Nanobot frente a OpenClaw: tiempo de ejecución, proveedores y coste operativo

Elige nanobot si quieres un único proceso pequeño de Python autoalojado con un solo archivo de configuración JSON; elige OpenClaw si necesitas una pasarela respaldada por una fundación, con más canales de chat, runtimes de agente seleccionables e informes propios de gasto. Ambos tienen licencia MIT, son autoalojados y se pueden descargar gratis, por lo que la decisión real depende del runtime que operarás, del bloque de proveedor que escribirás manualmente y del intervalo de trabajo en segundo plano cuyos tokens pagarás.

Versiones comprobadas el 21 de septiembre de 2026: nanobot v0.3.5, publicado el 15 de septiembre de 2026, y OpenClaw v2026.9.5, publicado el 19 de septiembre de 2026. El registro npm de OpenClaw incluía cuatro publicaciones en los diez días anteriores a esta comprobación, entre sus líneas estable y extended-stable, así que consulta el feed de versiones y el registro npm en lugar de una versión citada en cualquier página comparativa, incluida esta.

Primero, comprueba qué nanobot estás instalando

Esta página trata sobre HKUDS/nanobot, un framework de asistente personal en Python del Data Intelligence Lab de la University of Hong Kong, cuya documentación está en nanobot.wiki. Dos homónimos casi idénticos dirigen a los compradores al software equivocado:

• obot-platform/nanobot, en nanobot.ai, es un proyecto independiente en Go bajo Apache-2.0 para crear agentes MCP. Sus afirmaciones de funciones no describen el asistente de HKUDS.
• El paquete de PyPI llamado nanobot es una biblioteca de navegación robótica no relacionada. La instalación correcta es pip install nanobot-ai, versión 0.3.5, MIT, Python 3.11 o posterior según el registro de PyPI. La guía de inicio rápido también ofrece un script de instalación que instala o actualiza el mismo paquete.

También existen bifurcaciones que copian literalmente la descripción y la página de inicio, y la guía de despliegue de nanobot advierte que las imágenes de Docker Hub bajo espacios de nombres de terceros no son mantenidas ni verificadas por el proyecto, así que no montes claves de API ni tokens de bots en ellas a menos que confíes en el publicador. Para OpenClaw, las superficies oficiales son docs.openclaw.ai, openclaw.ai, openclaw.org y el repositorio de GitHub; si lees las claves de configuración siguientes en otro lugar, compáralas con esas fuentes, porque una copia puede estar desactualizada precisamente en esas claves.

Quién debería elegir cuál

Elige nanobot cuando el flujo de trabajo sea una persona, una máquina y un archivo de configuración. Toda su configuración está en ~/.nanobot/config.json, con claves camelCase, y su estado persistente vive en un espacio de trabajo del agente —~/.nanobot/workspace/ de forma predeterminada— como SOUL.md, USER.md y memory/MEMORY.md, según su referencia de memoria. Si quieres comprender cada pieza antes de confiarle una cuenta de mensajería, una superficie más pequeña supone una ventaja real. Su propio servidor compatible con OpenAI también lo convierte en un backend útil para otras herramientas, vinculado a 127.0.0.1 de forma predeterminada y rechazando iniciarse en 0.0.0.0 sin una clave de API.

Elige OpenClaw cuando el flujo de trabajo sea un despliegue operado. Su catálogo de canales enumera 32 canales, algunos incluidos con la instalación principal y la mayoría instalados como plugins oficiales o externos; separa el espacio de trabajo del agente del directorio de estado para que puedas reubicar cualquiera de los dos, y ofrece seguimiento de uso con /status, /usage cost y openclaw status --usage. También separa la referencia del modelo del runtime del agente, de modo que un despliegue puede ejecutar simultáneamente una ruta con clave de API y una licencia de CLI de proveedor.

