Prezzi e configurazione API di OpenManus: il programma gratuito, il costo dei token e la configurazione che si avvia senza funzionare

OpenManus costa 0 $. È open source con licenza MIT, senza piani, livelli a pagamento, chiavi di licenza né edizione ospitata; pertanto «prezzi di OpenManus» si riferisce interamente al costo dell'API del modello sottostante — oltre a due servizi cloud opzionali e disattivati per impostazione predefinita. La cifra da mettere a budget è quella che una singola esecuzione dell'agente invia, e l'impostazione più probabilmente in grado di alterarla è il file di configurazione incluso in OpenManus: usa ancora per impostazione predefinita un ID modello Claude ritirato il 19 febbraio 2026 e viene comunque caricato se si salta il passaggio di copia.

Prima una precisazione, perché i risultati di ricerca per questa query riguardano per lo più qualcos'altro. Manus è un prodotto commerciale distinto, a pagamento e con addebito basato sui crediti, di un'altra azienda, e la sua API commerciale all'indirizzo api.manus.ai è ancora una terza cosa. In questa pagina non compare alcun prezzo di Manus: manus.im/pricing viene visualizzato lato client e non è stato possibile leggerlo dalla fonte ufficiale il 21 settembre 2026, mentre le cifre riportate sui blog di terze parti non sono ufficiali. Consulta direttamente manus.im se è questo il prodotto che cerchi.

Cinque elementi chiamati Manus o OpenManus

Lo spostamento conta più di quanto sembri. La homepage del progetto, openmanus.github.io — il campo homepage impostato nel repository attivo — continua a indirizzare i lettori al vecchio percorso mannaandpoem, così come la maggior parte dei tutorial del 2025. Il repository attuale è stato verificato tramite GitHub API il 21 settembre 2026: archived: false, MIT, 58.367 stelle, 455 issue aperte, ultimo push il 22 agosto 2026, con l'ultimo commit su main datato 16 agosto 2026. Anche su GitHub esistono due progetti distinti con lo stesso nome — OpenManus/OpenManus-RL è un diverso progetto di reinforcement learning, mentre henryalps/OpenManus è un repository omonimo che compare nei risultati e che non è stato esaminato oltre alla conferma che il suo URL è raggiungibile.

Cosa è gratuito e cosa effettivamente genera addebiti

L'installazione è solo dal sorgente: conda create -n open_manus python=3.12 o uv venv --python 3.12, quindi un git clone del repository attuale. Non esiste un'installazione del pacchetto con un singolo comando, e setup.py dichiara python_requires=">=3.12".

Dove inserire la chiave API di OpenManus

Non esistono né una variabile d'ambiente né un flag da riga di comando per la chiave. In OpenManus il modello bring-your-own-key usa un file TOML: copia config/config.example.toml in config/config.toml, quindi imposta model, base_url e api_key sotto [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"

Il client viene scelto in LLM.__init__ in app/llm.py, e solo due valori di api_type producono effetti: "azure" crea un client AsyncAzureOpenAI e "aws" crea un client Bedrock. Tutto il resto — inclusi i valori ollama, jiekou e ppio negli stessi file di esempio di OpenManus — ricade in un semplice AsyncOpenAI(api_key, base_url). Quelle etichette sono documentazione, non percorsi di codice. Pertanto, per raggiungere un endpoint POST /chat/completions in stile OpenAI servono base_url e api_key, senza alcun valore api_type; ciò che l'endpoint deve poi supportare è una questione separata, e l'elenco seguente è breve ma concreto. L'endpoint di Kunavo ha questa struttura — https://api.kunavo.com/v1, autenticazione Bearer, chiavi sk-kn- e un GET /v1/models non autenticato risponde 401 — e accetta tools e tool_choice in stile OpenAI, che è ciò che invia il ciclo dell'agente di OpenManus. Questa è un'affermazione sulla struttura del protocollo, verificata il 21 settembre 2026. Non è stata eseguita alcuna sessione di OpenManus con Kunavo, quindi nulla di quanto riportato in questa pagina costituisce un test di compatibilità.

