Agent Zero vs OpenClaw: execução, memória e custos de modelos

Agent Zero e OpenClaw são ambos licenciados sob a MIT e gratuitos para instalar, e não competem pelo mesmo trabalho: o Agent Zero fornece a um agente um computador Linux conteinerizado para operar, enquanto o OpenClaw executa um gateway persistente no hardware que você possui e chega até você por canais de chat. Escolha o Agent Zero quando o agente precisar de uma máquina. Escolha o OpenClaw quando precisar de um assistente sempre acessível. Em ambos os casos, a cobrança recorrente é composta pelos tokens do modelo e pela máquina em que você o executa, antes de quaisquer APIs de ferramentas pagas que você mesmo adicionar.

Os dois projetos estavam ativos quando esta página foi verificada em 21 de setembro de 2026. O repositório do Agent Zero não estava arquivado e havia recebido um push no dia anterior, com a v2.12 como versão marcada mais recente (publicada em 9 de setembro de 2026, após a v2.11 em 27 de agosto). O repositório do OpenClaw também não estava arquivado e havia recebido um push naquele dia. As contagens de estrelas lidas na API do GitHub no mesmo dia eram 19.225 e 390.183; elas variam diariamente e são um sinal de popularidade, não de qualidade.

É fácil interpretar incorretamente dois detalhes de versão. O OpenClaw oferece vários canais de atualização, e esse documento associa o canal estável à tag de distribuição do npm latest, enquanto extended-stable é uma tag própria. Em 21 de setembro de 2026, o registro listava latest em 2026.9.5 e extended-stable em 2026.6.35, e cada tag é redirecionada independentemente; portanto, leia a tag de distribuição em vez de inferir um canal a partir do número da versão. Separadamente, os dois arquivos LICENSE contêm os termos da MIT — Agent Zero sob a Agent Zero, s.r.o., e OpenClaw sob a OpenClaw Foundation — enquanto a API de licenças do GitHub informa NOASSERTION para ambos os repositórios. Se o licenciamento for uma questão de compras, leia o arquivo LICENSE em vez do selo e confirme com seu próprio advogado.

Verifique se você está comparando os dois projetos corretos

Quatro coisas têm nomes suficientemente parecidos para atrapalhar uma pesquisa. Três delas são repositórios do GitHub, e nenhuma dessas três estava arquivada quando seus metadados foram lidos em 21 de setembro de 2026; a quarta não é um projeto de software.

• OpenClaw, o mecanismo de jogo de 1997. pjasicek/OpenClaw é uma reimplementação em C++ do jogo de plataforma Captain Claw. Foi criado em 2017, anos antes do assistente, e é um código de jogo não relacionado.
• Um token que se autodenomina OpenClaw. O projeto afirma não ter token, e sua própria página de histórico registra que golpistas lançaram um token $OPENCLAW poucos minutos após a mudança de nome em janeiro de 2026. Qualquer pré-venda ou airdrop divulgado sob esse nome não pertence ao projeto.
• Agent0, o projeto de pesquisa. aiming-lab/Agent0 é uma série acadêmica sob Apache-2.0 sobre agentes autoevolutivos. O nome da organização difere em um caractere de agent0ai e trata-se de algo completamente diferente.
• Space Agent. agent0ai/space-agent é da mesma equipe, e seu README aponta para um servidor de demonstração hospedado que você pode experimentar com uma conta de convidado. Qualquer cobrança feita por ele é preço do Space Agent, não preço do Agent Zero.

Quem deve escolher qual

Você precisa que o agente opere um computador. Escolha o Agent Zero. A abertura de sua documentação de instalação afirma que o Agent Zero é executado como um contêiner Docker, e o README descreve o desktop que ele abre em seu Canvas como uma sessão XFCE real executada nesse contêiner, explicitamente não uma VM remota. O acesso à sua máquina host é uma opção separada: o README aponta para o conector A0 CLI, que você executa no host, e não no contêiner. O custo desse poder é o contêiner: o guia de implantação em VPS lista um mínimo de 2 GB de RAM, 20 GB de armazenamento e 1 vCPU, com recomendação de 4+ GB, 50+ GB e 2+ vCPU.