En cuanto al modelo de ejecución y permisos, espera el mismo trabajo en ambos. Cada uno mantiene una pasarela de larga duración que controla la entrega en segundo plano, y cada uno convierte un endpoint personalizado en una decisión explícita de confianza: OpenClaw trata un baseUrl personalizado como una concesión de confianza de red limitada exactamente a ese esquema, host y puerto, mientras que los orígenes de metadatos, link-local y NAT64 de uso local permanecen bloqueados sin una activación explícita, y otros rangos privados o CGNAT requieren request.allowPrivateNetwork: true, cuyo valor predeterminado es false.

En la ruta de costes, la diferencia es la visibilidad, no el precio. Ambos programas son gratuitos. OpenClaw informa de los tokens de sesión y de un coste estimado para las sesiones con clave de API, y oculta las estimaciones en dólares por token para las sesiones facturadas mediante un plan. La WebUI de nanobot muestra un gráfico de tokens y caché por ronda y afirma claramente que esas cifras no son un estado de facturación; no existe ningún comando de gasto agregado en su referencia de CLI. Las solicitudes abiertas de seguimiento de costes en HKUDS/nanobot, issues #1193 (actualizado por última vez el 25 de febrero de 2026) y #2020 (actualizado por última vez el 16 de marzo de 2026), siguen abiertas; pero no interpretes esos títulos como el conjunto de funciones actual, porque la visualización por ronda sí existe. Lo que falta es el agregado.

En cuanto al coste de migración, planifica una reescritura en lugar de una importación. El importador de memoria de OpenClaw admite Codex, Claude Code y Hermes, y ninguno de los dos proyectos documenta un importador del otro en ninguna dirección. Los bloques de proveedores, preajustes, credenciales de canales, programaciones y archivos de memoria deben recrearse manualmente.

Hay algo en lo que no puede basarse ninguna de las dos opciones: no existe un benchmark compartido y ninguno de los proyectos publica cifras de calidad de tareas. El README de nanobot afirma que tiene un «núcleo pequeño y legible», pero no publica ninguna cantidad de líneas, por lo que cualquier cifra concreta de líneas citada en otro lugar no es una afirmación del proveedor. El tamaño del código no predice la calidad de las tareas en ninguna dirección.

nanobot frente a OpenClaw de un vistazo

El número de estrellas mide la atención en un día, no la madurez ni el soporte, y ambos valores cambian a diario; léelos en los dos repositorios en lugar de hacerlo en una página secundaria. En la fila de licencias existe una discrepancia documentada: los metadatos de la API de GitHub no indican ninguna licencia para openclaw/openclaw, mientras que el archivo LICENSE contiene el texto de la licencia MIT sin ninguna cláusula sobre marcas registradas o nombres, seguido únicamente de un enlace a THIRD_PARTY_NOTICES.md. Lee el archivo y confírmalo tú mismo antes de distribuir cualquier cosa construida sobre él.

La configuración del proveedor es la diferencia real

Ambos clientes pueden llamar a un endpoint compatible con OpenAI o con Anthropic. Deciden cuál utilizar de forma diferente, y ese único hecho explica por qué una configuración funcional no puede traducirse entre ellos.

nanobot decide según la clave de proveedor que escribas. Según su referencia de proveedores, cualquier clave que inventes bajo providers se trata como un proveedor directo compatible con OpenAI, apiBase es obligatorio porque nanobot no puede conocer la URL del endpoint y apiKey es opcional. Para una pasarela compatible con Anthropic, debes mantener el proveedor como anthropic y sobrescribir su apiBase: la documentación indica que los nombres de proveedores personalizados arbitrarios solo son compatibles con OpenAI y no utilizan el formato de solicitud Anthropic Messages. Esa es la mayor trampa de configuración de esta comparación.

