Harga dan penyiapan API OpenManus: program gratis, tagihan token, serta konfigurasi yang dikirim dalam kondisi usang

OpenManus berbiaya $0. Ini adalah perangkat lunak sumber terbuka berlisensi MIT tanpa paket, tanpa tier berbayar, tanpa kunci lisensi, dan tanpa edisi hosted, sehingga "harga OpenManus" sepenuhnya merujuk pada tagihan API model di baliknya — ditambah dua layanan cloud yang bersifat opsional dan secara default nonaktif. Angka yang layak dianggarkan adalah jumlah yang dikirim oleh satu proses agen, dan pengaturan yang paling mungkin mendistorsinya adalah berkas konfigurasi yang disertakan oleh OpenManus sendiri: berkas tersebut masih secara default menggunakan ID model Claude yang dihentikan pada 19 Februari 2026, dan tetap dimuat jika Anda melewati langkah penyalinan.

Pertama, satu klarifikasi karena hasil pencarian untuk kueri ini sebagian besar membahas hal lain. Manus adalah produk komersial terpisah, berbayar, dan berbasis kredit dari perusahaan lain, sedangkan API komersial miliknya di api.manus.ai adalah hal ketiga yang berbeda. Tidak ada harga Manus yang ditampilkan di halaman ini: manus.im/pricing dirender di sisi klien dan tidak dapat dibaca dari sumber resmi pada 21 September 2026, sedangkan angka yang beredar di blog pihak ketiga bukanlah angka resmi. Periksa manus.im secara langsung jika itu produk yang Anda cari.

Lima hal yang bernama Manus atau OpenManus

Perpindahan ini lebih penting daripada yang terlihat. Homepage proyek sendiri, openmanus.github.io — bidang homepage yang ditetapkan pada repositori aktif — masih mengarahkan pembaca ke jalur mannaandpoem lama, begitu pula sebagian besar tutorial tahun 2025. Repositori saat ini diperiksa melalui GitHub API pada 21 September 2026: archived: false, MIT, 58.367 bintang, 455 issue terbuka, push terakhir 22 Agustus 2026, dengan commit terakhir pada main bertanggal 16 Agustus 2026. Dua proyek terpisah juga menggunakan nama tersebut di GitHub — OpenManus/OpenManus-RL adalah proyek reinforcement learning yang berbeda, sedangkan henryalps/OpenManus adalah repositori dengan nama sama yang muncul dalam hasil dan tidak diperiksa lebih lanjut selain memastikan bahwa repositori tersebut dapat diakses.

Apa yang gratis, dan apa yang benar-benar menagih Anda

Instalasi hanya dari source: conda create -n open_manus python=3.12 atau uv venv --python 3.12, lalu git clone repositori saat ini. Tidak ada instalasi paket satu baris, dan setup.py mendeklarasikan python_requires=">=3.12".

Tempat kunci API OpenManus diletakkan

Tidak ada variabel lingkungan maupun flag baris perintah untuk kunci tersebut. Bring-your-own-key di OpenManus menggunakan berkas TOML: salin config/config.example.toml ke config/config.toml, lalu tetapkan model, base_url, dan api_key di bawah [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"

Klien dipilih dalam LLM.__init__ di app/llm.py, dan hanya dua nilai api_type yang mengubah apa pun: "azure" membuat klien AsyncAzureOpenAI, sedangkan "aws" membuat klien Bedrock. Selain itu — termasuk nilai ollama, jiekou, dan ppio dalam berkas contoh milik OpenManus — diteruskan ke AsyncOpenAI(api_key, base_url) biasa. Label tersebut adalah dokumentasi, bukan jalur kode. Jadi, untuk mencapai endpoint POST /chat/completions bergaya OpenAI, Anda memerlukan base_url dan api_key, tanpa nilai api_type sama sekali; hal-hal yang harus didukung endpoint tersebut kemudian merupakan pertanyaan terpisah, dan daftar di bawah ini singkat tetapi nyata. Endpoint Kunavo memiliki bentuk tersebut — https://api.kunavo.com/v1, autentikasi Bearer, kunci sk-kn-, dan GET /v1/models tanpa autentikasi menjawab 401 — serta menerima tools dan tool_choice bergaya OpenAI, yang dikirim oleh loop agen OpenManus. Ini adalah pernyataan tentang bentuk protokol, yang diperiksa pada 21 September 2026. Tidak ada proses OpenManus yang dijalankan terhadap Kunavo, sehingga tidak ada bagian di halaman ini yang merupakan uji kompatibilitas.

