IronClaw vs. OpenClaw: runtime, limites de privacidade e provedores de modelos

IronClaw e OpenClaw são runtimes de agentes gratuitos e auto-hospedados, e a diferença é arquitetural: IronClaw é uma reimplementação em Rust inspirada no OpenClaw, isolando cada ferramenta em um sandbox WASM e exigindo PostgreSQL, enquanto OpenClaw é o projeto TypeScript mais antigo e muito maior, cujas ferramentas são executadas no host até que você configure o sandbox. O que as listas de recursos não mostram é que a principal alegação de privacidade do IronClaw é uma propriedade de onde a inferência é executada, não do produto — e a própria documentação da NEAR AI já a restringe, excluindo os modelos que ela apenas encaminha por proxy.

Primeiro, uma desambiguação, porque os resultados de busca misturam cinco coisas. Esta página trata de github.com/nearai/ironclaw, com preços em www.ironclaw.com. Não se trata do mouse gamer Corsair IRONCLAW, do produto empresarial separado em ironclaw.tech (que não publica preços e pertence a outra empresa), do repositório semelhante e inativo sob outro proprietário nem do RPG de mesa de 1999. Do outro lado, OpenClaw aqui significa o assistente de IA em github.com/openclaw/openclaw, com documentação em docs.openclaw.ai, não a reimplementação não relacionada de um jogo de plataforma dos anos 1990 com o mesmo nome.

Quem deve escolher qual

Mais uma diferença estrutural antes das tabelas: o IronClaw distribui dois runtimes em um único repositório, e toda instrução de configuração precisa indicar qual deles. O template de ambiente afirma que o binário Reborn, mais recente, é separado da v1 e não compartilha autenticação nem middleware com os canais e a pilha web da v1, e que uma configuração do Reborn não usa como fallback o OAUTH_BASE_URL do gateway v1; portanto, um valor legado da v1 não pode reescrever URLs de callback do Reborn. ironclaw onboard grava o estado do Reborn em $HOME/.ironclaw/reborn. Se você seguir um tutorial que não diga qual runtime está configurando, presuma que ele não se aplica.

Paridade de recursos, segundo a própria matriz do IronClaw

Lido no FEATURE_PARITY.md do IronClaw em 21 de setembro de 2026. Trate-o como evidência datada, não como estado atual: o próprio cabeçalho afirma que foi revisado pela última vez com base nas releases 2026.3.11 a 2026.4.30 do OpenClaw em 2 de maio de 2026; portanto, qualquer item marcado como ausente pode ter sido implementado desde então, e o fornecedor está avaliando a si próprio — o mesmo arquivo marca launchd/systemd integration como não implementado em uma seção, enquanto atribui ao Reborn do IronClaw service install com suporte a launchd e systemd em outra, razão pela qual essa linha não aparece na tabela acima. Leia também a linha /v1/embeddings de forma restrita: ela trata do fato de o IronClaw não expor seu próprio endpoint de embeddings compatível com OpenAI, e o mesmo arquivo marca os embeddings da OpenAI como implementados em ambos os lados como consumidores. A Kunavo não oferece um modelo de embeddings, portanto essa etapa exige um provedor separado, independentemente do runtime executado.

Quanto custa cada um

Preços lidos de www.ironclaw.com e dos dois repositórios em 21 de setembro de 2026. Três ressalvas. O cartão Starter mostra $5 com um risco e $0 como valor exibido — confirmado na marcação da página — mas o site não informa data de término nem termos; portanto, não presuma que $0 seja permanente. Cada plano anuncia “créditos incluídos” iguais ao seu próprio preço, e o site nunca informa o que esses créditos compram em tokens, qual modelo pressupõem ou se expiram; portanto, não é possível derivar deles uma tarifa por token. E o destaque de preços “até 130M de tokens por mês” é texto de marketing associado à configuração de cinco agentes, sem modelo nem divisão entre entrada e saída informados; é uma alegação do IronClaw, não um dado de cálculo.

