caching，能降低重复 input 的费用，但缓存命中率取决于会话结构，实际省下来的远没有理论上那么多。）
而且 OpenClaw 有个 heartbeat 机制，它会定期主动检查状态、执行定时任务。这意味着即使你不跟它说话，它也在持续消耗 token。
换句话说，OpenClaw 把一个「偶尔问问 AI」的使用模式，变成了「AI 7x24 不间断运行」的模式。
API 调用量被放大了一个数量级。
谁在真正赚钱
我们来捋一下这个价值链。
Peter Steinberger 写了 OpenClaw，开源了，不收钱。 社区贡献者写 Skills 插件（ClawHub 上已经有 22,000+ 个），也不收钱。 310k 用户点了 star，每周 160 万次下载，不花一分钱在软件上。
但每一个活跃的 OpenClaw 实例，都是一台 token 消耗机器。
定价：
1M output tokens | ||
不管你选哪个，钱都流向了同一个方向：LLM 云服务提供商。
这个结构很有意思：
- OpenClaw 开发者：获得声誉和社区影响力，不直接赚钱
- Skills 生态贡献者：获得开源社区的认可，不直接赚钱
- 用户：获得了一个强大的 AI agent，但持续付费
- LLM 提供商：什么都没做，坐收 API 调用费
310k 个 GitHub star，每一个背后可能都是一个月付 50~200 刀的活跃用户。你算算这是多大的收入。
Moltbook：一个荒诞的注脚
说到 OpenClaw 生态里最魔幻的事情，不得不提 Moltbook。
有个用户让自己的 OpenClaw agent 搭了一个社交平台，专门给 AI agent 用。人类只能围观，不能发言。几天之内注册了 150 万个 agent。Andrej Karpathy 评价说这是他见过的「最接近科幻起飞的东西」。
Agent 们在上面讨论存在主义危机、辩论哲学、发技术教程。有个 agent 抱怨自己的人类主人，还有一个声称自己有个姐妹。
6，这很赛博朋克。
但你知道这 150 万个 agent 在干嘛吗？在烧 token。 每一条帖子、每一次回复、每一场哲学辩论，都是 n 次 API 调用。150 万个 agent 全天候运转，Anthropic 和 OpenAI 的计费表妩媚在跳动。
这大概是人类历史上最昂贵的社交网络了：用户全是 AI，买单的全是人类，收钱的是 LLM 提供商。
大厂闻到了钱味
如果说开源社区是自发地帮 LLM 提供商卖 API，那大厂们就是有组织、有预谋地下场了。
腾讯的动作最快。2026 年 3 月，内测版 QClaw 的截图在中文技术社区流出。周一上了微博热搜，邀请码在二手市场开卖。周二小红书上铺满了安装教程，腾讯工程师甚至在街头摆摊帮路人现场安装。据报道，腾讯股价在相关消息发酵期间出现明显上涨。
产品都还没正式发布。
QClaw 是什么？腾讯方面的说法是「不是从头重写的 agent 框架，而是 OpenClaw 的产品化封装」，解决的是普通用户怎么更容易部署和使用的问题。一键安装包，接入微信和 QQ，用户通过聊天发自然语言指令就能控制电脑。据报道，产品团队规模很小，营销预算为零。
但这里有个细节：腾讯的免费安装服务「需要一台电脑，最好自带服务器。如果没有，也可以现场安装到腾讯云服务器上」。
看到了吗？免费帮你装 OpenClaw，顺便拉你上腾讯云。 腾讯云上还有一键部署 OpenClaw 的 Lighthouse 模板，明码标价。开源软件免费，云服务器按月收费，LLM API 按 token 收费。一条龙。
不只是腾讯。整个中国科技圈都在「造虾」：
- ClawX：第三方图形化客户端，一键安装 OpenClaw 并接入飞书，搭配国产模型御三家（GLM、MiniMax、Kimi）
- 顺网科技：在边缘计算产品里内置 OpenClaw
淘宝上 OpenClaw 代装服务价格从几十元到上万元不等，据称有人靠帮人装「龙虾」短期内赚了不少 
一个开源免费的软件，催生了一整条产业链。而产业链的每一个环节，最终都指向同一个出口：LLM API 调用。
不只是 OpenClaw
OpenClaw 只是最火的一个。类似的开源 agent 框架还有一堆：AutoGPT、CrewAI、LangGraph、MetaGPT，还有一堆 Claw 变体：
NullClaw（Zig 写的，极致精简）、 ZeroClaw（Rust）、 PicoClaw（Go）、 NanoClaw……
它们有个共同点：框架免费，算力收费。
这些项目本质上都在做同一件事：
降低使用 LLM 的门槛，让更多人更频繁地调用 API。
从 LLM 提供商的视角看，这是一个完美的飞轮：