Tiga persyaratan yang harus dipenuhi endpoint Anda, berdasarkan main saat ini, serta satu hal yang tidak akan dilakukan OpenManus untuk Anda. ask_tool menetapkan stream = False secara hardcode dan selalu mengirim tools serta tool_choice (default auto), sehingga endpoint yang hanya melakukan streaming pemanggilan alat akan memutus loop. max_tokens dan temperature dikirim pada setiap permintaan kecuali ID model secara literal adalah o1 atau o3-mini, dua entri dalam REASONING_MODELS. Kode membaca usage.prompt_tokens dan usage.completion_tokens langsung dari respons. Selain itu, tidak ada retry lintas provider: kegagalan diproses melalui tenacity dengan exponential backoff terhadap endpoint yang sama.

Dua konfigurasi awal resmi tidak selaras

Inilah jebakan yang perlu Anda antisipasi. OpenManus menyertakan dua konfigurasi awal resmi yang saling bertentangan, dan tidak ada satu pun berkas yang menyebutkan berkas lainnya.

Halaman penghentian model Anthropic mencantumkan claude-3-7-sonnet-20250219 dengan status Retired dan tanggal penghentian 19 Februari 2026, serta menyatakan bahwa permintaan ke model yang telah dihentikan akan gagal; pengganti yang direkomendasikan adalah claude-sonnet-4-6. Tanggal tersebut berlaku untuk platform yang dioperasikan oleh Anthropic — Amazon Bedrock dan Google Cloud memiliki jadwal masing-masing. README lebih mutakhir di antara kedua berkas tersebut, sehingga membalik asumsi umum bahwa contoh yang disertakan merupakan acuan utama.

Dan konfigurasi yang sudah tidak berlaku itu juga merupakan default. Config._get_config_path() dalam app/config.py mengembalikan config/config.toml jika tersedia, jika tidak maka config/config.example.toml, dan hanya menimbulkan error jika keduanya tidak ada. Jadi, proses pertama yang melewati langkah penyalinan tidak menghasilkan error "no config" yang membantu — proses tersebut melakukan autentikasi dengan string literal YOUR_API_KEY terhadap ID model yang sudah tidak merespons. README tidak menyebut fallback tersebut; README hanya mengatakan untuk menyalin berkas contoh. Contoh lain yang disertakan juga mengarah ke Claude 3.7 Sonnet — contoh Daytona menggunakan ID lama yang sama dan sudah dihentikan, sedangkan contoh Anthropic menetapkan claude-3-7-sonnet-latest untuk model utama dengan ID lama tersebut di blok vision-nya — sementara contoh Google menetapkan gemini-2.0-flash, yang Google cantumkan di bawah model sebelumnya dengan catatan bahwa model-model tersebut deprecated dan "akan segera dihentikan". Perlakukan direktori config/ sebagai berkas contoh yang disertakan proyek, bukan sebagai daftar provider yang didukung: tidak ada apa pun dalam repositori yang mengujinya, dan app/llm.py belum diubah sejak 26 April 2025.

Blok [llm.vision] tidak dibaca oleh apa pun

Setiap contoh yang disertakan memuat bagian [llm.vision], dan pada main saat ini tidak ada agen yang membacanya. Profil dipilih berdasarkan nama agen itu sendiri, yang diubah menjadi huruf kecil — app/agent/base.py menjalankan LLM(config_name=self.name.lower()) — dan nama agen yang tersedia adalah Manus, browser, swe, toolcall, Data_Analysis, SandboxManus, dan mcp_agent. Tidak ada yang bernama "vision"; nama profil yang tidak dikenal secara diam-diam kembali ke [llm], dan ask_with_images() didefinisikan tetapi tidak memiliki call site di mana pun dalam repositori. Subtabel yang benar-benar dapat dipilih oleh entry point yang disertakan adalah [llm.manus] (agen menjalankan python main.py dan run_flow.py), [llm.mcp_agent] (run_mcp.py), [llm.sandboxmanus] (sandbox_main.py), dan [llm.data_analysis] (run_flow.py, setelah use_data_analysis_agent diaktifkan). BrowserAgent memang menetapkan name = "browser", tetapi tidak ada entry point yang disertakan yang membuat instance-nya, sehingga [llm.browser] tidak aktif kecuali Anda menulis runner sendiri. Setiap subtabel mewarisi semua kunci yang tidak Anda masukkan ke dalamnya, sehingga override hanya memerlukan kunci yang berbeda.