{
  "providers": {
    "kunavo": {
      "apiKey": "${KUNAVO_API_KEY}",
      "apiBase": "https://api.kunavo.com/v1"
    },
    "anthropic": {
      "apiKey": "${KUNAVO_API_KEY}",
      "apiBase": "https://api.kunavo.com"
    }
  },
  "modelPresets": {
    "openaiShaped": {
      "provider": "kunavo",
      "model": "claude-sonnet-5",
      "maxTokens": 1024
    },
    "anthropicShaped": {
      "provider": "anthropic",
      "model": "claude-sonnet-5",
      "maxTokens": 1024
    }
  },
  "agents": {
    "defaults": {
      "modelPreset": "openaiShaped"
    }
  }
}

Aquí los nombres importan dos veces. Evita colisionar con un nombre integrado como openai, openai-codex, github-copilot o lm-studio, y no establezcas apiType en una clave personalizada; ese campo solo sirve para providers.openai. Con un proveedor personalizado nombrado explícitamente, el id del modelo se envía tal como está escrito, por lo que model debe ser exactamente el id que espera el endpoint; solo bajo provider: "auto" se elimina un prefijo coincidente. Esa sobrescritura modifica el propio bloque de proveedor anthropic, de modo que la pasarela sustituye a Anthropic directo en todos los preajustes que apuntan a ese proveedor, en lugar de situarse junto a él. Ten en cuenta también que se aceptan claves snake_case por compatibilidad, pero nanobot vuelve a escribirlas en camelCase en el disco.

OpenClaw decide mediante un campo. Su referencia de proveedores personalizados coloca todo en un bloque uniforme bajo models.providers, donde api selecciona el adaptador de solicitudes. Esa referencia enumera once valores, incluidos openai-completions, openai-responses, anthropic-messages, google-generative-ai, ollama y bedrock-converse-stream; el esquema de configuración de OpenClaw en v2026.9.7 acepta un duodécimo, google-interactions, añadido el 25 de septiembre de 2026 y documentado hasta ahora solo en su página del proveedor de Google. Un baseUrl sin api toma openai-completions como valor predeterminado.

{
  "models": {
    "mode": "merge",
    "providers": {
      "kunavo": {
        "baseUrl": "https://api.kunavo.com",
        "apiKey": "${KUNAVO_API_KEY}",
        "api": "anthropic-messages",
        "authHeader": true,
        "models": [
          {
            "id": "claude-sonnet-5",
            "name": "Claude Sonnet 5",
            "input": [
              "text"
            ],
            "contextWindow": 1000000,
            "maxTokens": 1024
          }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "kunavo/claude-sonnet-5"
      }
    }
  }
}

Añadir una referencia de modelo bajo agents.defaults por sí solo no la registra: debe existir una entrada coincidente con el mismo id en models.providers.<id>.models[]. El 1024 anterior es un límite de salida deliberadamente pequeño para una primera prueba, no el máximo del modelo; toma contextWindow y maxTokens de la página del modelo correspondiente al modelo que enrutes. Kunavo no ha ejecutado ninguna de las dos aplicaciones contra su endpoint; estos bloques se han extraído de las propias referencias de configuración de ambos proyectos el 21 de septiembre de 2026 y requieren tu propia prueba acotada antes de trasladarles trabajo programado.

A qué no puede acceder un endpoint de terceros

Ambos proyectos documentan aspectos concretos que se pierden con un endpoint personalizado. Estas son las partes que una comparación de precios suele omitir y cambian lo que realmente te cuesta una ruta barata. Las filas de nanobot proceden de su referencia del proveedor enlazada arriba; las de OpenClaw proceden de esa misma referencia de configuración y de su página de conceptos sobre proveedores personalizados, donde se documenta el comportamiento de eliminación de encabezados.

Conviene planificar teniendo en cuenta dos consecuencias. Primero, en una ruta de OpenClaw compatible con OpenAI hacia un host no nativo, las indicaciones de caché de prompts del lado del cliente se eliminan por diseño, junto con service_tier, store y los encabezados de atribución; la ruta anthropic-messages pierde, en cambio, los encabezados beta implícitos. Esto cambia lo que solicita el cliente, no necesariamente si el endpoint almacena en caché: un endpoint que almacene en caché por su cuenta todavía puede hacerlo, y la documentación de OpenClaw no afirma lo contrario. Por tanto, no des por hecho ninguno de los dos resultados: verifica el uso devuelto antes de presupuestar un trabajo recurrente como almacenado en caché. Nuestra guía sobre el almacenamiento en caché de prompts explica cómo deberían verse los campos de uso cuando el almacenamiento en caché funciona.

