Coûts et configuration de l’API Nanobot : fournisseurs, modèles et limites

nanobot de HKUDS coûte 0 $ : c'est un logiciel sous licence MIT que vous installez et exécutez vous-même, et ni son dépôt GitHub ni nanobot.wiki ne publient de formule, de niveau, de siège ou de service hébergé. Ce que vous devez budgéter, ce sont les tokens du modèle, la machine qui maintient nanobot gateway en fonctionnement, ainsi que tout compte payant de canal ou d'outil que vous connectez. Deux éléments déterminent ensuite le coût des tokens : la clé de fournisseur que vous inscrivez dans config.json, car cette clé sélectionne à elle seule le protocole utilisé, et les tâches d'arrière-plan que nanobot active sans qu'on le lui demande.

Vérifié le 21 septembre 2026 auprès des API GitHub et PyPI : version v0.3.5, publiée le 15 septembre 2026 ; paquet nanobot-ai 0.3.5, sous licence MIT, Python 3.11 ou version ultérieure, téléversé le même jour ; dépôt sous licence MIT, non archivé, dernière modification poussée le jour de la vérification. Une précision de périmètre s'applique à toute cette page : la documentation citée ci-dessous a été lue sur la branche main, cinq jours avant le tag v0.3.5 ; les affirmations de la documentation et les valeurs par défaut du code livré sont donc étiquetées séparément et ne sont jamais fusionnées.

Commencez par vérifier quel nanobot vous évaluez

nanobot.ai n'est pas une page tarifaire de nanobot. Le 21 septembre 2026, le site redirigeait vers obot.ai, intitulé « Obot | Enterprise AI Control Plane & MCP Gateway » — le produit d'entreprise d'une autre société, qui ne publie lui non plus aucun prix propre, puisque son URL /pricing renvoyait 404 ce jour-là. Deux autres confusions : le paquet PyPI nommé explicitement nanobot est la version 0.4.1 d'un framework de navigation robotique, donc pip install nanobot installe le mauvais logiciel ; et obot-platform/nanobot est un projet Go sous licence Apache-2.0 dont le README commence par annoncer un mode maintenance, si bien que ses clés de configuration ne s'appliquent pas ici.

Ce que coûte nanobot, ligne par ligne

Deux lacunes à reconnaître. La référence CLI de nanobot décrit la coexistence avec un runtime distinct nommé « Desktop », et aucune page publique de téléchargement, aucun dépôt ni aucun prix n'ont été trouvés pour celui-ci — l'affirmation défendable est donc limitée : aucun niveau payant n'est publié sur les deux surfaces officielles, et non qu'aucun composant payant n'existe nulle part. La ligne consacrée à la voix constitue par ailleurs un arrêt net, plutôt qu'une question de prix. La contrainte est plus étroite que « aucun endpoint personnalisé » : les adaptateurs de transcription de la version 0.3.5 acceptent chacun un apiBase, donc un endpoint de transcription de forme OpenAI peut être substitué, mais transcription.provider doit lui-même être un nom issu de ce registre — il n'est pas possible d'y inventer une clé de fournisseur comme pour le chat. Cela ne change rien ici, car Kunavo ne fournit aucun modèle de reconnaissance vocale.

Le fournisseur personnalisé de nanobot : deux chemins, dont un seul vous permet de choisir le nom

C'est ce qu'un exemple générique « définissez votre URL de base » comprend mal. Dans nanobot, le protocole est choisi par la clé de fournisseur que vous inscrivez, et non par un champ que vous définissez ; les deux chemins ne sont pas interchangeables.

Chemin A — compatible OpenAI. Inventez une clé sous providers, ou utilisez la clé intégrée custom, puis faites pointer un preset vers celle-ci. Selon la référence des fournisseurs, les clés personnalisées sont traitées comme des fournisseurs directement compatibles OpenAI, apiBase est obligatoire parce que nanobot ne peut pas connaître l'URL de l'endpoint, et apiKey est facultatif pour les serveurs locaux ou les proxys privés. Incluez le chemin de version dans 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"
      }
    }
  }
}

