文章作者：张海宁

文字来源：亨利笔记

最近尝试了多种安装部署 OpenClaw 的方式，物理机、云主机、虚拟机，容器，国内外模型以及网络，等等，综合来看，比较复杂，有很多要考量的地方。打算写一篇归纳性的文章。 这篇作为前传，先说说很重要的一环：模型的选择。

模型是 OpenClaw 的大脑，直接影响使用效果。目前共识是，海外的模型比国内的智能水平强一些， 但是海外模型需要科学上网，价格较高，并且需要海外支付手段，稍有不慎就会被封号。即使有中转站可以提供比较经济的服务，但是因为属于灰产，也有不确定因素。因此，追求服务稳定的用户，大多会选择国内模型。

本文比较国内各种模型的使用以及价格的情况，并给出一些的建议供参考。

OpenClaw 开源 AI Agent 框架在国内迅速爆红后，在带来生产力革命的同时，也带来了触目惊心的账单。

OpenClaw 的工作模式与传统浏览器或者 App 的对话式 AI 截然不同。用户发出一条指令后，工具会自主触发数十乃至上百次模型调用，读取文件、生成代码、调试执行，整个流程全程消耗 Token。

一次中等复杂度的全栈开发任务，模型调用可能在 10～40轮之间，若使用支持 200K 上下文的旗舰模型，单任务成本轻松达到数十元。

📊 真实成本测算

以一个中等复杂任务为例：OpenClaw 触发约30轮对话，每轮平均输入20,000 Token、输出2,000 Token，使用主流模型（约0.005元/千输入Token、0.02元/千输出Token）：

单任务成本 ≈ 30 × (20,000 × 0.005 ÷ 1000 + 2,000 × 0.02 ÷ 1000) = 30 × (0.1 + 0.04) = 4.2 元

重度开发者每天完成5～10个任务，月度成本可达 630～1,260 元。这还是使用中档模型的估算；若选用旗舰模型，费用还将翻倍。

正是在此背景下，国内主要云厂商和大模型公司于 2025 年底至 2026 年 3 月间密集入局，推出了以固定月费替代按 Token 计费的"Coding Plan"订阅套餐。这场价格战的起点，是智谱AI 于 2025 年底率先推出 GLM Coding Plan，随后阿里云百炼以"7.9元/首月"的极低门槛强势入市，腾讯云于 2026 年 3 月 5 日完成最后一块版图的拼接。

本文将系统梳理国内六大主流平台的 Coding Plan，分为云厂商（阿里云百炼、字节火山方舟、腾讯云）与模型厂商（智谱 GLM、Kimi 月之暗面、MiniMax）两条主线进行对比，为 OpenClaw 用户提供参考。

OpenClaw 需要购买 Coding Plan。对的，就是程序员用Cursor，Trae 等 IDE 同样的使用模式，因为 OpenClaw 和 Cursor 那些本质上都是智能体。如果你购买的不是 Coding Plan （国外通常称为 API ），你花的银子只能用于浏览器访问大模型。

（国外的模型不在本文讨论范围之内）

云厂商

三大云厂商：模型超市的较量

云厂商路线的核心逻辑是"聚合平台"：将千问、GLM、Kimi、MiniMax 等多家开源大模型打包在同一套餐内，开发者用一个 API Key 可自由切换，无需在多个平台分别充值。这类套餐以"次请求"为计量单位，而非 Prompts（提示词），数字上看起来更大，但需结合实际换算。

三家云厂商具体情况如下：

大模型厂商

三大模型厂商：专精深度的选择

与云厂商的"模型超市"不同，模型原厂型 Coding Plan 走的是"专卖店"路线：只提供自家模型，但进行了深度优化，模型能力与额度设计更为精细。这类套餐普遍使用 "Prompts" 为计量单位，1 Prompt ≈ 15次模型调用（根据 MiniMax 的估算），因此看起来数字小很多，但单次承载的对话量更多。

各平台核心数据对比表平台

注：价格以2026年3月底官方正价为准，首月优惠为新用户专属，具体以下单页为准。OpenClaw适配评级基于官方文档完整度与社区反馈。

避坑指南

计费方式拆解：数字背后的真相

Coding Plan 市场最大的信息壁垒，在于各平台使用了截然不同的计量单位，直接比较数字毫无意义。本节梳理三大核心计费要点，帮助你在购买前做出真实判断。

1. 计量单位不统一

目前市场上并存两套体系：云厂商（阿里云、火山、腾讯）以"次请求"计量；模型厂商（智谱、MiniMax）以"Prompts"计量。关键换算关系是：1 Prompt ≈ 15次模型调用。

Prompt 计费以用户发起的交互轮次为单位，一次提问无论后台调用多少次模型，只扣一次额度；次数计费是传统云厂商的模式，以 API 调用次数为单位，一次用户提问若触发多次模型调用，则扣除多次费用。前者对 OpenClaw 这类后台频繁调用的 Agent 更友好，成本可预测；后者严格按实际请求次数计费，容易因内部调用产生意外账单。

