Precios y configuración de API de OpenManus: el programa gratuito, la factura de tokens y la configuración que se distribuye inservible

OpenManus cuesta $0. Es software de código abierto con licencia MIT, sin plan, nivel de pago, clave de licencia ni edición alojada, por lo que «precios de OpenManus» se reduce por completo a la factura de la API del modelo que hay detrás, más dos servicios en la nube opcionales y desactivados de forma predeterminada. La cifra que merece presupuestarse es lo que envía una ejecución del agente, y el ajuste que más probablemente la distorsione es el archivo de configuración que incluye OpenManus: todavía usa de forma predeterminada un ID de modelo de Claude retirado el 19 de febrero de 2026 y se carga igualmente si omites el paso de copia.

Primero, una aclaración, porque los resultados de búsqueda de esta consulta tratan principalmente de otra cosa. Manus es un producto comercial independiente y de pago, con créditos medidos, de otra empresa, y su API comercial en api.manus.ai es, una vez más, algo distinto. En esta página no aparece ningún precio de Manus: manus.im/pricing se renderiza en el cliente y no pudo leerse desde la fuente oficial el 21 de septiembre de 2026, y las cifras que circulan en blogs de terceros no son oficiales. Consulta manus.im directamente si ese es el producto que buscas.

Cinco cosas llamadas Manus u OpenManus

El traslado importa más de lo que parece. La propia página de inicio del proyecto, openmanus.github.io —el campo homepage establecido en el repositorio activo—, todavía dirige a los lectores a la antigua ruta mannaandpoem, al igual que la mayoría de los tutoriales de 2025. El repositorio actual se comprobó mediante la API de GitHub el 21 de septiembre de 2026: archived: false, MIT, 58,367 estrellas, 455 incidencias abiertas, último push el 22 de agosto de 2026, con el último commit en main fechado el 16 de agosto de 2026. En GitHub también hay otros dos proyectos independientes con el mismo nombre: OpenManus/OpenManus-RL es un proyecto distinto de aprendizaje por refuerzo y henryalps/OpenManus es un repositorio homónimo que aparece en los resultados y que no se inspeccionó más allá de confirmar que resuelve.

Qué es gratis y qué realmente genera cargos

La instalación es únicamente desde el código fuente: conda create -n open_manus python=3.12 o uv venv --python 3.12, y después un git clone del repositorio actual. No existe una instalación de paquete de una sola línea, y setup.py declara python_requires=">=3.12".

Dónde se introduce la clave de API de OpenManus

No existe ninguna variable de entorno ni opción de línea de comandos para la clave. En OpenManus, la modalidad de aportar tu propia clave usa un archivo TOML: copia config/config.example.toml en config/config.toml y después establece model, base_url y api_key bajo [llm].

# config/config.toml — copy config.example.toml here first, then edit.
# If this file does not exist, OpenManus loads the example file instead.
[llm]
model = "claude-sonnet-4-6"
base_url = "https://api.kunavo.com/v1"
api_key = "sk-kn-..."
max_tokens = 8192
temperature = 0.0

# Sub-tables of [llm] are profiles, selected by the AGENT's name lower-cased,
# and they inherit every key you leave out. "manus" is the agent main.py runs;
# "mcp_agent" is the one run_mcp.py runs.
[llm.mcp_agent]
model = "claude-haiku-4-5"

El cliente se selecciona en LLM.__init__ dentro de app/llm.py, y solo dos valores de api_type cambian algo: "azure" crea un cliente AsyncAzureOpenAI y "aws" crea un cliente de Bedrock. Todo lo demás —incluidos los valores ollama, jiekou y ppio de los propios archivos de ejemplo de OpenManus— termina en un AsyncOpenAI(api_key, base_url) simple. Esas etiquetas son documentación, no rutas de código. Por tanto, llegar a un endpoint POST /chat/completions de estilo OpenAI requiere base_url y api_key, y no requiere ningún valor de api_type; lo que ese endpoint debe admitir después es otra cuestión, y la lista siguiente es breve pero real. El endpoint de Kunavo tiene esa forma: https://api.kunavo.com/v1, autenticación Bearer, claves sk-kn- y un GET /v1/models sin autenticación responde 401; además, acepta tools y tool_choice de estilo OpenAI, que es lo que envía el bucle del agente de OpenManus. Esta es una afirmación sobre la forma del protocolo, comprobada el 21 de septiembre de 2026. No se ha ejecutado ninguna instancia de OpenManus contra Kunavo, por lo que nada de esta página constituye una prueba de compatibilidad.