Segundo, en OpenClaw el runtime importa tanto como el proveedor. La referencia del runtime resuelve el runtime después de resolver el proveedor y el modelo, y permite fijar uno por proveedor con models.providers.<provider>.agentRuntime: el runtime integrado openclaw ejecuta por sí mismo el turno preparado, mientras que codex, claude-cli y copilot se ejecutan mediante backends de proveedores con sus propias credenciales de suscripción. Tampoco está documentado si esos backends respetan un baseUrl personalizado, así que considera que una clave del estilo de Kunavo pertenece al runtime openclaw en lugar de suponer que un backend de CLI puede redirigirse. En nanobot, el límite equivalente es que las cuentas de suscripción son sus propios proveedores OAuth, con inicio de sesión mediante nanobot provider login, y su referencia del proveedor señala que los proveedores OAuth no son respaldos automáticos válidos; una clave de pasarela no hereda nada de eso. El README de OpenClaw afirma que no tiene nivel de pago, servicio alojado ni token, y la documentación de nanobot tampoco describe ningún nivel de pago, por lo que ninguno documenta una restricción de plan de software.

Coste operativo: el software cuesta $0, pero la frecuencia no

nanobot es MIT según su licencia del repositorio, y el README de OpenClaw afirma que no tiene nivel de pago, servicio alojado ni token. Ninguno publica un benchmark de uso, por lo que todo lo que aparece a continuación es aritmética basada en supuestos declarados, no un resultado medido ni un límite de facturación.

Considera un único asistente que gestiona 30 turnos al día durante 30 días, suponiendo 6.000 tokens de entrada sin caché y 400 tokens de salida por turno: 5,4 M de tokens de entrada y 360.000 tokens de salida al mes. Según las tarifas actuales del catálogo de Kunavo, Claude Sonnet 5 muestra $1,40 por millón de tokens de entrada y $7,00 por millón de tokens de salida, y Claude Haiku 4.5 muestra $0,70 y $3,50.

Las filas de latidos utilizan las propias cifras de OpenClaw: su referencia de latidos indica que los latidos ejecutan turnos completos del agente, que la frecuencia predeterminada es de 30 minutos para la autenticación con clave de API o de una hora para OAuth, y que isolatedSession reduce el coste de tokens por latido de aproximadamente 100.000 a aproximadamente entre 2.000 y 5.000 tokens. Esta es la partida controlable más grande de toda la comparación y no tiene nada que ver con el cliente que hayas elegido. Son estimaciones aritméticas de tokens basadas en los supuestos indicados, sin incluir cargos de caché, salida en los turnos de latido, herramientas externas ni alojamiento.

Dos lagunas importantes. No está verificado que OpenClaw ejecute un latido cuando no existe ningún bloque agents.defaults.heartbeat: la documentación proporciona la frecuencia predeterminada sin afirmar que la función esté activada de fábrica; por tanto, interpreta las filas anteriores como el coste de un latido que configures. Además, la referencia de configuración de nanobot sí activa de forma predeterminada un latido de pasarela cada 1800 segundos, con resultados rutinarios "omitidos silenciosamente", y esa misma referencia incluye la evaluación de latidos entre las tareas internas que abren un flujo del modelo, por lo que un latido omitido no necesariamente es gratuito. No publica ninguna cifra de tokens por latido, así que el coste inactivo de nanobot no puede indicarse a partir de su propia documentación. Mide ambos durante un día tranquilo antes de comprometerte con un horario.

