Nanobot-API-Kosten und Einrichtung: Anbieter, Modelle und Limits

nanobot von HKUDS kostet 0 $: Es handelt sich um MIT-lizenzierte Software, die Sie selbst installieren und ausführen, und weder das GitHub-Repository noch nanobot.wiki veröffentlichen einen Plan, eine Tarifstufe, einen Sitzplatz oder einen gehosteten Dienst. Sie budgetieren Modelltokens, die Maschine, auf der nanobot gateway läuft, sowie jedes kostenpflichtige Kanal- oder Tool-Konto, das Sie anbinden. Zwei Dinge bestimmen anschließend die Tok enkosten: welcher Provider-Schlüssel in config.json eingetragen wird, weil allein dieser Schlüssel das Drahtprotokoll auswählt, und welche Hintergrundjobs nanobot ohne Aufforderung aktiviert.

Am 21. September 2026 anhand der GitHub- und PyPI-APIs geprüft: Release v0.3.5, veröffentlicht am 15. September 2026; Paket nanobot-ai 0.3.5, MIT, Python 3.11 oder neuer, am selben Tag hochgeladen; Repository unter MIT, nicht archiviert, zuletzt am Tag der Prüfung gepusht. Eine Einschränkung gilt für diese gesamte Seite: Die unten zitierten Dokumente wurden im Branch main gelesen, fünf Tage vor dem Tag v0.3.5. Daher werden Aussagen aus der Dokumentation und Standardwerte aus dem ausgelieferten Quellcode getrennt gekennzeichnet und niemals zusammengeführt.

Prüfen Sie zunächst, welches nanobot Sie bepreisen

nanobot.ai ist keine nanobot-Preisseite. Am 21. September 2026 leitete die Website zu obot.ai weiter und trug den Titel „Obot | Enterprise AI Control Plane & MCP Gateway“ — das Enterprise-Produkt eines anderen Unternehmens, das ebenfalls keinen eigenen Preis veröffentlicht, da seine URL /pricing an diesem Tag 404 zurückgab. Zwei weitere Verwechslungen: Das klar als nanobot bezeichnete PyPI-Paket ist 0.4.1, ein Framework für Roboternavigation, sodass pip install nanobot die falsche Software installiert; und obot-platform/nanobot ist ein Apache-2.0-Go-Projekt, dessen README mit der Erklärung beginnt, dass es sich im Wartungsmodus befindet. Seine Konfigurationsschlüssel gelten daher hier nicht.

Was nanobot kostet, Zeile für Zeile

Dort gibt es zwei wichtige Einschränkungen. Die CLI-Referenz von nanobot beschreibt das Zusammenspiel mit einer separaten Laufzeit namens „Desktop“, und es wurde keine öffentliche Downloadseite, kein Repository und kein Preis dafür gefunden — die belastbare Aussage ist daher eng gefasst: Auf den beiden offiziellen Oberflächen ist keine kostenpflichtige Tarifstufe veröffentlicht, nicht, dass es nirgendwo eine kostenpflichtige Komponente gibt. Und die Sprachzeile ist ein harter Ausschluss, keine Preisfrage. Die Einschränkung ist enger als „kein benutzerdefinierter Endpunkt“: Die Transkriptionsadapter von v0.3.5 akzeptieren jeweils ein apiBase, sodass ein OpenAI-förmiger Transkriptionsendpunkt ersetzt werden kann. transcription.provider selbst muss jedoch ein Name aus dieser Registrierung sein — anders als beim Chat kann dafür kein eigener Provider-Schlüssel erfunden werden. In diesem Fall ist das ohnehin gegenstandslos, weil Kunavo kein Speech-to-Text-Modell bereitstellt.

Der benutzerdefinierte nanobot-Provider: zwei Pfade, und nur einen davon können Sie benennen

Das ist der Fehler in einem allgemeinen Beispiel nach dem Muster „Legen Sie Ihre Basis-URL fest“. In nanobot wird das Protokoll durch den von Ihnen eingetragenen Provider-Schlüssel ausgewählt, nicht durch ein von Ihnen gesetztes Feld, und die beiden Pfade sind nicht austauschbar.