Tre requisiti che il tuo endpoint deve soddisfare, ricavati dall'attuale main, e una cosa che OpenManus non farà per te. ask_tool codifica in modo rigido stream = False e invia sempre tools più tool_choice (predefinito auto), quindi un endpoint che trasmette in streaming solo le chiamate agli strumenti interrompe il ciclo. max_tokens e temperature vengono inclusi in ogni richiesta, a meno che l'ID modello non sia letteralmente o1 o o3-mini, le due voci in REASONING_MODELS. Il codice legge usage.prompt_tokens e usage.completion_tokens direttamente dalla risposta. Inoltre non esiste un retry tra provider: gli errori passano attraverso tenacity con backoff esponenziale verso lo stesso endpoint.

Le due configurazioni iniziali ufficiali non concordano

Questa è la trappola per cui conviene arrivare preparati. OpenManus include due configurazioni iniziali ufficiali che si contraddicono, e nessuno dei due file menziona l'altro.

La pagina di deprecazione di Anthropic elenca claude-3-7-sonnet-20250219 come Retired con data di ritiro 19 febbraio 2026 e afferma che le richieste ai modelli ritirati falliranno; la sostituzione consigliata è claude-sonnet-4-6. Queste date si applicano alle piattaforme gestite da Anthropic — Amazon Bedrock e Google Cloud seguono calendari propri. Il README è il più recente dei due file, invertendo l'ipotesi abituale secondo cui l'esempio incluso sia quello canonico.

E anche la configurazione non più valida è quella predefinita. Config._get_config_path() in app/config.py restituisce config/config.toml se esiste, altrimenti config/config.example.toml, e genera un'eccezione solo se non è presente nessuno dei due. Pertanto, una prima esecuzione che salta il passaggio di copia non produce un utile errore «nessuna configurazione»: esegue l'autenticazione con la stringa letterale YOUR_API_KEY verso un ID modello che non risponde più. Il README non menziona questo fallback; dice solo di copiare il file di esempio. Anche altri esempi inclusi puntano a Claude 3.7 Sonnet — l'esempio Daytona contiene lo stesso ID ritirato con data, mentre l'esempio Anthropic imposta claude-3-7-sonnet-latest per il modello principale e usa l'ID datato nel suo blocco vision — mentre l'esempio Google imposta gemini-2.0-flash, che Google elenca tra i modelli precedenti con la nota che sono deprecati e «will be shut down soon». Considera la directory config/ come l'insieme dei file di esempio inclusi nel progetto, non come un elenco di provider supportati: nulla nel repository li verifica e app/llm.py non è stato modificato dal 26 aprile 2025.

Il blocco [llm.vision] non viene letto da nulla

Ogni esempio incluso contiene una sezione [llm.vision] e, nell'attuale main, nessun agente la legge. I profili vengono selezionati in base al nome dell'agente, convertito in minuscolo — app/agent/base.py esegue LLM(config_name=self.name.lower()) — e i nomi degli agenti presenti sono Manus, browser, swe, toolcall, Data_Analysis, SandboxManus e mcp_agent. Nessuno è «vision», un nome di profilo sconosciuto ricade silenziosamente su [llm], e ask_with_images() è definito ma non ha punti di chiamata in tutto il repository. Le sottotabelle che un punto di ingresso incluso può effettivamente selezionare sono [llm.manus] (l'agente esegue sia python main.py sia run_flow.py), [llm.mcp_agent] (run_mcp.py), [llm.sandboxmanus] (sandbox_main.py) e [llm.data_analysis] (run_flow.py, una volta attivato use_data_analysis_agent). BrowserAgent imposta anche name = "browser", ma nessun punto di ingresso incluso lo istanzia, quindi [llm.browser] è inattivo a meno che tu non scriva un runner personalizzato. Ogni sottotabella eredita tutte le chiavi che lasci fuori, quindi un override necessita solo delle chiavi differenti.