Tres requisitos que debe cumplir tu endpoint, leídos del main actual, y una cosa que OpenManus no hará por ti. ask_tool fija stream = False y siempre envía tools más tool_choice (valor predeterminado auto), por lo que un endpoint que solo transmita llamadas a herramientas rompe el bucle. max_tokens y temperature se incluyen en cada solicitud, salvo que el ID del modelo sea literalmente o1 o o3-mini, las dos entradas de REASONING_MODELS. El código lee usage.prompt_tokens y usage.completion_tokens directamente de la respuesta. Además, no hay reintento entre proveedores: los fallos pasan por tenacity con retroceso exponencial contra el mismo endpoint.

Las dos configuraciones oficiales iniciales no coinciden

Esta es la trampa para la que conviene estar preparado. OpenManus incluye dos configuraciones oficiales iniciales que se contradicen entre sí, y ninguno de los dos archivos menciona al otro.

La página de obsolescencias de Anthropic enumera claude-3-7-sonnet-20250219 como Retired, con fecha de retirada del 19 de febrero de 2026, y declara que las solicitudes a modelos retirados fallarán; el reemplazo recomendado es claude-sonnet-4-6. Esas fechas se aplican a las plataformas operadas por Anthropic; Amazon Bedrock y Google Cloud tienen sus propios calendarios. El README es el más reciente de los dos archivos, lo que invierte la suposición habitual de que el ejemplo incluido es la fuente canónica.

Y la configuración obsoleta también es la predeterminada. Config._get_config_path() en app/config.py devuelve config/config.toml si existe; de lo contrario, config/config.example.toml, y solo genera un error si no existe ninguno de los dos. Por tanto, una primera ejecución que omita el paso de copia no produce un mensaje útil de «no hay configuración»: se autentica con la cadena literal YOUR_API_KEY contra un ID de modelo que ya no responde. El README no menciona ese fallback; solo indica que se copie el archivo de ejemplo. Otros ejemplos incluidos también apuntan a Claude 3.7 Sonnet: el ejemplo de Daytona lleva el mismo ID retirado con fecha, y el ejemplo de Anthropic establece claude-3-7-sonnet-latest para el modelo principal, con el ID fechado en su bloque de visión; mientras que el ejemplo de Google establece gemini-2.0-flash, que Google incluye entre los modelos anteriores con la nota de que están obsoletos y «se cerrarán pronto». Trata el directorio config/ como archivos de ejemplo incluidos por el proyecto, no como una lista de proveedores compatibles: nada en el repositorio los prueba, y app/llm.py no se ha modificado desde el 26 de abril de 2025.

El bloque [llm.vision] no lo lee nada

Todos los ejemplos incluidos contienen una sección [llm.vision], y en el main actual ningún agente la lee. Los perfiles se seleccionan mediante el nombre propio del agente, convertido a minúsculas: app/agent/base.py hace LLM(config_name=self.name.lower()); los nombres de agente presentes son Manus, browser, swe, toolcall, Data_Analysis, SandboxManus y mcp_agent. Ninguno es «vision»; un nombre de perfil desconocido vuelve silenciosamente a [llm], y ask_with_images() está definido, pero no tiene puntos de llamada en ningún lugar del repositorio. Las subtablas que realmente puede seleccionar un punto de entrada incluido son [llm.manus] (el agente ejecuta tanto python main.py como run_flow.py), [llm.mcp_agent] (run_mcp.py), [llm.sandboxmanus] (sandbox_main.py) y [llm.data_analysis] (run_flow.py, una vez activado use_data_analysis_agent). BrowserAgent sí establece name = "browser", pero ningún punto de entrada incluido lo instancia, por lo que [llm.browser] permanece inerte a menos que escribas tu propio ejecutor. Toda subtabla hereda cada clave que dejes fuera; por eso una sobrescritura solo necesita las claves que difieran.