Pfad A — OpenAI-kompatibel. Erfinden Sie einen Schlüssel unter providers oder verwenden Sie den integrierten Schlüssel custom und verweisen Sie ein Preset darauf. Gemäß der Provider-Referenz werden benutzerdefinierte Schlüssel als direkte OpenAI-kompatible Provider behandelt, apiBase ist erforderlich, weil nanobot die Endpunkt-URL nicht kennen kann, und apiKey ist für lokale Server oder private Proxys optional. Fügen Sie den Versionspfad in apiBase ein.

{
  "providers": {
    "kunavo": {
      "apiKey": "${KUNAVO_API_KEY}",
      "apiBase": "https://api.kunavo.com/v1"
    }
  },
  "modelPresets": {
    "primary": {
      "provider": "kunavo",
      "model": "claude-sonnet-5",
      "maxTokens": 8192,
      "contextWindowTokens": 200000
    },
    "cheap": {
      "provider": "kunavo",
      "model": "claude-haiku-4-5",
      "maxTokens": 8192,
      "contextWindowTokens": 200000
    }
  },
  "agents": {
    "defaults": {
      "modelPreset": "primary",
      "dream": {
        "modelOverride": "cheap"
      }
    }
  }
}

Drei Regeln gelten für diesen Block, alle aus derselben Referenz. Verwenden Sie keinen integrierten Namen oder Alias wie openai, openai-codex, github-copilot oder lm-studio. Setzen Sie apiType nicht auf einem benutzerdefinierten Schlüssel — es gilt ausschließlich für providers.openai, und das Schema von v0.3.5 erzwingt dies ebenfalls. Setzen Sie thinkingStyle nur, wenn Ihr Endpunkt einen nicht standardmäßigen Schalter für Denkprozesse dokumentiert; die zulässigen Werte sind thinking_type, enable_thinking und reasoning_split. Für Modell-IDs ist eine präzise Aussage statt nur der Dokumentationszeile erforderlich: Die Dokumentation sagt, dass das Modell bei einem ausdrücklich benannten benutzerdefinierten Provider genau so gesendet wird, wie es angegeben ist, während die ausgelieferte Registry 0.3.5 den strip_model_prefixes einer dynamischen Spezifikation auf den eigenen Namen des Provider-Schlüssels und dessen snake_case-Form setzt. Beides gilt, wenn sich die Dokumentationszeile auf fremde Präfixe bezieht — ein Präfix, das dem eigenen Provider-Schlüssel entspricht, wird entfernt, alles andere wird weitergereicht — und die präfixbasierte Provider-Erkennung nur unter dem Provider "auto" ausgeführt wird.

Pfad B — Anthropic Messages. Für dieses Protokoll gibt es überhaupt keinen Pfad über einen benutzerdefinierten Namen: Die Referenz besagt, dass beliebige benutzerdefinierte Providernamen ausschließlich OpenAI-kompatibel sind und nicht das Anfrageformat der Anthropic Messages API verwenden und dass der benannte Pfad für benutzerdefinierte Provider nicht für Anthropic-kompatible Endpunkte vorgesehen ist. Stattdessen überschreiben Sie den integrierten Block:

{
  "providers": {
    "anthropic": {
      "apiKey": "${KUNAVO_API_KEY}",
      "apiBase": "https://api.kunavo.com"
    }
  },
  "modelPresets": {
    "primary": {
      "provider": "anthropic",
      "model": "claude-sonnet-5",
      "maxTokens": 8192,
      "contextWindowTokens": 200000
    }
  },
  "agents": {
    "defaults": {
      "modelPreset": "primary"
    }
  }
}

