Costes y configuración de Nanobot API: proveedores, modelos y límites

nanobot de HKUDS cuesta $0: es software con licencia MIT que instalas y ejecutas por tu cuenta, y ni su repositorio de GitHub ni nanobot.wiki publican un plan, un nivel, un puesto o un servicio alojado. Lo que debes presupuestar son los tokens del modelo, la máquina que mantiene nanobot gateway en ejecución y cualquier cuenta de pago de canales o herramientas que conectes. Después, dos cosas determinan cuánto cuestan los tokens: qué clave de proveedor escribes en config.json, porque solo esa clave selecciona el protocolo de comunicación, y los trabajos en segundo plano que nanobot habilita sin que se lo pidas.

Comprobado el 21 de septiembre de 2026 contra las API de GitHub y PyPI: versión v0.3.5, publicada el 15 de septiembre de 2026; paquete nanobot-ai 0.3.5, MIT, Python 3.11 o posterior, cargado ese mismo día; repositorio MIT, no archivado, con el último push realizado el día de la comprobación. Una nota de alcance se aplica a toda esta página: la documentación citada más abajo se leyó en la rama main, cinco días antes de la etiqueta v0.3.5, por lo que las afirmaciones de la documentación y los valores predeterminados del código publicado se etiquetan por separado y nunca se mezclan.

Primero, comprueba qué nanobot estás valorando

nanobot.ai no es una página de precios de nanobot. El 21 de septiembre de 2026 redirigía a obot.ai, con el título "Obot | Enterprise AI Control Plane & MCP Gateway": el producto empresarial de otra empresa, que tampoco publica precios propios, ya que su URL /pricing devolvió 404 ese día. Hay otras dos colisiones: el paquete de PyPI llamado claramente nanobot es la versión 0.4.1, un framework de navegación robótica, por lo que pip install nanobot instala el software equivocado; y obot-platform/nanobot es un proyecto de Go con licencia Apache-2.0 cuyo README comienza declarando que está en modo de mantenimiento, por lo que sus claves de configuración no se aplican aquí.

Cuánto cuesta nanobot, línea por línea

Aquí hay dos carencias que conviene expresar con precisión. La referencia de la CLI de nanobot describe la coexistencia con un runtime independiente llamado "Desktop", y no se encontró ninguna página pública de descarga, repositorio ni precio para él, por lo que la afirmación que puede sostenerse es limitada: no se publica ningún nivel de pago en las dos superficies oficiales, no que no exista ningún componente de pago en ningún lugar. Y la fila de voz es un bloqueo técnico, no una cuestión de precio. La restricción es más específica que "no hay endpoint personalizado": los adaptadores de transcripción de v0.3.5 sí aceptan cada uno un apiBase, por lo que se puede sustituir un endpoint de transcripción con formato OpenAI, pero transcription.provider debe ser un nombre de ese registro: no se puede inventar una clave de proveedor para él como sí ocurre con el chat. En cualquier caso, aquí no es relevante, porque Kunavo no ofrece ningún modelo de voz a texto.

El proveedor personalizado de nanobot: dos rutas, y solo una permite elegir el nombre

Esto es lo que un ejemplo genérico de "establece tu URL base" hace mal. En nanobot, el protocolo se elige mediante la clave de proveedor que escribes, no mediante un campo que establezcas, y las dos rutas no son intercambiables.

Ruta A — compatible con OpenAI. Inventa una clave dentro de providers, o utiliza la clave integrada custom, y apunta un preset hacia ella. Según la referencia de proveedores, las claves personalizadas se tratan como proveedores directos compatibles con OpenAI, apiBase es obligatorio porque nanobot no puede conocer la URL del endpoint y apiKey es opcional para servidores locales o proxies privados. Incluye la ruta de versión en apiBase.