Você precisa de um assistente sempre acessível e barato de hospedar. Escolha o OpenClaw. A FAQ da primeira execução documenta um mínimo absoluto de 1 GB de RAM, um núcleo, 500 MB de disco livre e um sistema operacional de 64 bits. A contrapartida é o modelo de permissões: o sandboxing vem desativado por padrão, a execução de ferramentas ocorre no host, e a documentação deixa claro que o sandbox, quando ativado, não é uma fronteira de segurança perfeita. O próprio processo do gateway permanece sempre no host, de qualquer forma.

Você está escolhendo com base no custo ou no esforço de migração. O software custa $0 nos dois casos, portanto a decisão está nas consequências. O Agent Zero precisa de pelo menos dois slots de modelo pagos configurados para funcionar bem, e seu plugin integrado Context Window informa contagens de tokens e uma decomposição completa da janela, exibindo um preço somente quando o provedor informa o uso e o LiteLLM mapeia o modelo. O OpenClaw precisa de um modelo para começar e inclui /status, /usage cost e um painel de uso na Control UI; os valores de gasto que o próprio OpenClaw calcula são estimativas agregadas dos logs de sessão, e o uso ou a cota informados pelo provedor aparecem ao lado deles quando o provedor os disponibiliza. Quanto à migração: o estado do Agent Zero vive em um volume nomeado do Docker, e o OpenClaw mantém a memória canônica como arquivos Markdown simples no workspace (MEMORY.md e memory/*.md, indexados em um armazenamento SQLite derivado), o que é mais fácil de ler, comparar e transportar para outro lugar.

Lado a lado

Fontes desta tabela, todas consultadas em 21 de setembro de 2026: os dois READMEs, implantação do Agent Zero em VPS (sua seção de autenticação documenta o login e a senha únicos; a senha root do contêiner é uma configuração listada na documentação de instalação vinculada acima), o README do plugin Context Window, o que o OpenClaw coloca em sandbox, o controle de acesso DM do OpenClaw, as equipes do OpenClaw e o rastreamento de uso do OpenClaw.

A divisão de funções dos modelos é a verdadeira diferença

É aqui que os dois produtos mais divergem e onde uma lista de recursos esconde a decisão. O Agent Zero agrupa modelos em predefinições, e seu guia de predefinições de modelos afirma que toda configuração contém um modelo principal, um de utilidade e um de embeddings; portanto, trocar de predefinição troca todos eles juntos. Os slots do OpenClaw são chaves de configuração separadas, documentadas em sua referência de modelos de agente.

Uma consequência prática para o slot de utilidade: a documentação de instalação do Agent Zero alerta que modelos muito pequenos (ela cita 4B) falham na extração e consolidação confiáveis de memória e recomenda modelos da classe 70B ou modelos flash/mini fortes na nuvem; portanto, não é um lugar para economizar às cegas.

A Kunavo não oferece embeddings. Nenhum modelo habilitado atende a esse endpoint, então a solicitação é rejeitada em vez de respondida, e o terceiro slot não é algo que você possa comprar aqui. Os dois produtos documentam uma opção local para essa etapa, e esse é o caminho a usar.

As predefinições selecionadas do Agent Zero — baixadas desse repositório público quando não existe uma coleção salva — nomeiam referências específicas: Default combina um modelo de chat GPT-5.6 Terra com um modelo de utilidade Google flash-lite, Power combina GPT-5.6 Sol com GPT-5.6 Luna, e Efficiency combina um modelo de chat GLM com um modelo de utilidade DeepSeek. O arquivo as grava no estilo OpenRouter que utiliza (openai/gpt-5.6-sol), portanto nenhuma referência de predefinição é um ID da Kunavo conforme escrita. O catálogo da Kunavo inclui GPT-5.6 Terra e Sol e GPT-6 Astra, mas não inclui GPT-5.6 Luna, flash-lite, GLM nem DeepSeek. Assim, as predefinições Power e Default mantêm seus modelos principais sob os próprios IDs da Kunavo e precisam de um modelo de utilidade substituto, enquanto a predefinição Efficiency não tem correspondência.