Da dadurch providers.anthropic selbst geändert wird, ersetzt der Gateway den direkten Anthropic-Provider für jedes Preset, das auf diesen Provider verweist, statt daneben zu bestehen, und proxy ist hier nicht verfügbar, weil die nativen Backends es ablehnen. Kunavos zwei Konventionen für Basis-URLs entsprechen exakt den beiden Pfaden: Die Referenz zur Basis-URL gibt den Ursprung für die Messages-Route und die Form /v1 für die OpenAI-kompatible Route an. nanobot ist in diesem Punkt ungewöhnlich tolerant — sein mitgelieferter anthropic-Provider v0.3.5 entfernt ein abschließendes /v1, bevor er die URL an das SDK übergibt — der eigene Kommentar nennt den Grund: Das Anthropic SDK hängt /v1 intern an die Anfragepfade an. Daher funktionieren in nanobot beide Schreibweisen. Übernehmen Sie diese Gewohnheit nicht in einen Client, der Ihre Basis-URL unverändert an das Anthropic SDK übergibt; dort würde das angehängte /v1 verdoppelt. Zwei letzte Hinweise zu den obigen Blöcken: contextWindowTokens ist der eigene Standardwert für nanobots Presets in v0.3.5 und keine Eigenschaft eines Modells; entnehmen Sie den tatsächlichen Wert daher der Modellseite. Außerdem sind Einträge in fallbackModels Preset-Namen und keine rohen IDs, wobei die Kontextgröße dem kleinsten Fenster in der Kette entspricht.

Prompt-Caching in nanobot folgt dem von Ihnen gewählten Protokoll

Das ist die Kostenfolge von Pfad A gegenüber Pfad B, und sie ist im ausgelieferten Quellcode sichtbar. In v0.3.5 enthält eine Provider-Spezifikation supports_prompt_caching, standardmäßig auf false gesetzt, und genau zwei Spezifikationen setzen es auf true: anthropic und openrouter. Der OpenAI-kompatible Client fügt Cache-Control-Markierungen nur ein, wenn dieses Flag gesetzt ist und die Modell-ID mit anthropic/ oder claude beginnt. Die integrierte Spezifikation custom und jeder dynamisch erzeugte benutzerdefinierte Provider lassen das Flag auf false. Eine benutzerdefinierte OpenAI-kompatible Route sendet daher überhaupt keine Cache-Markierungen, während das native Anthropic-Backend sie standardmäßig anwendet.

Das ist eine Aussage darüber, was der Client sendet, nicht darüber, was ein Endpunkt auf seiner Seite selbst tut — ein Endpunkt kann unabhängig davon serverseitig cachen. nanobot stellt Ihnen die Mittel zur Überprüfung bereit, indem es prompt_tokens_details.cached_tokens auf einem Pfad normalisiert und auf dem anderen cache_creation_input_tokens sowie cache_read_input_tokens ausliest. Ob Kunavo diese Felder an nanobot zurückgibt, wurde hier nicht getestet. Prüfen Sie daher die zurückgegebene Nutzung bei einem echten Aufruf, bevor Sie einen wiederkehrenden Job als gecacht budgetieren; Prompt-Caching und die Dokumentation zum Caching zeigen, wie ein funktionierender Cache aussieht.

Bestes Modell für nanobot: Der Anbieter veröffentlicht kein Ranking

Die ehrliche Antwort ist die, die nanobot selbst gibt: Die Provider-Referenz besagt, dass die Dokumentation konkrete Providernamen zeigt, damit das JSON kopierbar ist, nicht weil nanobot Provider bewertet. Es gibt keinen Anbieter-Benchmark, auf den man verweisen könnte. Ausgeliefert wird ein Standardwert — die Agent-Standards von v0.3.5 nennen anthropic/claude-opus-4-5 mit dem Provider auto, 8192 maximalen Tokens und der Annahme eines Kontexts von 200,000 Tokens. Diese ID ist nicht im Kunavo-Katalog enthalten. Ein darauf ausgerichtetes Preset muss daher eine ID benennen, die der Katalog tatsächlich aufführt, und IDs ändern sich: Lesen Sie die aktuellen IDs im Katalog nach, nicht auf irgendeiner Seite, auch nicht auf dieser.

Die Tarife sind aktuelle Preise aus dem Kunavo-Katalog, und die Aufgabenspalte ergibt sich daraus, wie nanobot aufgebaut ist, nicht aus einer von jemandem gemessenen Qualitätsrangliste. Einen Vergleich der Modellfamilie nach Fähigkeiten statt nach Konfiguration finden Sie unter Opus vs Sonnet vs Haiku.

Eine Beispielrechnung: eingegebene Runden plus der Rhythmus, den nanobot für Sie aktiviert

Dies sind beispielhafte Tokenberechnungen, keine gemessenen Aufgabenkosten und keine Obergrenze für eine Rechnung. Gehen Sie von einem Assistenten aus, der 20 eingegebene Runden pro Tag an 30 Tagen bearbeitet, mit angenommenen 10,000 nicht gecachten Eingabetokens und 600 Ausgabetokens pro Runde — 6.0M Eingabetokens und 0.36M Ausgabetokens pro Monat.

