OpenManus 定價與 API 設定：免費程式、token 帳單，以及隨程式提供卻已失效的設定

OpenManus 的成本為 $0。它是採用 MIT 授權的開放原始碼軟體，沒有方案、付費層級、授權金鑰或託管版本，因此「OpenManus 定價」完全取決於其背後的模型 API 帳單——另加兩項預設關閉且可選用的雲端服務。值得編列預算的數字，是一次代理程式執行所傳送的量；最可能使該數字失真的設定，則是 OpenManus 本身隨附的設定檔：它仍預設使用一個已於 2026 年 2 月 19 日退役的 Claude 模型 ID，而你略過複製步驟時它仍會載入。

先釐清一點，因為這個查詢的搜尋結果大多在談其他東西。Manus 是另一家公司提供的獨立、付費且按點數計費的商業產品，而位於 api.manus.ai 的商業 API又是第三種不同的事物。本頁不提供 Manus 的價格：manus.im/pricing 採用用戶端渲染，2026 年 9 月 21 日無法從官方來源讀取，第三方部落格流傳的數字也不是官方資訊。如果你要找的是該產品，請直接查看 manus.im。

五個名為 Manus 或 OpenManus 的事物

這次遷移的重要性超乎表面。專案自己的首頁 openmanus.github.io——也就是目前儲存庫中的 homepage 欄位——仍將讀者連結到舊的 mannaandpoem 路徑，大多數 2025 年的教學也一樣。2026 年 9 月 21 日透過 GitHub API 檢查目前儲存庫：archived: false，MIT，58,367 顆星，455 個開放問題，最後一次推送為 2026 年 8 月 22 日，最後一次提交位於 main，日期為 2026 年 8 月 16 日。GitHub 上也有兩個共用該名稱的不同專案——OpenManus/OpenManus-RL 是另一個強化學習專案，而 henryalps/OpenManus 是搜尋結果中出現的同名儲存庫，除確認其可解析外，未進一步檢查。

免費的是什麼，以及實際向你收費的是什麼

安裝僅支援從原始碼進行：conda create -n open_manus python=3.12 或 uv venv --python 3.12，接著對目前儲存庫執行 git clone。沒有單行套件安裝方式，而 setup.py 宣告 python_requires=">=3.12"。

OpenManus API 金鑰的放置位置

金鑰沒有環境變數，也沒有命令列旗標。OpenManus 中的自帶金鑰方式是 TOML 檔案：將 config/config.example.toml 複製為 config/config.toml，然後在 [llm] 下設定 model、base_url 和 api_key。

# 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"

用戶端會在 app/llm.py 的 LLM.__init__ 中選擇，而只有 api_type 的兩個值會改變任何行為："azure" 會建立 AsyncAzureOpenAI 用戶端，"aws" 會建立 Bedrock 用戶端。其他所有值——包括 OpenManus 自有範例檔案中的 ollama、jiekou 和 ppio——都會回退為單純的 AsyncOpenAI(api_key, base_url)。這些標籤是文件說明，不是程式碼路徑。因此，要連接 OpenAI 風格的 POST /chat/completions 端點，只需要 base_url 和 api_key，完全不需要 api_type 值；該端點接下來必須支援什麼是另一個問題，下面的清單雖短但確實存在。Kunavo 的端點具有這種形式——https://api.kunavo.com/v1、Bearer 驗證、sk-kn- 金鑰，而未驗證的 GET /v1/models 會回答 401——並接受 OpenAI 風格的 tools 和 tool_choice，這正是 OpenManus 的代理程式迴圈所傳送的內容。這是對通訊協定形式的描述，於 2026 年 9 月 21 日檢查。未針對 Kunavo 執行任何 OpenManus 執行作業，因此本頁內容都不是相容性測試。