A alegação de privacidade não acompanha a URL base

Esta é a parte que vale entender corretamente, porque é onde um leitor razoável pode ser enganado por dois documentos precisos. www.ironclaw.com vende o produto hospedado com computação confidencial: ele é iniciado dentro de um Trusted Execution Environment. Enquanto isso, a própria documentação de modelos da NEAR AI traça explicitamente a fronteira — modelos hospedados em TEE são executados na frota de GPUs da NEAR dentro de Trusted Execution Environments e oferecem atestação, assinaturas e verificação, enquanto modelos de terceiros são encaminhados por proxy aos seus provedores por meio do gateway e, nas palavras da documentação, as garantias de privacidade e verificabilidade do TEE não se estendem ao provedor upstream.

Assim, a fronteira é atravessada dentro da NEAR AI Cloud, não apenas quando você sai dela. Escolher um modelo Anthropic, OpenAI ou Google encaminhado por proxy na NEAR já está fora do caminho confidencial. Apontar qualquer runtime para um gateway OpenAI-compatível não relacionado é um passo adicional para fora, e nenhum gateway herda essa garantia por aceitar o tráfego. Se a atestação for sua exigência real, o caminho é um modelo hospedado em TEE de um provedor que ofereça isso, e você deve confirmar o status de um determinado modelo na documentação do próprio provedor, em vez de confiar em qualquer lista, inclusive na desta página. Na NEAR, esse selo está na documentação, não na API: o JSON público /v1/models não tem um campo TEE dedicado e, quando foi lido em 21 de setembro de 2026, os sinais mais próximos que continha eram o valor owned_by — nearai em nove entradas, attested 3p em quatro — e descrições em texto livre, uma das quais chama seu modelo de “Anonymized, not TEE-protected”.

O que permanece ao trocar de provedor é a camada local do IronClaw, e vale separá-la do marketing. Sua documentação de segurança descreve segredos criptografados em repouso que nunca entram no contêiner e são injetados nas solicitações de saída na camada de proxy de rede, ferramentas que declaram de quais credenciais precisam em vez de lê-las e um detector de vazamentos que verifica mais de 15 padrões de segredos. Essas são propriedades do runtime. Elas não dependem de qual endpoint de modelo você chama; portanto, trocar de provedor as mantém e perde apenas a alegação de computação confidencial.

Há algo que esta página não vai encobrir: a tabela comparativa do ironclaw.com caracteriza o tratamento de segredos do OpenClaw como “LLM sees secrets” e seu controle de rede como “Unrestricted”. Essa é a descrição de um fornecedor sobre um concorrente, e a própria documentação do OpenClaw descreve uma organização que esses dois rótulos não capturam. Sua página de segredos e armazenamento documenta provedores SecretRef baseados em env, file, exec ou store, um mapa de quais arquivos no disco armazenam quais credenciais e a redação de logs e transcrições, que, segundo a documentação, está sempre ativada e não pode ser desabilitada pela configuração; o índice da documentação acrescenta uma CLI openclaw secrets, um comando openclaw security audit e um armazenamento compartilhado de segredos com um proxy de saída de segredos desativado por padrão. Além disso, o README afirma que as ferramentas são executadas no host na sessão principal, a menos que você configure o sandbox, e seu guia de segurança restringe o produto a um limite de confiança por gateway, em vez de multi-inquilino hostil. Padrões diferentes, contramedidas documentadas em ambos os lados e nenhuma comparação medida entre eles — nada aqui testa se um determinado prompt consegue realmente extrair um segredo de qualquer um dos runtimes.

Apontar qualquer um deles para um endpoint compatível com OpenAI

Ambos aceitam uma URL base personalizada; os modos de falha diferem. Estas são leituras dos documentos de configuração publicados por cada projeto em 21 de setembro de 2026 — a Kunavo não testou nenhum dos dois clientes em runtime, e uma referência de configuração publicada não é um teste de compatibilidade.

Duas inconsistências do IronClaw que você deve resolver na sua própria instalação, e não com base em um documento. Seu .env.example lista nove valores possíveis de LLM_BACKEND, enquanto docs/capabilities/llm-providers.md apresenta em tabela mais de vinte entradas de provider_id e orienta usar os ids dedicados para OpenRouter, Together e Fireworks, que o template de ambiente ainda encaminha pelo adaptador genérico; ambos os arquivos estão atuais em main. A tabela da documentação é a mais extensa das duas e a que orienta preferir os ids dedicados, mas nenhum dos arquivos representa a sua instalação: execute ironclaw models list para ver o catálogo que sua build realmente possui.