Der Zeitplan ist der belegte Teil; weder die Token-Größe noch die Anzahl der tatsächlich abgerechneten Läufe ist es. nanobots Konfigurationsreferenz aktiviert standardmäßig einen Gateway-Heartbeat bei intervalS 1800, und v0.3.5s Dream-Konfiguration ist standardmäßig bei intervalH 2 aktiviert; das ergibt 1,440 Heartbeat-Ticks und 360 Dream-Ticks in einem 30-Tage-Monat. Ein Tick ist kein Modellaufruf. Im ausgelieferten v0.3.5-Gateway liest der Heartbeat-Job HEARTBEAT.md und kehrt vor jeder Modellanfrage zurück, wenn die Datei fehlt oder unter einer Überschrift ## Active Tasks nichts enthält; der Dream-Job protokolliert „nothing to process“ und kehrt zurück, wenn seit seinem Cursor keine neue Historie hinzugekommen ist. Eine inaktive Installation zahlt daher für keinen der beiden Jobs etwas, und 1,800 ist die Obergrenze, die der Zeitplan zulässt, nicht ein Mindestwert, den du erreichen wirst. nanobot veröffentlicht für keinen der beiden Jobs eine Tokenzahl pro Lauf; die drei Größen oben sind daher Platzhalter, die du durch deine eigene Messung ersetzen solltest, und Ausgabetokens dieser Läufe sind ausgeschlossen. Übernimm hier nicht die Heartbeat-Zahlen eines anderen Agents; sie gehören zu einem anderen Programm.

Die beiden Stellschrauben sind nicht symmetrisch. Dream akzeptiert modelOverride zur Benennung eines günstigeren Presets — nur Preset-Namen, rohe IDs werden abgelehnt —, die einzeilige Änderung, die bereits im obigen Block für Pfad A steht. Für den Heartbeat gibt es keine dokumentierte Modellüberschreibung: Seine Optionen sind enabled, intervalS und keepRecentMessages; er wird daher verlangsamt oder abgeschaltet. Da er ein systemverwalteter Cron-Job ist, kann er nicht mit dem Tool cron entfernt werden; deaktiviere ihn in der Konfiguration und starte das Gateway neu. Wenn Aufgaben auszuführen sind, gehört die Heartbeat-Auswertung zu den internen Jobs, die laut Konfigurationsreferenz einen Modellstream öffnen — die Kosten richten sich also danach, was du in HEARTBEAT.md einträgst, und eine leere Datei ist der günstige Fall. Eine Präzisierung gegenüber Kunavos Seite nanobot vs OpenClaw, die besagt, dass Dream standardmäßig nach einem Cron-Zeitplan läuft: Das stimmt mit der Gedächtnisreferenz überein, und v0.3.5 ist genauer — alle 2 Stunden als Intervallzeitplan, wobei cron eine veraltete Überschreibung ist.

Kunavos Katalogbetrag ist eine Abrechnungsuntergrenze und keine Obergrenze: Wenn der Upstream seine Gebühr meldet, ist die Rechnung der größere Wert aus den Katalogkosten und den Upstream-Kosten multipliziert mit dem anwendbaren Aufschlag. Cache-Gebühren, Tools und Hosting liegen außerhalb dieser Beispiele. Die minimale Aufladung beträgt $10 als Prepaid-Guthaben — ein Mindestbetrag zur Finanzierung, keine Aufgaben- oder Abonnementgebühr. Siehe Abrechnungsdetails und Kostenoptimierung für die Messmethode.

Lege die Schleifengrenzen fest und überprüfe sie anschließend mit einem Lauf

Zwei der drei Grenzen pro Durchlauf von nanobot stehen überhaupt nicht in seiner Konfigurationsreferenz. Aus dem ausgelieferten v0.3.5-Quellcode geht hervor, dass die Agent-Standards max_tool_iterations 200 und max_tool_result_chars 16.000 enthalten; nur maxConcurrentSubagents, standardmäßig 4, erscheint in der dokumentierten Referenz unter main. Eine Obergrenze von 200 Iterationen ist das Muster eines teuren außer Kontrolle geratenen Durchlaufs; lege sie daher bewusst fest, statt sie zu übernehmen.