La visión está protegida una segunda vez, y esta protección determina si un gateway puede ofrecerla. app/llm.py declara una lista de permitidos fija:

Ninguno de los dos modelos supervivientes es el modelo insignia actual de OpenAI: la misma página de precios enumera gpt-6-astra y la familia gpt-5.6 por encima de ellos; por tanto, la única forma de obtener visión en OpenManus sin editar el código es ejecutar un modelo de 2024. La comparación exige igualdad exacta de cadenas, por lo que un identificador con espacio de nombres como openai/gpt-4o no coincide con ninguno. Cuando el modelo configurado no aparece en esa lista, format_messages elimina el campo base64_image y envía únicamente el texto: sin error ni advertencia, la captura de pantalla simplemente nunca llega al modelo. Kunavo no publica ni gpt-4o ni gpt-4o-mini, por lo que un OpenManus configurado para Kunavo solo admite texto y herramientas, a menos que edites MULTIMODAL_MODELS en app/llm.py por tu cuenta. La generación de texto y las llamadas a herramientas no se ven afectadas; la lista de permitidos solo controla las imágenes. Tampoco una lista de modelos demuestra lo demás: un endpoint que anuncie la cadena exacta gpt-4o satisface la comparación de OpenManus, pero si reenvía una URL de imagen data: integrada al modelo es otra cuestión que no se probó para ningún endpoint de aquí.

Cuánto cuesta una ejecución de OpenManus

No se ejecutó ninguna tarea de OpenManus para esta página, por lo que no hay ningún coste medido que informar. Lo que sí proporciona el código es una estructura honesta. El agente predeterminado de app/agent/manus.py establece max_steps = 20 y max_observe = 10000. Cada paso es una solicitud de llamada a herramientas sin streaming que incluye toda la conversación hasta ese momento, por lo que los tokens de entrada crecen con el cuadrado del número de pasos, no linealmente.

Las cifras siguientes son aritmética de tokens basada en supuestos indicados, no el coste medido de una tarea ni un límite de facturación. Supón un prompt base de 4,000 tokens (prompt del sistema más esquemas de herramientas), 1,200 tokens añadidos al historial por paso y 400 tokens de salida por paso. Una ejecución que termina en 6 pasos envía aproximadamente 42,000 tokens de entrada y 2,400 de salida; una ejecución que llega al límite de 20 pasos envía aproximadamente 308,000 tokens de entrada y 8,000 de salida. Las tarifas son precios actuales del catálogo de Kunavo por millón de tokens.

Lee las dos columnas una frente a la otra, no las filas. Según estos supuestos, 20 pasos requieren 7.3 veces la entrada de 6 pasos para 3.3 veces los pasos; por eso «¿cuántos pasos necesita?» domina a «¿cuánto cobra el modelo por token?» en un bucle de agente. Esto también convierte la caché de prompts en una palanca importante en esta forma de facturación, y conviene saber dónde no está disponible: la documentación de compatibilidad del SDK de OpenAI de Anthropic —que describe la URL base exacta a la que apunta el ejemplo incluido de OpenManus— indica que la caché de prompts no es compatible allí, que strict, response_format y reasoning_effort se ignoran, que n debe ser exactamente 1 y que los mensajes del sistema se elevan al principio. La misma página denomina a esa capa «destinada principalmente a probar y comparar las capacidades de los modelos, y no considerada una solución a largo plazo ni lista para producción para la mayoría de los casos de uso». OpenManus nunca envía por su cuenta una directiva de caché, por lo que cualquier caché debe proceder del endpoint.