Vision sendiri dibatasi untuk kedua kalinya, dan bagian inilah yang menentukan apakah gateway dapat menyediakannya sama sekali. app/llm.py mendeklarasikan allowlist hardcode:

Kedua model yang tersisa bukan flagship OpenAI saat ini — halaman harga yang sama mencantumkan gpt-6-astra dan keluarga gpt-5.6 di atasnya — sehingga satu-satunya cara mendapatkan vision OpenManus tanpa mengedit kode adalah menjalankan model dari tahun 2024. Perbandingan menggunakan kesetaraan string yang persis, sehingga slug bernamespace seperti openai/gpt-4o tidak cocok dengan keduanya. Jika model yang dikonfigurasi tidak ada dalam daftar tersebut, format_messages menghapus bidang base64_image dan hanya mengirim teks — tanpa error, tanpa peringatan; tangkapan layar sama sekali tidak pernah mencapai model. Kunavo tidak memublikasikan gpt-4o maupun gpt-4o-mini, sehingga OpenManus yang dikonfigurasi dengan Kunavo hanya mendukung teks dan alat kecuali Anda mengedit MULTIMODAL_MODELS dalam app/llm.py sendiri. Pembuatan teks dan pemanggilan alat tidak terpengaruh; allowlist tersebut hanya membatasi gambar. Daftar model juga bukan bukti untuk hal-hal lainnya: endpoint yang mengiklankan string persis gpt-4o memenuhi perbandingan OpenManus, tetapi apakah endpoint tersebut meneruskan URL gambar inline data: ke model merupakan pertanyaan terpisah yang belum diuji untuk endpoint mana pun di sini.

Biaya satu proses OpenManus

Tidak ada tugas OpenManus yang dijalankan untuk halaman ini, sehingga tidak ada biaya terukur yang dapat dilaporkan. Kode memberikan struktur yang jujur. Agen default dalam app/agent/manus.py menetapkan max_steps = 20 dan max_observe = 10000. Setiap langkah merupakan satu permintaan pemanggilan alat non-streaming yang membawa seluruh percakapan sejauh ini, sehingga token input bertambah mengikuti kuadrat jumlah langkah, bukan secara linear.

Angka-angka di bawah ini adalah perhitungan token berdasarkan asumsi yang dinyatakan, bukan biaya tugas terukur dan bukan batas atas tagihan. Asumsikan prompt dasar sebesar 4.000 token (prompt sistem ditambah skema alat), 1.200 token yang ditambahkan ke riwayat pada setiap langkah, dan 400 token output per langkah. Proses yang selesai dalam 6 langkah kemudian mengirim sekitar 42.000 token input dan 2.400 token output; proses yang mencapai batas 20 langkah mengirim sekitar 308.000 token input dan 8.000 token output. Tarifnya adalah harga katalog Kunavo saat ini per juta token.

Baca kedua kolom secara berdampingan, bukan barisnya. Berdasarkan asumsi ini, 20 langkah menggunakan input 7,3 kali lipat dari 6 langkah untuk 3,3 kali jumlah langkah, sehingga pertanyaan "berapa banyak langkah yang diperlukan" lebih dominan daripada "berapa tarif model per token" dalam loop agen. Hal ini juga menjadikan prompt caching sebagai tuas besar pada bentuk tagihan ini, dan penting untuk mengetahui kapan fitur tersebut tidak tersedia: Dokumentasi kompatibilitas OpenAI SDK Anthropic — yang menjelaskan URL dasar persis yang digunakan contoh bawaan OpenManus — menyatakan bahwa prompt caching tidak didukung di sana, bahwa strict, response_format, dan reasoning_effort diabaikan, bahwa n harus persis 1, dan bahwa pesan sistem dipindahkan ke bagian depan. Halaman yang sama menyebut lapisan tersebut "terutama ditujukan untuk menguji dan membandingkan kemampuan model, dan tidak dianggap sebagai solusi jangka panjang atau siap produksi untuk sebagian besar kasus penggunaan." OpenManus tidak pernah mengirim direktif cache sendiri, sehingga caching apa pun harus berasal dari endpoint.