Uma estimativa de custo calculada para a rota do modelo

Este é um cálculo ilustrativo de tokens, não um custo de tarefa medido nem um teto de cobrança. Suponha um dia de tráfego de assistente pessoal que envia 1.000.000 de tokens de entrada não armazenados em cache — um prompt de sistema longo, definições de ferramentas e histórico contínuo reenviados ao longo de aproximadamente quarenta turnos — e recebe 30.000 tokens de saída. Ambos os runtimes são gratuitos, portanto esta é a única linha que varia, e ela é idêntica independentemente de qual você executar. As tarifas são preços atuais do catálogo da Kunavo por milhão de tokens.

Para uma comparação no mesmo dia com o provedor padrão do IronClaw, três ids de modelo aparecem nos dois catálogos. O endpoint público de modelos da NEAR AI Cloud, consultado em 21 de setembro de 2026, listava anthropic/claude-haiku-4-5 a US$ 1,00 de entrada e US$ 5,00 de saída por milhão, anthropic/claude-sonnet-4-6 a US$ 3,00 e US$ 15,00, e anthropic/claude-opus-4-6 a US$ 5,00 e US$ 25,00, entre cinquenta ids retornados — cada um dos três contendo is_ready: false nessa mesma resposta; portanto, trate os valores como tarifas listadas, não como prova de que a rota está aberta. O catálogo da Kunavo lista Claude Haiku 4.5 a $0.70 / $3.50, Claude Sonnet 4.6 a $2.10 / $10.50 e Claude Opus 4.6 a $3.50 / $17.50. Ambos os catálogos mudam, portanto leia o endpoint novamente em vez de considerar qualquer valor permanente — e lembre-se de que a tarifa listada mais barata e o menor custo para concluir uma tarefa são afirmações diferentes: um modelo que precisa de três tentativas a uma tarifa baixa pode custar mais do que um que precisa de uma única tentativa a uma tarifa mais alta.

Não é possível responder nesta página se os créditos incluídos nos níveis hospedados do IronClaw cobrem um mês com o formato da tabela acima, porque ironclaw.com não publica nenhuma conversão de créditos em tokens. O valor do catálogo da Kunavo é um piso de cobrança, não um limite: quando o upstream informa sua cobrança, a fatura é o maior valor entre o custo do catálogo e o custo do upstream multiplicado pelo markup aplicável. As cobranças de cache e as ferramentas externas ficam fora deste exemplo. O complemento mínimo da Kunavo é $10 em crédito pré-pago, o que é um mínimo de financiamento, não uma tarifa de tarefa nem uma assinatura — consulte os detalhes de cobrança.

Configurando

Independentemente do runtime escolhido, o lado do endpoint tem o mesmo formato: uma URL base compatível com OpenAI e uma chave. Comece pelo guia de início rápido para ver a URL base e o formato da chave, e consulte a documentação da URL base da Anthropic se você optar pela rota anthropic-messages do OpenClaw. Mantenha um provedor funcional configurado enquanto testa, execute uma tarefa limitada e depois leia a cobrança que sua conta realmente registrou — essa reconciliação é mais importante no OpenClaw, onde um bloco cost omitido faz o próprio relatório de uso indicar zero. Crie uma conta da Kunavo quando estiver pronto para adicionar fundos a uma chave.

Comparando opções mais distantes? Os preços do OpenClaw cobrem o lado dos custos, a melhor API para OpenClaw compara as rotas dos provedores, NanoClaw vs OpenClaw e ZeroClaw vs OpenClaw abordam duas outras interpretações da mesma ideia, e API compatível com OpenAI explica a mecânica do endpoint.

Perguntas frequentes

Verificado em 21 de setembro de 2026 contra a API do GitHub para nearai/ironclaw e sua versão mais recente, a entrada do registro npm para openclaw, o README bruto, .env.example, FEATURE_PARITY.md e a documentação de provedores nos dois repositórios, docs.openclaw.ai, docs.near.ai e o catálogo de modelos ativo de cloud-api.near.ai, além da marcação renderizada de www.ironclaw.com. A Kunavo não executou nenhum dos dois clientes: cada afirmação de configuração acima é uma leitura dos documentos-fonte dos fornecedores, não um teste de compatibilidade. As tarifas de tokens da Kunavo vêm do catálogo ativo, e todo exemplo em dólares aqui é um cálculo ilustrativo de tokens, não um custo de tarefa medido.