{
  "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"
      }
    }
  }
}

Con ese bloque se aplican tres reglas, todas procedentes de la misma referencia. No colisiones con un nombre o alias integrado como openai, openai-codex, github-copilot o lm-studio. No establezcas apiType en una clave personalizada: solo sirve para providers.openai, y el esquema de v0.3.5 también lo impone. Establece thinkingStyle únicamente si tu endpoint documenta un interruptor de razonamiento no estándar; los valores aceptados son thinking_type, enable_thinking y reasoning_split. Los ids de modelo requieren una explicación precisa, no solo la frase de la documentación: la documentación dice que el modelo se envía tal como se escribe bajo un proveedor personalizado con nombre explícito, mientras que el registro incluido en 0.3.5 establece strip_model_prefixes de una especificación dinámica en el nombre propio de la clave de proveedor y en su forma snake_case. Ambas afirmaciones son compatibles si la frase de la documentación se refiere a prefijos externos: se elimina un prefijo igual a tu clave de proveedor y cualquier otro se conserva; además, la inferencia de proveedores basada en prefijos solo se ejecuta con el proveedor "auto".

Ruta B — Anthropic Messages. No existe ninguna ruta con nombre personalizado para este protocolo: la referencia indica que los nombres de proveedores personalizados arbitrarios solo son compatibles con OpenAI y no utilizan el formato de solicitud de Anthropic Messages, y que la ruta personalizada con nombre no sirve para endpoints compatibles con Anthropic. En su lugar, sobrescribes el bloque integrado:

{
  "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"
    }
  }
}

Como esto modifica providers.anthropic mismo, el gateway sustituye Anthropic directo para cada preset que apunte a ese proveedor, en lugar de coexistir con él, y proxy no está disponible aquí porque los backends nativos lo rechazan. Las dos convenciones de URL base de Kunavo se corresponden exactamente con las dos rutas: la referencia de URL base proporciona el origen para la ruta Messages y la forma /v1 para la compatible con OpenAI. nanobot es excepcionalmente flexible en este aspecto: su proveedor anthropic incluido en 0.3.5 elimina un /v1 final antes de entregar la URL al SDK; su propio comentario explica que el SDK de Anthropic añade /v1 internamente a las rutas de solicitud. Por tanto, ambas formas funcionan en nanobot. No traslades esta práctica a un cliente que pase tu URL base sin cambios al SDK de Anthropic, porque el /v1 añadido quedaría duplicado. Dos últimas notas sobre los bloques anteriores: contextWindowTokens es el valor predeterminado del preset propio de nanobot en v0.3.5, no una propiedad de ningún modelo, así que debes obtener la cifra real de la página del modelo; y las entradas de fallbackModels son nombres de presets, no ids sin procesar, con el contexto dimensionado según la ventana más pequeña de la cadena.

La caché de prompts en nanobot depende del protocolo que hayas elegido

Esta es la consecuencia de coste de la Ruta A frente a la Ruta B, y se ve en el código publicado. En v0.3.5, una especificación de proveedor incluye supports_prompt_caching, cuyo valor predeterminado es false, y exactamente dos especificaciones lo establecen en true: anthropic y openrouter. El cliente compatible con OpenAI inserta marcadores cache-control solo cuando esa marca está activada y el id del modelo comienza por anthropic/ o claude. La especificación integrada custom y todos los proveedores personalizados creados dinámicamente dejan la marca en false, por lo que una ruta personalizada compatible con OpenAI no envía ningún marcador de caché, mientras que el backend anthropic nativo los aplica de forma predeterminada.

Esto afirma lo que envía el cliente, no lo que hace un endpoint por su cuenta: un endpoint puede almacenar en caché en el servidor independientemente. nanobot te proporciona los medios para comprobarlo, normalizando prompt_tokens_details.cached_tokens en una ruta y leyendo cache_creation_input_tokens y cache_read_input_tokens en la otra. Aquí no se ha probado si Kunavo devuelve esos campos a nanobot, así que verifica el uso devuelto en una llamada real antes de presupuestar un trabajo recurrente como almacenado en caché; caché de prompts y la documentación de caché muestran cómo es una caché operativa.