Lo que OpenClaw sí activa de forma predeterminada es la consolidación de memoria, mediante un cron diario a las 03:00, usando el modelo predeterminado del agente salvo que establezcas dreaming.model; dirigirlo a un modelo más barato requiere un cambio de una sola línea. nanobot tiene una tarea de forma similar: su referencia de memoria indica que Dream se ejecuta mediante un cron de forma predeterminada y acepta un modelOverride que nombre un preset más barato, así que presupuéstalo en ambos lados. Su idleCompactAfterMinutes independiente, con valor predeterminado 15, es un temporizador de compactación, no una llamada programada al modelo; la documentación vincula ese valor predeterminado a una ventana de expiración típica de la caché KV. Ninguno de los dos proyectos publica una cifra de tokens por ejecución para su proceso de consolidación, y los dos sistemas no están relacionados; no extrapoles las cifras de un proyecto al otro.

Más allá de los tokens, presupuesta la máquina que mantiene la pasarela en ejecución, además de cualquier cuenta de pago de canal o herramienta: el canal SMS de OpenClaw se configura con Twilio y su canal Signal funciona mediante signal-cli, como daemon local o contenedor, con su propio número, mientras que las opciones de transcripción de nanobot y cualquier herramienta de imágenes o búsqueda son cuentas independientes.

Si quieres financiar el uso del modelo con crédito prepagado en lugar de una suscripción, la recarga mínima de Kunavo es de $10 en crédito prepagado, y el saldo no caduca. Lee primero la guía de facturación: una estimación del catálogo no es un límite máximo, porque el cargo puede ser mayor cuando la facturación del coste ascendente lo supera. Crea una cuenta de Kunavo cuando estés listo para ejecutar esa prueba acotada en el cliente que hayas elegido.

Pasar de uno a otro, en cualquier dirección

No des por hecho que nada se transfiere automáticamente. El bloque del proveedor se reescribe manualmente con la otra estructura; una entrada de modelPresets de nanobot no tiene un equivalente directo en models.providers.<id>.models[] de OpenClaw, y viceversa. Las credenciales de los canales se vuelven a emitir para cada canal. Los horarios se trasladan como definiciones, no como estado: nanobot conserva el estado de cron en <workspace>/cron/jobs.json, y ambos productos requieren que el proceso de la pasarela siga ejecutándose para que se active cualquier elemento programado.

La memoria es la parte que merece exportarse deliberadamente. El conocimiento persistente de nanobot vive en SOUL.md, USER.md y memory/MEMORY.md dentro de un espacio de trabajo cuyo valor predeterminado es ~/.nanobot/workspace/. OpenClaw conserva su espacio de trabajo en ~/.openclaw/workspace de forma predeterminada, separado de ~/.openclaw/, que contiene la configuración, las credenciales y las sesiones, y OPENCLAW_WORKSPACE_DIR permite sobrescribir la ruta predeterminada del espacio de trabajo según su referencia del espacio de trabajo del agente. Copia los archivos y luego léelos en el destino: trasladar un archivo no demuestra que la siguiente sesión recupere el dato correcto.

Traslada primero una tarea recurrente y conserva la instalación antigua hasta que la sustituta la complete y sobreviva a un reinicio. Si la lista final realmente enfrenta OpenClaw con algo distinto de nanobot, compara las alternativas por flujo de trabajo; si ya has elegido OpenClaw y solo necesitas la ruta del modelo, la comparación de proveedores y el desglose de costes operativos profundizan más que esta página.

Preguntas frecuentes

Documentos fuente comprobados el 21 de septiembre de 2026: ambos repositorios, su documentación publicada, el registro de PyPI de nanobot-ai y el registro de npm de openclaw. El 1 de octubre de 2026 se volvieron a comprobar los valores de api de OpenClaw y el valor predeterminado de openai-completions frente a su referencia de configuración de la pasarela, su página del proveedor de Google y su esquema de configuración en v2026.9.7. Kunavo no ha probado ninguno de los dos clientes en tiempo de ejecución; los bloques de configuración se han tomado de la documentación de los proveedores. Las tarifas de Kunavo proceden del catálogo activo y los totales son aritmética de tokens basada en los supuestos indicados, no el coste medido de una tarea.