La funzionalità vision è soggetta a un secondo controllo, che determina se un gateway può servirla. app/llm.py dichiara una allowlist codificata in modo rigido:

Nessuno dei due modelli superstiti è l'attuale modello di punta di OpenAI — la stessa pagina dei prezzi elenca gpt-6-astra e la famiglia gpt-5.6 sopra di loro — quindi l'unico modo per ottenere la funzionalità vision di OpenManus senza modificare il codice è usare un modello del 2024. Il confronto verifica l'uguaglianza esatta delle stringhe, quindi uno slug con namespace come openai/gpt-4o non corrisponde a nessuno dei due. Quando il modello configurato non è nell'elenco, format_messages elimina il campo base64_image e invia solo il testo — nessun errore, nessun avviso: lo screenshot semplicemente non raggiunge mai il modello. Kunavo non pubblica né gpt-4o né gpt-4o-mini, quindi un OpenManus configurato per Kunavo supporta solo testo e strumenti, a meno che tu non modifichi personalmente MULTIMODAL_MODELS in app/llm.py. La generazione del testo e le chiamate agli strumenti non sono interessate; l'allowlist controlla solo le immagini. Né l'elenco dei modelli costituisce una prova del resto: un endpoint che pubblicizza la stringa esatta gpt-4o soddisfa il confronto di OpenManus, ma il fatto che inoltri o meno un URL immagine inline data: al modello è una questione separata, che qui non è stata testata per alcun endpoint.

Quanto costa una singola esecuzione di OpenManus

Per questa pagina non è stata eseguita alcuna attività OpenManus, quindi non c'è alcun costo misurato da riportare. Il codice fornisce però una struttura onesta. L'agente predefinito in app/agent/manus.py imposta max_steps = 20 e max_observe = 10000. Ogni passaggio è una richiesta non in streaming con chiamata agli strumenti che include l'intera conversazione fino a quel momento, quindi i token di input crescono con il quadrato del numero di passaggi, non linearmente.

Le cifre seguenti sono calcoli aritmetici sui token basati su ipotesi dichiarate, non un costo misurato dell'attività né un limite massimo della fattura. Supponi un prompt di base di 4.000 token (prompt di sistema più schemi degli strumenti), 1.200 token aggiunti alla cronologia per passaggio e 400 token di output per passaggio. Un'esecuzione che termina in 6 passaggi invia quindi circa 42.000 token di input e 2.400 di output; un'esecuzione che raggiunge il limite di 20 passaggi invia circa 308.000 token di input e 8.000 di output. Le tariffe sono i prezzi attuali del catalogo Kunavo per milione di token.

Confronta le due colonne tra loro, non le righe. In base a queste ipotesi, 20 passaggi richiedono 7,3 volte l'input di 6 passaggi per 3,3 volte i passaggi; per questo, in un ciclo di agente, «quanti passaggi sono necessari» domina «quanto addebita il modello per token». Ciò rende anche il caching del prompt una leva importante per questa struttura di fatturazione, ed è utile sapere dove non è disponibile: la documentazione di compatibilità dell'SDK OpenAI di Anthropic — che descrive l'URL di base esatto verso cui punta l'esempio incluso in OpenManus — afferma che il caching del prompt non è supportato, che strict, response_format e reasoning_effort vengono ignorati, che n deve essere esattamente 1 e che i messaggi di sistema vengono spostati all'inizio. La stessa pagina definisce quel livello «principalmente destinato a testare e confrontare le capacità dei modelli e non considerato una soluzione a lungo termine o pronta per la produzione per la maggior parte dei casi d'uso». OpenManus non invia alcuna direttiva di caching propria, quindi qualsiasi caching deve provenire dall'endpoint.

Un parametro da verificare prima di indirizzare OpenManus a un modello Claude recente: gli esempi includono temperature = 0.0 e il codice invia temperature in ogni richiesta al di fuori dei due ID di ragionamento, mentre la pagina di deprecazione di Anthropic indica temperature, top_p e top_k come deprecati su Claude Opus 4.7 e versioni successive e afferma che un valore non predefinito restituisce 400. La pagina sulla compatibilità descrive separatamente temperature come supportato tra 0 e 1. Qui non è stato verificato se il livello di compatibilità lo rimuova, lo limiti o lo inoltri: consideralo un elemento da verificare sul tuo percorso, non un errore confermato.