Quanto realmente custa cada um

O software custa $0 nos dois lados. O OpenClaw afirma que não tem assinatura, nível hospedado nem token, e repete isso no README junto da observação de que a Foundation é uma organização independente 501(c)(3) e que a OpenAI é uma doadora, não proprietária. O Agent Zero não publica página de preços nem plano pago.

O Agent Zero opera, sim, um endpoint LLM de primeira parte. Sua página inicial o apresenta como “LLM API (beta)” e não informa preço nem condição de acesso. A página de termos fornece ambos: é um recurso bônus gratuito para detentores que fazem staking do token A0T do projeto, funciona apenas como proxy para uma API de terceiros, a cota é determinada dinamicamente e não é garantida, e não há suporte ao cliente, acordo de nível de serviço nem reembolsos. Leia os termos antes de presumir que um rótulo beta significa um endpoint que pode ser comprado. A0T é um token ERC-20 na camada 2 Base da Ethereum, cuja própria página do token alerta que o valor pode cair a zero e não é coberto por nenhuma garantia ou esquema de compensação. Esse é o acesso descrito como mecanismo; este guia não o precifica, recomenda nem trata como uma forma de comprar inferência.

Para a parte dos tokens, veja um mês ilustrativo às tarifas do catálogo da Kunavo. Suponha 8 milhões de tokens de entrada não armazenados em cache e 400.000 tokens de saída no modelo principal, além de 2 milhões de tokens de entrada e 200.000 tokens de saída no modelo de utilidade. Ninguém mediu o loop de nenhum dos agentes para esta página; portanto, trate todos os valores abaixo como aritmética sobre uma carga de trabalho presumida, não como custo medido de uma tarefa nem como limite da cobrança.

As duas últimas linhas são as úteis. Trocar o modelo de utilidade de Claude Haiku 4.5 para GPT-5.6 Terra altera esse total em cerca de um dólar, porque o modelo principal carrega a maior parte dos tokens nessa divisão. Otimizar o segundo slot não é onde está o dinheiro, a menos que sua carga de trabalho tenha excepcionalmente pouco chat. Observe também que uma tarifa listada mais baixa não é a mesma afirmação que um custo menor para concluir a tarefa: um modelo principal mais fraco que precise de uma segunda tentativa pode custar mais que o modelo mais forte que não precisou.

Apontando qualquer um deles para um único endpoint compatível com OpenAI

Ambos os produtos podem apontar para um gateway, por caminhos diferentes. O que segue foi lido nos arquivos de configuração e na documentação de cada projeto em 21 de setembro de 2026. A Kunavo não executou nenhum dos dois clientes de ponta a ponta, portanto isto descreve o protocolo documentado, não um resultado de compatibilidade verificado — mantenha disponível sua rota existente e funcional enquanto testa.

Agent Zero. As chamadas remotas de modelo passam pelo LiteLLM (models.py desvia o caminho local de sentence-transformers), e o provedor desejado é Other OpenAI compatible — ID de configuração other em conf/model_providers.yaml, onde seu litellm_provider é openai. Em models.py, esse ID é remapeado para openai imediatamente antes da chamada ao LiteLLM, e o nome do modelo é transmitido sem alterações. A documentação de instalação coloca a chave em External Services, depois em Other OpenAI-compatible API keys, e seleciona OpenAI Compatible como provedor nas configurações do modelo. A URL base é o campo de URL da API de cada slot. Quanto ao próprio ID do modelo, o documento de solução de problemas do Agent Zero aborda outro par de provedores — afirma que openai/gpt-5.3 está correto para o OpenRouter e incorreto para o provedor OpenAI nativo, que não usa prefixo — e não documenta um formato de ID para Other OpenAI compatible; portanto, use os IDs retornados pela lista de modelos do seu próprio gateway. Definir uma URL base também faz o seletor solicitar a lista de modelos dessa base com um token bearer, conforme o endpoint de pesquisa de modelos. A rota por variável de ambiente é lida de models.py, onde get_api_key resolve as três grafias em ordem e alterna entre os valores separados por vírgula.