Mejor modelo para nanobot: el proveedor no publica ninguna clasificación

La respuesta honesta es la que da el propio nanobot: su referencia de proveedores indica que la documentación muestra nombres concretos de proveedores para que el JSON se pueda copiar, no porque nanobot los clasifique. No hay ningún benchmark del proveedor que citar. Lo que incluye es un valor predeterminado: los valores predeterminados del agente de v0.3.5 indican anthropic/claude-opus-4-5 con el proveedor auto, 8192 tokens máximos y una suposición de contexto de 200.000 tokens. Ese id no está en el catálogo de Kunavo, por lo que un preset dirigido aquí debe indicar un id que el catálogo realmente incluya, y los ids cambian: consulta los actuales en el catálogo, no en ninguna página, incluida esta.

Las tarifas son los precios vigentes del catálogo de Kunavo, y la columna de tareas se deriva de la estructura de nanobot, no de una clasificación de calidad que alguien haya medido. Para una comparación de los modelos de la familia basada en sus capacidades y no en la configuración, consulta Opus frente a Sonnet frente a Haiku.

Una estimación completa: turnos escritos, más la cadencia que nanobot activa por ti

Estos son cálculos ilustrativos de tokens, no costes medidos de tareas ni un límite máximo de facturación. Supón un asistente que gestiona 20 turnos escritos al día durante 30 días, suponiendo 10.000 tokens de entrada no almacenados en caché y 600 tokens de salida por turno: 6,0M tokens de entrada y 0,36M tokens de salida al mes.

El calendario es la parte basada en la fuente; ni el tamaño de los tokens ni el número de ejecuciones que realmente se facturan lo son. La referencia de configuración de nanobot habilita de forma predeterminada un latido del gateway cada intervalS 1800, y la configuración Dream de v0.3.5 está habilitada de forma predeterminada cada intervalH 2, lo que equivale a 1.440 latidos y 360 activaciones de Dream en un mes de 30 días. Un latido no es una llamada al modelo. En el gateway v0.3.5 distribuido, el trabajo de latido lee HEARTBEAT.md y regresa antes de realizar cualquier solicitud al modelo cuando falta el archivo o no contiene nada bajo un encabezado ## Active Tasks, y el trabajo de Dream registra «nothing to process» y regresa cuando no se ha acumulado historial nuevo desde su cursor. Por tanto, una instalación inactiva no paga nada por ninguno de los dos trabajos, y 1.800 es el límite máximo que permite el calendario, no un mínimo que necesariamente alcanzarás. nanobot no publica ninguna cifra de tokens por ejecución para ninguno de los dos trabajos, así que los tres tamaños anteriores son valores provisionales que debes sustituir por tus propias mediciones, y los tokens de salida de esas ejecuciones están excluidos. No importes aquí las cifras de latidos de otro agente; pertenecen a un programa diferente.

Las dos palancas no son simétricas. Dream acepta modelOverride para indicar un ajuste predefinido más barato —solo se admiten nombres de ajustes predefinidos; se rechazan los identificadores sin formato—, el cambio de una línea que ya aparece en el bloque de la Ruta A anterior. El latido no tiene una sustitución de modelo documentada: sus opciones son enabled, intervalS y keepRecentMessages, por lo que se ralentiza o se desactiva; además, al ser un trabajo cron gestionado por el sistema, no puede eliminarse con la herramienta cron; desactívalo en la configuración y reinicia el gateway. Cuando tiene tareas que ejecutar, la evaluación del latido es uno de los trabajos internos que la referencia de configuración enumera como capaces de abrir un flujo del modelo, por lo que el coste depende de lo que introduzcas en HEARTBEAT.md, y un archivo vacío es el caso económico. Una precisión frente a la página de Kunavo nanobot frente a OpenClaw, que afirma que Dream se ejecuta de forma predeterminada según un calendario cron: eso coincide con la referencia de memoria, y v0.3.5 es más precisa: cada 2 horas como calendario de intervalos, con cron como sustitución heredada.

El importe del catálogo de Kunavo es un mínimo de facturación, no un límite máximo: cuando el proveedor ascendente informa de su cargo, la factura es el mayor entre el coste del catálogo y el coste del proveedor ascendente multiplicado por el margen aplicable. Los cargos de caché, las herramientas y el alojamiento quedan fuera de estos ejemplos. La recarga mínima es $10 de crédito prepagado: un mínimo de financiación, no una tarifa por tarea ni una suscripción. Consulta los detalles de facturación y la optimización de costes para conocer el método de medición.