Moltiplica questi valori per il numero di esecuzioni giornaliere prima di considerarli un budget. L'importo del catalogo Kunavo è una soglia di fatturazione, non un limite massimo: quando il provider upstream comunica il proprio addebito, la fattura è il maggiore tra il costo di catalogo e il costo upstream moltiplicato per il markup applicabile. Gli addebiti per la cache e gli strumenti esterni non rientrano in questo esempio. La ricarica minima di Kunavo è un credito prepagato di $10, che costituisce un minimo di finanziamento, non un costo per attività né un abbonamento — consulta i dettagli di fatturazione.

Migliore API per OpenManus: quale percorso conviene e quando

Nota cosa non compare in quell'elenco: in OpenManus non esiste alcun vincolo di piano. Nessuna chiave di licenza, nessun livello a pagamento, nessun controllo della telemetria — tutte le funzionalità sopra sono disponibili a chiunque cloni il repository e i vincoli si trovano tutti nel codice, non in un abbonamento. Confronta i percorsi in API compatibile con OpenAI e gateway LLM, oppure le alternative a OpenRouter se ne stai già usando una. Per il metodo alla base di «tariffa pubblicata più economica» rispetto a «più economica per completare l'attività», consulta ottimizzazione dei costi dell'IA; per una decisione limitata a una singola famiglia, API Claude più economica.

Configurazione e verifica della prima esecuzione

Kunavo non pubblica una pagina di configurazione specifica per OpenManus e qui OpenManus non è stato testato a runtime rispetto all'endpoint di Kunavo — tutto quanto sopra è stato ricavato dal sorgente del progetto e dalla sua documentazione. Il percorso generico è quello nel blocco di configurazione precedente: base_url di https://api.kunavo.com/v1, una chiave sk-kn- e un ID modello del catalogo. Mantieni disponibile un percorso funzionante mentre lo provi, esegui un'attività con limiti definiti lasciando max_steps al valore predefinito, quindi leggi l'addebito registrato dal tuo account invece dei totali registrati da OpenManus, che sono stime tiktoken con un fallback cl100k_base per qualsiasi ID non riconosciuto da tiktoken. Inizia dal quickstart, verifica la struttura della richiesta in chat completions e crea un account Kunavo quando sei pronto a finanziare una chiave.

Stai scegliendo tra agenti anziché tra provider? Migliore API per OpenClaw e la directory delle API per agenti IA trattano client con la stessa distinzione tra software gratuito e costo dei token basato sul consumo.

Domande frequenti

Verificato il 21 settembre 2026 e non in modo più ampio: il record della GitHub API per FoundationAgents/OpenManus; config/config.example.toml, le sezioni di configurazione e installazione del README, app/llm.py, app/config.py e app/agent/manus.py nell'attuale main; i sei file di esempio per provider in config/; l'elenco dei tag; il README stub nel vecchio percorso del repository; il record PyPI per openmanus; le pagine di Anthropic sulla deprecazione dei modelli e sulla compatibilità con l'SDK OpenAI; le pagine di OpenAI sui prezzi e sulle deprecazioni; e l'elenco dei modelli Gemini di Google. Browser Use Cloud e Daytona sono indicati e collegati come fornitori opzionali, ma qui non vengono prezzati. Manus, manus.im e la Manus API non sono stati prezzati affatto: non è stato possibile leggere la loro pagina dei prezzi dalla fonte ufficiale. Non è stato eseguito nulla — nessuna installazione, nessuna richiesta tramite OpenManus e nessuna esecuzione Kunavo-plus-OpenManus — quindi ogni affermazione comportamentale deriva dalla lettura delle fonti e ogni cifra in dollari è calcolo illustrativo dei token, non un costo misurato dell'attività. Le tariffe dei token Kunavo provengono dal catalogo attuale.