Trois règles accompagnent ce bloc, toutes issues de la même référence. N'entrez pas en collision avec un nom ou un alias intégré tel que openai, openai-codex, github-copilot ou lm-studio. Ne définissez pas apiType sur une clé personnalisée — ce champ est réservé à providers.openai, et le schéma de la version v0.3.5 l'impose également. Ne définissez thinkingStyle que si votre endpoint documente un mécanisme de réflexion non standard, auquel cas les valeurs acceptées sont thinking_type, enable_thinking et reasoning_split. Les identifiants de modèles nécessitent une formulation précise, plutôt que la seule ligne de la documentation : celle-ci indique que le modèle est envoyé tel quel avec un fournisseur personnalisé nommé explicitement, tandis que le registre fourni avec la version 0.3.5 définit strip_model_prefixes d'un spec dynamique sur le propre nom de la clé du fournisseur et sa forme snake_case. Les deux affirmations sont vraies si la ligne de la documentation concerne les préfixes étrangers — un préfixe égal à votre clé de fournisseur est supprimé, tout autre préfixe est conservé — et l'inférence du fournisseur par préfixe ne s'exécute que sous le fournisseur "auto".

Chemin B — Anthropic Messages. Il n'existe aucun chemin utilisant un nom personnalisé pour ce protocole : la référence précise que les noms de fournisseurs personnalisés arbitraires sont uniquement compatibles OpenAI et n'utilisent pas le format de requête Anthropic Messages, et que le chemin personnalisé nommé n'est pas destiné aux endpoints compatibles Anthropic. Vous remplacez plutôt le bloc intégré :

{
  "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"
    }
  }
}

Comme cela modifie providers.anthropic lui-même, le gateway remplace Anthropic direct pour chaque preset pointant vers ce fournisseur au lieu de fonctionner à ses côtés, et proxy n'est pas disponible ici car les backends natifs le rejettent. Les deux conventions d'URL de base de Kunavo correspondent exactement aux deux chemins : la référence de l'URL de base donne l'origine pour la route Messages et la forme /v1 pour la route compatible OpenAI. nanobot est exceptionnellement permissif sur ce point — son fournisseur anthropic fourni avec la version 0.3.5 supprime un /v1 final avant de transmettre l'URL au SDK — son propre commentaire en donne la raison : le SDK Anthropic ajoute /v1 aux chemins de requête en interne. Les deux écritures fonctionnent donc dans nanobot. Ne transposez pas cette habitude à un client qui transmet votre URL de base telle quelle au SDK Anthropic, car le /v1 ajouté serait alors doublé. Deux dernières remarques sur les blocs ci-dessus : contextWindowTokens est la valeur par défaut propre au preset de nanobot dans la version v0.3.5, et non une propriété d'un modèle ; prenez donc la valeur réelle sur la page du modèle ; et les entrées de fallbackModels sont des noms de presets, et non des identifiants bruts, avec un contexte dimensionné sur la fenêtre la plus petite de la chaîne.

La mise en cache des prompts dans nanobot suit le protocole que vous avez choisi

C'est la conséquence tarifaire du chemin A par rapport au chemin B, et elle est visible dans le code source livré. Dans la version v0.3.5, un spec de fournisseur contient supports_prompt_caching, avec false comme valeur par défaut, et exactement deux specs le définissent à true : anthropic et openrouter. Le client compatible OpenAI injecte des marqueurs cache-control uniquement lorsque ce drapeau est défini sur et que l'identifiant du modèle commence par anthropic/ ou claude. Le spec intégré custom et chaque fournisseur personnalisé créé dynamiquement laissent le drapeau à false ; une route personnalisée compatible OpenAI n'envoie donc aucun marqueur de cache, tandis que le backend anthropic natif les applique par défaut.

Il s'agit d'une affirmation sur ce que le client envoie, et non sur ce qu'un endpoint fait de son côté — un endpoint peut mettre en cache côté serveur indépendamment. nanobot vous donne les moyens de le vérifier, en normalisant prompt_tokens_details.cached_tokens sur un chemin et en lisant cache_creation_input_tokens et cache_read_input_tokens sur l'autre. Il n'a pas été testé ici si Kunavo renvoie ces champs à nanobot ; vérifiez donc l'utilisation renvoyée lors d'un appel réel avant de budgéter une tâche récurrente comme mise en cache ; la mise en cache des prompts et la documentation de la mise en cache montrent à quoi ressemble un cache fonctionnel.