Establece los límites del bucle y verifica después con una ejecución

Dos de los tres límites por turno de nanobot ni siquiera aparecen en su referencia de configuración. Según el código fuente distribuido de v0.3.5, los valores predeterminados del agente son max_tool_iterations 200 y max_tool_result_chars 16.000; solo maxConcurrentSubagents, cuyo valor predeterminado es 4, aparece en la referencia documentada en main. Un límite de 200 iteraciones puede dar lugar a un turno descontrolado y costoso, así que establécelo deliberadamente en lugar de heredarlo.

Después, verifica en el orden documentado. nanobot status no envía deliberadamente ninguna solicitud al modelo, por lo que confirma la configuración sin gastar nada, y la referencia de la CLI indica que debes continuar con nanobot agent -m "Hello!". Su tabla de síntomas asigna las cuatro fallas que produce un endpoint personalizado: un 401 indica una clave ausente, caducada, con espacios añadidos o almacenada incorrectamente; model not found es un identificador que no existe para ese proveedor; connection refused indica que el servidor del proveedor local no está en ejecución o que un apiBase apunta al puerto equivocado; provider not found indica un proveedor mal escrito en el ajuste predefinido activo.

Después, concilia los datos con el dinero, no con los tokens. En v0.3.5, nanobot registra cada llamada al proveedor con un source validado frente a user, api, cron, dream y system —la división que separa el gasto en segundo plano del gasto escrito—, pero no aparece ningún campo de coste en ese módulo. Su WebUI muestra gráficos de tokens de entrada por ronda junto con una tasa de aciertos de caché cuando se informa de ella, y afirma explícitamente que esas cifras no constituyen un estado de facturación; además, no apareció ningún comando de gasto agregado en la referencia de la CLI consultada el 21 de septiembre de 2026 (una ausencia en ese documento, no una prueba de que no exista). Lee el cargo en el registro contable de tu proveedor.

Qué ruta gana y cuánto te cuesta

Dos notas sobre los límites. La generación de imágenes acepta custom como valor de proveedor y está desactivada de forma predeterminada, pero aquí no se ha probado si el endpoint de imágenes de Kunavo coincide con la estructura de solicitud que envía nanobot: no está verificado, no es una funcionalidad. Y hay un coste que no tendrás: la memoria persistente de nanobot son archivos normales dentro del espacio de trabajo, no un índice vectorial, lo cual resulta conveniente porque Kunavo no ofrece ningún modelo de embeddings.

Kunavo no publica ninguna página de integración con nanobot ni ha probado nanobot en tiempo de ejecución contra su endpoint; cada bloque anterior se ha tomado de la propia documentación de nanobot y de su código fuente distribuido de v0.3.5, así que considéralo una referencia de configuración que puedes probar, no un resultado de compatibilidad. Mantén disponible una ruta funcional, ejecuta una tarea con límites y después lee lo que tu cuenta haya registrado para ella. La guía de inicio rápido y la referencia de la URL base cubren ambas convenciones de endpoint, y crear una cuenta de Kunavo es el paso previo a financiar una clave. ¿Sigues eligiendo el programa? nanobot frente a OpenClaw compara los entornos de ejecución, y el directorio de API de agentes indexa los clientes por protocolo de comunicación y límite BYOK.

Preguntas frecuentes

Fuentes consultadas el 21 de septiembre de 2026: las API de GitHub y PyPI para HKUDS/nanobot y nanobot-ai, la documentación de proveedores, configuración, memoria y CLI de nanobot en la rama main, y el código fuente distribuido de v0.3.5 descargado de PyPI para cada valor numérico predeterminado. Las afirmaciones de la documentación y los valores predeterminados del código están separados por cinco días y se etiquetan por separado en todo el documento. Kunavo no ha probado nanobot en tiempo de ejecución; las tarifas de tokens proceden del catálogo activo y cada cifra en dólares es un cálculo ilustrativo basado en los supuestos indicados.