# Agent Zero resolves the key for provider id `other` from the first
# spelling it finds, in this order. A comma-separated value is
# round-robined across calls.
API_KEY_OTHER=your-kunavo-key
# OTHER_API_KEY=your-kunavo-key
# OTHER_API_TOKEN=your-kunavo-key

# The API URL field on each model slot (stored as api_base in the
# preset file) takes the OpenAI-shaped base: https://api.kunavo.com/v1

OpenClaw. Registre um bloco em models.providers na configuração JSON5 com baseUrl, apiKey, um adaptador em api e authHeader quando a credencial precisar ser enviada no cabeçalho Authorization — os quatro aparecem na referência de campos de provedores personalizados, que também afirma que um baseUrl sem api assume openai-completions. A referência usada em outros lugares é então provider/model. Uma configuração inicial para a rota da Kunavo no formato Messages, juntamente com os comandos de validação e reinicialização, já está documentada em melhor API para OpenClaw.

Vale conhecer cinco restrições do OpenClaw antes de migrar, todas provenientes de sua referência de provedores personalizados e de suas regras de roteamento. O runtime de agentes Codex não pode ser acessado por um endpoint personalizado e falha de forma segura se você o exigir. Em um endpoint de completions não nativo, o OpenClaw desativa à força a função de desenvolvedor e descarta as indicações de service-tier, store e cache de prompt. Em um endpoint com formato Anthropic não direto, ele suprime os cabeçalhos beta implícitos, a menos que você mesmo os defina. Por modelo, cost assume zero em todos os campos quando omitido, e a documentação de uso trata um custo registrado de zero dólares como dado de custo válido; portanto, /usage cost informa $0 para essa rota em vez de sinalizá-la como sem preço. E o baseUrl que você configura é, por si só, a decisão de confiança de rede: o OpenClaw confia exatamente nessa origem scheme://host:port por meio de seu caminho de busca protegido, enquanto outros destinos privados, de loopback ou em uma porta diferente ainda precisam de uma opção explícita request.allowPrivateNetwork.

Se decidir encaminhar qualquer um dos dois harnesses para um único endpoint compatível com OpenAI, crie uma conta na Kunavo. O mínimo é um carregamento pré-pago de $10, sem assinatura; faturamento explica por que uma estimativa do catálogo é um piso, não um teto.

O que esta comparação não estabelece

Nenhum teste de runtime foi executado nesta página contra qualquer um dos produtos. Especificamente não verificado: se o loop de chamada de ferramentas do Agent Zero é concluído de ponta a ponta por meio de um endpoint de terceiros compatível com OpenAI para algum modelo específico; se o seletor de modelos analisa a lista de modelos de um determinado gateway; se o provedor Anthropic nativo aceita uma URL de API personalizada, algo que a própria dica da interface não informa. No lado do OpenClaw, o comportamento do cache de prompt por meio de um endpoint com formato Anthropic não direto não foi testado aqui, e ele interage com os cabeçalhos beta suprimidos acima. O consumo de tokens por tarefa não foi medido para nenhum dos loops. Contagens de estrelas, números de versão, tags de distribuição do npm e requisitos mínimos de hardware são leituras únicas datadas de 21 de setembro de 2026 e mudarão.

Para decisões relacionadas, preços do OpenClaw aborda todo o custo operacional, alternativas ao OpenClaw abrange o campo mais amplo, e a referência da API compatível com OpenAI aborda o formato de endpoint que os dois produtos utilizam.

Perguntas frequentes

Metadados dos repositórios, tags de lançamento, tags de distribuição do npm e a documentação oficial de ambos os projetos consultados em 21 de setembro de 2026. As tarifas da Kunavo são lidas do catálogo de modelos ativo; os totais mensais são aritmética de tokens baseada em uma suposição declarada, não custos medidos de tarefas.