Meilleur modèle pour nanobot : le fournisseur ne publie aucun classement

La réponse honnête est celle que nanobot donne lui-même : sa référence des fournisseurs indique que la documentation affiche des noms de fournisseurs concrets pour que le JSON soit copiable, et non parce que nanobot classe les fournisseurs. Il n'existe aucun benchmark fournisseur à citer. Ce qu'il fournit est une valeur par défaut — les valeurs par défaut de l'agent en v0.3.5 nomment anthropic/claude-opus-4-5 avec le fournisseur auto, 8192 tokens maximum et une hypothèse de contexte de 200,000 tokens. Cet identifiant ne figure pas dans le catalogue Kunavo ; un preset destiné à Kunavo doit donc nommer un identifiant réellement listé dans le catalogue, et les identifiants changent : consultez les identifiants actuels dans le catalogue plutôt que sur une page quelconque, y compris celle-ci.

Les tarifs sont ceux du catalogue Kunavo en temps réel, et la colonne des tâches découle de la structure de nanobot, et non d'un classement de qualité mesuré par quiconque. Pour comparer les modèles de cette famille selon leurs capacités plutôt que leur configuration, consultez Comparaison entre Opus, Sonnet et Haiku.

Une estimation détaillée : les tours saisis, plus la cadence que nanobot active pour vous

Il s'agit d'un calcul de tokens illustratif, et non des coûts mesurés d'une tâche ni d'un plafond de facture. Supposons un assistant qui traite 20 tours saisis par jour pendant 30 jours, avec l'hypothèse de 10,000 tokens d'entrée non mis en cache et 600 tokens de sortie par tour — 6.0M tokens d'entrée et 0.36M tokens de sortie par mois.

La planification est la partie fondée sur les sources ; ni la taille des jetons ni le nombre d’exécutions effectivement facturées ne le sont. La référence de configuration de nanobot active par défaut un battement de cœur de la passerelle à intervalS 1800, et la configuration Dream de v0.3.5 est activée par défaut à intervalH 2, ce qui donne 1,440 battements de cœur et 360 battements Dream sur un mois de 30 jours. Un battement n’est pas un appel de modèle. Dans la passerelle v0.3.5 fournie, la tâche de battement de cœur lit HEARTBEAT.md et retourne avant toute requête de modèle lorsque le fichier est absent ou ne contient rien sous un titre ## Active Tasks, et la tâche Dream consigne « rien à traiter » et retourne lorsqu’aucun nouvel historique ne s’est accumulé depuis son curseur. Ainsi, une installation inactive ne paie rien pour l’une ou l’autre tâche, et 1,800 est le plafond autorisé par la planification, non un plancher que vous atteindrez nécessairement. nanobot ne publie aucun nombre de jetons par exécution pour l’une ou l’autre tâche ; les trois tailles ci-dessus sont donc des valeurs indicatives à remplacer par vos propres mesures, et les jetons de sortie de ces exécutions sont exclus. N’importez pas ici les chiffres de battements de cœur d’un autre agent ; ils appartiennent à un programme différent.

Les deux leviers ne sont pas symétriques. Dream accepte modelOverride pour désigner un préréglage moins coûteux — noms de préréglages uniquement, identifiants bruts refusés —, la modification d’une ligne déjà présentée dans le bloc du chemin A ci-dessus. Le battement de cœur ne dispose d’aucune substitution de modèle documentée : ses options sont enabled, intervalS et keepRecentMessages ; il est donc ralenti ou désactivé, et, comme il s’agit d’une tâche cron gérée par le système, il ne peut pas être supprimé avec l’outil cron ; désactivez-le dans la configuration et redémarrez la passerelle. Lorsqu’il a des tâches à exécuter, l’évaluation du battement de cœur fait partie des tâches internes que la référence de configuration répertorie comme ouvrant un flux de modèle — le coût dépend donc de ce que vous placez dans HEARTBEAT.md, et un fichier vide constitue le cas le moins coûteux. Une précision par rapport à la page nanobot vs OpenClaw de Kunavo, qui indique que Dream s’exécute par défaut selon une planification cron : cela correspond à la référence mémoire, et v0.3.5 est plus précis — toutes les 2 heures selon une planification par intervalle, avec cron comme substitution héritée.

Le montant du catalogue de Kunavo constitue un plancher de facturation plutôt qu’un plafond : lorsque l’amont signale son coût, la facture correspond au montant le plus élevé entre le coût du catalogue et le coût amont multiplié par la majoration applicable. Les frais de cache, les outils et l’hébergement ne sont pas inclus dans ces exemples. Le rechargement minimal est de $10 de crédit prépayé — un minimum de financement, et non des frais par tâche ni un abonnement. Consultez les détails de facturation et l’optimisation des coûts pour connaître la méthode de mesure.