Satu parameter yang perlu diperiksa sebelum mengarahkan OpenManus ke model Claude terbaru: contoh yang disertakan menggunakan temperature = 0.0 dan kode mengirim temperature pada setiap permintaan di luar dua ID penalaran, sedangkan halaman penghentian Anthropic menandai temperature, top_p, dan top_k sebagai deprecated pada Claude Opus 4.7 dan versi lebih baru serta menyatakan bahwa nilai non-default mengembalikan 400. Halaman kompatibilitas secara terpisah menjelaskan temperature sebagai didukung antara 0 dan 1. Apakah lapisan kompatibilitas menghapus, membatasi, atau meneruskannya belum diuji di sini — anggap ini sebagai sesuatu yang harus Anda verifikasi pada rute Anda sendiri, bukan sebagai kegagalan yang telah dikonfirmasi.

Skalakan angka-angka ini berdasarkan jumlah proses Anda sendiri per hari sebelum menyebutnya sebagai anggaran. Jumlah dalam katalog Kunavo merupakan batas bawah penagihan, bukan batas atas: ketika upstream melaporkan biayanya, tagihan adalah nilai yang lebih besar antara biaya katalog dan biaya upstream dikalikan markup yang berlaku. Biaya cache dan alat eksternal berada di luar contoh ini. Top-up minimum Kunavo adalah $10 dalam kredit prabayar, yang merupakan minimum pendanaan, bukan biaya tugas atau langganan — lihat detail penagihan.

API terbaik untuk OpenManus: rute mana yang unggul dan kapan

Perhatikan apa yang tidak ada dalam daftar itu: tidak ada pembatasan paket apa pun di OpenManus. Tidak ada kunci lisensi, tingkat berbayar, atau pemeriksaan telemetri — setiap kapabilitas di atas tersedia bagi siapa pun yang mengkloning repositori, dan semua pembatasnya berada di dalam kode, bukan langganan. Bandingkan rute di OpenAI-compatible API dan LLM gateway, atau OpenRouter alternatives jika Anda sudah menggunakan salah satunya. Untuk metode di balik "cheapest listed rate" versus "cheapest to finish", lihat AI cost optimization; untuk keputusan satu keluarga model, lihat cheapest Claude API.

Siapkan dan periksa proses berjalan pertama

Kunavo tidak menerbitkan halaman penyiapan khusus OpenManus, dan OpenManus belum diuji saat runtime di sini terhadap endpoint Kunavo — semua hal di atas dibaca dari kode sumber proyek dan dokumentasinya sendiri. Jalur generiknya adalah yang ada di blok konfigurasi di atas: base_url dari https://api.kunavo.com/v1, kunci sk-kn-, dan ID model dari katalog. Sediakan rute yang berfungsi saat Anda mencobanya, jalankan satu tugas terbatas dengan max_steps pada nilai defaultnya, lalu baca biaya yang dicatat oleh akun Anda untuk tugas tersebut, bukan total tercatat milik OpenManus sendiri, yang merupakan estimasi tiktoken dengan fallback cl100k_base untuk ID apa pun yang tidak dikenali tiktoken. Mulai dari quickstart, periksa bentuk permintaan di chat completions, dan buat akun Kunavo saat Anda siap mengisi saldo kunci.

Memilih antara agen, bukan provider? Best API for OpenClaw dan the AI agent API directory membahas klien dengan pembagian yang sama antara perangkat lunak gratis dan tagihan token berbasis penggunaan.

Pertanyaan umum

Diperiksa pada 21 September 2026 dan tidak lebih luas: catatan API GitHub untuk FoundationAgents/OpenManus; config/config.example.toml, bagian konfigurasi dan instalasi README, app/llm.py, app/config.py dan app/agent/manus.py pada main saat ini; enam konfigurasi contoh per provider di config/; daftar tag; README sementara di jalur repositori lama; catatan PyPI untuk openmanus; halaman Anthropic tentang penghentian model dan kompatibilitas OpenAI-SDK; halaman OpenAI tentang harga dan penghentian; serta daftar model Gemini milik Google. Browser Use Cloud dan Daytona disebut sebagai vendor opsional dan ditautkan, tetapi tidak diberi harga di sini. Manus, manus.im, dan Manus API sama sekali tidak diberi harga: halaman harga mereka tidak dapat dibaca dari sumber resmi. Tidak ada yang dijalankan — tidak ada instalasi, permintaan melalui OpenManus, maupun proses Kunavo-plus-OpenManus — sehingga setiap klaim perilaku berasal dari pembacaan sumber, dan setiap angka dolar merupakan perhitungan token ilustratif, bukan biaya tugas yang diukur. Tarif token Kunavo berasal dari katalog live.