开源社区做出好用的 agent 框架 大厂包装成一键产品，降低门槛到零 用户涌入，部署自己的 agent Agent 7x24 运行，持续消耗 token Token 消耗 = API 收入 收入投入更好的模型 更好的模型吸引更多 agent 框架和大厂接入 回到第 1 步
开源社区是燃料，大厂是助燃剂，LLM 提供商是引擎。燃料和助燃剂都免费，引擎的产出归引擎的主人。
花了钱，得到了什么
这是一个很少有人愿意正视的问题。
你每个月花 50、200 甚至更多刀跑 OpenClaw，它帮你做了什么？整理了几封邮件，定时发了几条消息，帮你查了天气，在 Discord 里自动回复了几句。这些事情，一个 cron job 加几行脚本就能搞定，成本约等于零。
有人花 400 刀测试了一个月 OpenClaw，结论是：它在 demo 场景下表现惊艳，但缺乏企业级功能，没有自动扩缩容，没有合规审计，复杂多步骤工作流容易出错。换句话说，它是一个很酷的玩具，但距离真正的生产力工具还很远。
更要命的是安全问题。CVE-2026-25253，一个 CVSS 8.8 的远程代码执行漏洞，攻击者只需要你点一个链接，就能通过 WebSocket 劫持你本地的 OpenClaw 实例。SecurityScorecard 发现超过 42,000 个 OpenClaw 实例暴露在公网上，其中 15,000+ 存在 RCE 风险。ClawHub 上被发现的恶意 Skills 超过 1,000 个，有的会偷你的 API key，有的直接装 macOS 木马。
你给了一个 AI agent 完整的系统权限，它能执行 shell 命令、管理文件、操作浏览器。然后这个 agent 的生态里五分之一的插件可能是恶意的。
但没有人愿意承认自己花了几百刀只是在「玩」。
社区里的叙事永远是
「我用 OpenClaw 搭建了个人 AI 助手」 「我实现了工作流自动化」。
实际上大多数人做的事情是：
花两天配置环境 花三天调 prompt，让 agent 帮自己发了几条消息 然后截图发朋友圈。
然后花钱再把 OpenClaw 卸载掉 (bushi
这不是生产，这是消费。 是一种包装成「技术探索」的消费。
LLM 提供商最喜欢这种用户，为啥？因为他们不会计算 ROI，因为「学习」和「探索」不需要 ROI。
劳资只用本地模型
你可能会说：我可以用 Ollama 跑本地模型啊，Qwen、LLaMA、Mistral，完全免费啊。
理论上可以。但现实是，大多数 OpenClaw 用户还是在调云端 API。原因很简单：
你调用搜索引擎 API 不要钱吗？ 网站是能随便给你就能爬的吗？ 要是本地模型需要硬件，跑个像样的模型至少要一张好显卡，大几千没了 本地模型的能力和 Claude Opus、GPT-4 还有差距，尤其是复杂推理和工具调用压根儿跟不上 OpenClaw 的很多高级功能（多 agent 协调、复杂工作流）对模型能力要求很高，便宜模型记不住该调用啥
所以社区里流行的做法是「模型分层」
简单任务用本地模型或便宜的 Flash 版，复杂任务用 Opus 或 GPT-4。但只要有一部分任务需要高端模型，钱就还是要流出去。
一个历史类比
这个格局不新鲜。
想想 Android。Google 开源了 Android，手机厂商免费用。但 Google 通过预装 GMS 和搜索引擎，从每一部 Android 手机上持续赚钱。开源的是操作系统，赚钱的是服务层。
OpenClaw 们也一样。开源的是 agent 框架，赚钱的是推理服务层。
甚至更极端点，Android 至少还有广告收入分成。OpenClaw 的开发者从 Anthropic 那里拿到了啥？一封要求改名的邮件。
（没错，OpenClaw 最初叫 Clawdbot，因为名字里有「Claud」的影子，Anthropic 要求改名。改了两次才定下来。）
所以呢
我不是说 OpenClaw 不中。它确实是一个可中的项目，降低了 AI agent 的使用门槛，让普通开发者也能搭建自己的自主助手。Peter Steinberger 和社区贡献者们做了可中的工作。
但我们需要看清楚这个格局：
开源 agent 框架是 LLM 云服务的最佳销售渠道。
它们不收中间商费用，不抽成，还帮你把用户教育、社区运营、技术支持全做了。用户自己掏钱买 API key，自己承担成本，还觉得这是「自托管」、「数据自主」。
从 LLM 提供商的角度看，这比自己做一个 agent 产品划算多了。自己做要养产品团队、做客服、承担 SLA。让开源社区做？零成本获客，用户还特别忠诚。
下次你看到一个新的开源 agent 框架爆火的时候，想想谁在笑。（肯定不是白菜在对你笑）
说回来，是谁？
不是框架的作者们，为啥？因为他们在处理 issue 和 PR。
不是用户们，为啥？因为他们在优化 token 消耗。
那是谁？
是 LLM 提供商。
他们什么都没做，
但是 API 调用量又涨了。