两种方法对 OpenClaw 的轻度用户都很合适，因为不计 token，只计算次数，而且每月封顶，这样用户没有了  token 焦虑。

2. 换算示例

阿里云百炼 Pro 套餐每月 90,000次请求，折算为约 6,000 Prompts。

智谱 GLM Lite 套餐每5小时约 120 Prompts，约等于 1,800次请求。

因此"90,000"和"120"并非可直接比较的数字。

3. 滑动窗口/5小时才是真正的瓶颈

几乎所有平台都不约而同地设有"每5小时额度"限制，这个数字才是决定你能否连续高强度开发的关键指标，而不是月度总额度。5小时窗口为滚动恢复机制（非固定自然时段）：若你14:00开始用、15:00额度耗尽，则需等到19:00才恢复第一批额度。下午高峰期连续开发2～3小时极易触顶。

4. 智谱 GLM-5 的隐藏降权规则

智谱 GLM Coding Plan 存在独家规则：高峰期（UTC+8 14:00～18:00）使用GLM-5时，实际可用次数仅为非高峰期的1/3。其他平台目前没有这个规则，选购时需格外注意你的主要使用时段。

5. 不支持退款与退订

以上所有平台均明确规定订阅后不支持退款与退订，购买前务必确认需求。建议新用户先尝试首月低价套餐体验，切勿一次性购入年付计划。

OpenClaw 用户专项选购指南

OpenClaw 作为一个自主 Agent 框架，对 Coding Plan 有着高于普通 IDE 插件的特殊要求：高并发调用容忍度、稳定的长上下文处理能力、以及对 Anthropic 协议的原生兼容性（因为 OpenClaw 底层以 Claude 协议为基础设计）。以下按使用场景分类给出具体建议。

🌱入门试水型

推荐：阿里云百炼 Lite 首月¥7.9（已经停供），或者腾讯云首月7.9元

首次接触 Coding Plan，想以最低成本体验 OpenClaw 全流程。百炼的模型多样性（8款）可在一个套餐内横向体验千问、GLM-5、Kimi，帮助快速建立直觉判断。阿里云现在只有 200 元/月的 Pro 套餐，腾讯云仍有 7.9 元和 40 元的 Lite 套餐，实际用户反映，供应量秒光，可能只有 200 元/月的套餐比较容易获取。

💼日常开发型

推荐：MiniMax Plus ¥49/月

每日有固定编程任务，但不属于连续高强度使用。MiniMax 的极速响应（101 tokens/s）+无每周限额 Starter 套餐，最适合碎片化但频繁的开发节奏。

⚡重度连续型

推荐：腾讯云或阿里云 Pro ¥200/月

每日6小时以上连续开发，需要处理大型代码库与复杂 Agent 工作流。腾讯/百炼 Pro 的 90,000 次月额度与 6,000 次/ 5h 窗口额度，在云平台类是性价比与稳定性的综合较优解。

🎨 前端/多模态型

推荐：Kimi Moderato ¥99/月

频繁需要将设计稿截图、UI 草图输入给 AI 分析并生成代码。Kimi-K2.5 是目前 Coding Plan 市场唯一支持截图多模态输入的原厂套餐，适合前端与 Vibe Coding 场景。

🔬 复杂工程型

推荐：智谱 GLM Pro ¥149/月

处理大型单体项目、复杂 Agent 调度、高并发自动化测试等需要顶级模型能力的场景。GLM-5 的 754B 参数规模在国内开源模型中居首，代码能力接近 Claude Opus，长期成本可通过 7 折包年进一步降低。

总结

选购策略

2026 年的国内 Coding Plan 市场已进入白热化竞争阶段。价格战的直接受益者是开发者和用户：首月不到 10 元即可体验多款顶流模型，这在一年前还是难以想象的。

然而，套餐门槛的降低并不意味着选择的难度降低：计量单位差异、隐藏限额规则、涨价趋势，都是需要认真考量的变量。

还有一点很重要，就是要看你的 OpenClaw 的机器访问哪个大模型服务更快。最简单的方法就是在 OpenClaw 的机器上用 ping 命令，看看网络延时和丢包情况。

例如，这是检测 OpenClaw 主机到腾讯云服务端点的网络情况，留意 icmp_seq 有没有丢包，以及延时 time 是否比较小：

$ ping api.lkeap.cloud.tencent.com

根据前文的分析，我们总结如下：

📌 最后提示

本文数据截至 2026 年 3 月底。鉴于各平台价格政策调整频繁（如智谱已上调价格、阿里云百炼 Lite 已停止新购），购买前务必以各平台官方最新公告为准。套餐均不支持退款，首次购买建议从首月低价套餐起步，验证工具兼容性与个人使用习惯后再作长期规划。

下一次，我们谈谈部署 OpenClaw 要注意的各种权衡点。