Définissez les limites de la boucle, puis vérifiez avec une exécution

Deux des trois limites par tour de nanobot ne figurent pas du tout dans sa référence de configuration. D’après le code source v0.3.5 fourni, les valeurs par défaut de l’agent sont max_tool_iterations 200 et max_tool_result_chars 16 000 ; seul maxConcurrentSubagents, avec une valeur par défaut de 4, apparaît dans la référence documentée sous main. Une limite de 200 itérations caractérise une dérive coûteuse d’un tour ; définissez-la donc délibérément au lieu de l’hériter.

Vérifiez ensuite dans l’ordre documenté. nanobot status n’envoie délibérément aucune requête de modèle ; il confirme donc la configuration sans rien dépenser, et la référence CLI vous indique de le suivre avec nanobot agent -m "Hello!". Son tableau des symptômes associe les quatre échecs produits par un point de terminaison personnalisé : une erreur 401 indique une clé absente, expirée, complétée par des espaces ou mal enregistrée ; model not found indique un identifiant inexistant pour ce fournisseur ; connection refused indique que le serveur du fournisseur local n’est pas en cours d’exécution, ou qu’un apiBase pointe vers le mauvais port ; provider not found indique un fournisseur mal orthographié dans le préréglage actif.

Confrontez ensuite les résultats à l’argent plutôt qu’aux jetons. Dans v0.3.5, nanobot enregistre chaque appel de fournisseur avec un source validé par rapport à user, api, cron, dream et system — la séparation qui distingue les dépenses d’arrière-plan des dépenses typées —, mais aucun champ de coût n’apparaît dans ce module. Son WebUI affiche les jetons d’entrée par tour avec un taux de succès du cache lorsqu’il est communiqué et précise explicitement que ces chiffres ne constituent pas un relevé de facturation ; aucune commande de dépenses agrégées n’apparaissait non plus dans la référence CLI consultée le 21 septembre 2026 (absence dans ce document, et non preuve qu’une telle commande n’existe pas). Lisez le débit dans le registre de votre fournisseur.

Quelle voie l’emporte, et combien vous coûte-t-elle

Deux remarques sur les limites. La génération d’images accepte custom comme valeur de fournisseur et est désactivée par défaut, mais il n’a pas été vérifié ici que le point de terminaison d’images de Kunavo corresponde au format de requête envoyé par nanobot — c’est non vérifié, et non une fonctionnalité. Et vous n’aurez pas un coût : la mémoire persistante de nanobot est constituée de fichiers texte dans l’espace de travail plutôt que d’un index vectoriel, ce qui est pratique puisque Kunavo ne fournit aucun modèle d’embeddings.

Kunavo ne publie aucune page d’intégration nanobot et n’a pas testé nanobot en conditions d’exécution avec son point de terminaison — chaque bloc ci-dessus provient de la documentation propre à nanobot et de son code source v0.3.5 fourni ; considérez-les donc comme une référence de configuration à essayer, et non comme un résultat de compatibilité. Gardez une voie fonctionnelle disponible, exécutez une tâche limitée, puis consultez ce que votre compte a enregistré pour celle-ci. Le guide de démarrage rapide et la référence de l’URL de base couvrent les deux conventions de point de terminaison, et la création d’un compte Kunavo est l’étape préalable au financement d’une clé. Vous hésitez encore sur le programme ? nanobot vs OpenClaw compare les environnements d’exécution, et le répertoire des API d’agents répertorie les clients par protocole filaire et frontière BYOK.

Questions fréquentes

Sources vérifiées le 21 septembre 2026 : les API GitHub et PyPI pour HKUDS/nanobot et nanobot-ai, la documentation de nanobot sur ses fournisseurs, sa configuration, sa mémoire et sa CLI dans la branche main, ainsi que le code source v0.3.5 fourni et téléchargé depuis PyPI pour chaque valeur numérique par défaut. Les affirmations de la documentation et les valeurs par défaut du code source sont séparées de cinq jours et étiquetées distinctement tout au long du document. Kunavo n’a pas testé nanobot en conditions d’exécution ; les tarifs des jetons proviennent du catalogue en ligne et chaque montant en dollars correspond à un calcul illustratif fondé sur les hypothèses indiquées.