Comprueba un parámetro antes de dirigir OpenManus a un modelo reciente de Claude: los ejemplos incluyen temperature = 0.0 y el código envía temperature en cada solicitud fuera de los dos ID de razonamiento, mientras que la página de obsolescencias de Anthropic marca temperature, top_p y top_k como obsoletos en Claude Opus 4.7 y posteriores, y afirma que un valor no predeterminado devuelve un 400. La página de compatibilidad describe por separado temperature como compatible entre 0 y 1. Aquí no se probó si la capa de compatibilidad lo elimina, limita o reenvía; trátalo como algo que debes verificar en tu propia ruta, no como un fallo confirmado.

Ajusta estas cifras según tu propio número de ejecuciones al día antes de considerarlas un presupuesto. El importe del catálogo de Kunavo es un mínimo de facturación, no un límite máximo: cuando el proveedor informa de su cargo, se factura el mayor de estos dos importes: el coste del catálogo o el coste del proveedor multiplicado por el margen aplicable. Los cargos por caché y las herramientas externas quedan fuera de este ejemplo. La recarga mínima de Kunavo es de $10 en crédito prepagado, lo que constituye un importe mínimo de fondos, no una tarifa por tarea ni una suscripción; consulta los detalles de facturación.

Mejor API para OpenManus: qué ruta gana y cuándo

Observa lo que no aparece en esa lista: en OpenManus no hay ningún bloqueo por plan. No hay clave de licencia, nivel de pago ni comprobación de telemetría; todas las capacidades anteriores están disponibles para cualquiera que clone el repositorio, y las restricciones están en el código, no en una suscripción. Compara las rutas en API compatible con OpenAI y gateway de LLM, o consulta alternativas a OpenRouter si ya utilizas una. Para conocer el método detrás de «la tarifa publicada más barata» frente a «la opción más barata para terminar», consulta optimización de costes de IA; para una decisión centrada en una sola familia, la API de Claude más barata.

Configúralo y comprueba la primera ejecución

Kunavo no publica ninguna página de configuración específica para OpenManus, y aquí no se ha probado OpenManus en tiempo de ejecución contra el endpoint de Kunavo; todo lo anterior se leyó del código fuente del proyecto y de su propia documentación. La ruta genérica es la del bloque de configuración anterior: base_url de https://api.kunavo.com/v1, una clave sk-kn- y un ID de modelo del catálogo. Mantén disponible una ruta funcional mientras lo pruebas, ejecuta una tarea acotada con max_steps en su valor predeterminado y después lee el cargo registrado en tu cuenta, no los totales registrados por OpenManus, que son estimaciones de tiktoken con un fallback cl100k_base para cualquier ID que tiktoken no reconozca. Empieza por la guía de inicio rápido, comprueba la forma de la solicitud en chat completions y crea una cuenta de Kunavo cuando estés listo para financiar una clave.

¿Estás eligiendo entre agentes en lugar de proveedores? Mejor API para OpenClaw y el directorio de API de agentes de IA abarcan clientes con la misma separación entre software gratuito y una factura de tokens medida.

Preguntas frecuentes

Comprobado el 21 de septiembre de 2026, y no de forma más amplia: el registro de la API de GitHub para FoundationAgents/OpenManus; config/config.example.toml, las secciones de configuración e instalación del README, app/llm.py, app/config.py y app/agent/manus.py en el main actual; las seis configuraciones de ejemplo por proveedor en config/; la lista de etiquetas; el README provisional de la antigua ruta del repositorio; el registro de PyPI para openmanus; las páginas de obsolescencias de modelos y compatibilidad con el SDK de OpenAI de Anthropic; las páginas de precios y obsolescencias de OpenAI; y la lista de modelos Gemini de Google. Browser Use Cloud y Daytona se mencionan y enlazan como proveedores opcionales, pero aquí no se les asigna precio. Manus, manus.im y la API de Manus no se valoraron en absoluto: su página de precios no pudo leerse desde la fuente oficial. No se ejecutó nada: ni instalación, ni solicitud a través de OpenManus, ni ejecución de Kunavo con OpenManus; por tanto, toda afirmación de comportamiento procede de la lectura de fuentes, y toda cifra en dólares es aritmética ilustrativa de tokens, no el coste medido de una tarea. Las tarifas de tokens de Kunavo proceden del catálogo activo.