Überprüfe anschließend in der dokumentierten Reihenfolge. nanobot status sendet absichtlich keine Modellanfrage und bestätigt daher die Konfiguration, ohne Kosten zu verursachen; die CLI-Referenz weist dich an, danach nanobot agent -m "Hello!" auszuführen. Ihre Symptomtabelle ordnet die vier Fehler zu, die ein benutzerdefinierter Endpunkt erzeugt: 401 bedeutet einen fehlenden, abgelaufenen, mit Leerzeichen versehenen oder falsch gespeicherten Schlüssel; model not found ist eine ID, die für diesen Anbieter nicht existiert; connection refused bedeutet, dass der lokale Anbieter-Server nicht läuft, oder dass ein apiBase auf den falschen Port zeigt; provider not found ist ein falsch geschriebener Anbieter im aktiven Preset.

Gleiche anschließend anhand des Geldes statt der Tokens ab. In v0.3.5 protokolliert nanobot jeden Anbieteraufruf mit einem source, der gegen user, api, cron, dream und system validiert wird — die Aufteilung, die Hintergrundausgaben von getippten Ausgaben trennt —, aber in diesem Modul erscheint kein Kostenfeld. Die WebUI stellt Eingabetokens pro Runde mit einer Cache-Trefferquote dar, sofern diese gemeldet wird, und erklärt ausdrücklich, dass diese Werte keine Abrechnungsaufstellung sind; außerdem erschien in der am 21. September 2026 gelesenen CLI-Referenz kein Befehl für aggregierte Ausgaben (eine Abwesenheit in diesem Dokument, kein Beweis dafür, dass es keinen solchen Befehl gibt). Lies die Belastung aus dem Ledger deines Anbieters ab.

Welche Route gewinnt und was sie dich kostet

Zwei Hinweise zu den Grenzen. Die Bildgenerierung akzeptiert custom als Anbieterwert und ist standardmäßig deaktiviert; ob Kunavos Bildendpunkt jedoch dem von nanobot gesendeten Anfrageformat entspricht, wurde hier nicht getestet — unbestätigt, keine Funktion. Und eine Ausgabe, die dir erspart bleibt: nanobots dauerhaftes Gedächtnis besteht aus einfachen Dateien im Workspace statt aus einem Vektorindex, was praktisch ist, weil Kunavo kein Embedding-Modell anbietet.

Kunavo veröffentlicht keine nanobot-Integrationsseite und hat nanobot nicht zur Laufzeit gegen seinen Endpunkt getestet — jeder obige Block stammt aus nanobots eigener Dokumentation und dem ausgelieferten v0.3.5-Quellcode; betrachte ihn daher als Konfigurationsreferenz zum Ausprobieren, nicht als Kompatibilitätsergebnis. Halte eine funktionierende Route verfügbar, führe eine begrenzte Aufgabe aus und lies anschließend nach, was dein Konto dafür aufgezeichnet hat. Der Quickstart und die Referenz zur Basis-URL decken beide Endpunktkonventionen ab, und ein Kunavo-Konto erstellen ist der Schritt vor dem Aufladen eines Schlüssels. Du bist noch bei der Programmauswahl? nanobot vs OpenClaw vergleicht die Laufzeitumgebungen, und das Verzeichnis der Agent-APIs ordnet Clients nach Drahtprotokoll und BYOK-Grenze.

Häufig gestellte Fragen

Am 21. September 2026 geprüfte Quellen: die GitHub- und PyPI-APIs für HKUDS/nanobot und nanobot-ai, nanobots Dokumentation zu Anbietern, Konfiguration, Gedächtnis und CLI im Branch main sowie der aus PyPI heruntergeladene ausgelieferte v0.3.5-Quellcode für jeden numerischen Standardwert. Dokumentaussagen und Quellcode-Standards liegen fünf Tage auseinander und sind im gesamten Text getrennt gekennzeichnet. Kunavo hat nanobot nicht zur Laufzeit getestet; Tokenpreise stammen aus dem aktuellen Katalog, und jeder Dollarbetrag ist eine beispielhafte Rechnung unter den angegebenen Annahmen.