你的端點必須符合的三項要求（取自目前的 main），以及 OpenManus 不會替你完成的一件事。ask_tool 將 stream = False 寫死，並一律傳送 tools 加上 tool_choice（預設為 auto），因此只串流工具呼叫的端點會使迴圈中斷。除非模型 ID 就是字面上的 o1 或 o3-mini，也就是 REASONING_MODELS 中的兩個項目，否則每個請求都會帶上 max_tokens 和 temperature。程式會直接從回應讀取 usage.prompt_tokens 和 usage.completion_tokens。此外沒有跨供應商重試：失敗會透過 tenacity，以指數退避方式對同一端點重試。

兩個官方起始設定彼此不一致

這是值得事先準備的陷阱。OpenManus 隨附兩個彼此矛盾的官方起始設定，而兩個檔案都沒有提到另一個檔案。

Anthropic 的棄用頁面將 claude-3-7-sonnet-20250219 列為 Retired，退役日期為 2026 年 2 月 19 日，並指出對已退役模型的請求將失敗；建議的替代模型是 claude-sonnet-4-6。這些日期適用於 Anthropic 營運的平台——Amazon Bedrock 和 Google Cloud 有各自的時程。README 是兩個檔案中較新的，這推翻了隨附範例是權威來源的通常假設。

而且這個失效的設定也是預設值。app/config.py 中的 Config._get_config_path() 會在 config/config.toml 存在時回傳它，否則回傳 config/config.example.toml，只有兩者都不存在時才會引發錯誤。因此，略過複製步驟的首次執行不會產生有用的「找不到設定」錯誤——它會使用字面值 YOUR_API_KEY 向已不再回應的模型 ID 進行驗證。README 沒有提到此回退行為；它只說要複製範例檔案。其他隨附範例也指向 Claude 3.7 Sonnet——Daytona 範例使用同一個帶有日期且已退役的模型 ID，而 Anthropic 範例將 claude-3-7-sonnet-latest 設為主模型，並在其視覺區塊中使用該帶有日期的模型 ID——Google 範例則設定 gemini-2.0-flash，Google 將其列在先前的模型中，並註明這些模型已棄用且「即將關閉」。請將 config/ 目錄視為專案隨附的範例檔案，而不是支援供應商清單：儲存庫中沒有任何內容測試它們，而且 app/llm.py 自 2025 年 4 月 26 日以來就未修改過。

[llm.vision] 區塊不會被任何內容讀取

每個隨附範例都包含 [llm.vision] 區段，而在目前的 main 中沒有任何代理程式會讀取它。設定檔會依代理程式自己的名稱轉成小寫後選取——app/agent/base.py 會執行 LLM(config_name=self.name.lower())——目前存在的代理程式名稱有 Manus、browser、swe、toolcall、Data_Analysis、SandboxManus 和 mcp_agent。沒有任何一個叫作 "vision"；未知的設定檔名稱會靜默回退到 [llm]，而 ask_with_images() 雖有定義，但在儲存庫中沒有任何呼叫位置。實際上，隨附入口點可以選取的子表格是 [llm.manus]（代理程式同時執行 python main.py 和 run_flow.py）、[llm.mcp_agent]（run_mcp.py）、[llm.sandboxmanus]（sandbox_main.py），以及 [llm.data_analysis]（啟用 use_data_analysis_agent 後的 run_flow.py）。BrowserAgent 確實設定了 name = "browser"，但沒有任何隨附入口點建立它，因此除非你自行編寫 runner，否則 [llm.browser] 不會生效。任何子表格都會繼承其中未列出的所有金鑰，因此覆寫時只需要提供不同的金鑰。

視覺功能本身還受到第二層控制，而這一層決定閘道是否能提供視覺功能。app/llm.py 宣告了一個寫死的允許清單：

這兩個倖存模型都不是 OpenAI 目前的旗艦模型——同一個定價頁面將 gpt-6-astra 和 gpt-5.6 系列列在它們之上——因此不修改程式碼就取得 OpenManus 視覺功能的唯一方式，是使用 2024 年的模型。比對採用完全相等的字串，因此像 openai/gpt-4o 這樣帶命名空間的 slug 不會符合任一項。當設定的模型不在該清單中時，format_messages 會刪除 base64_image 欄位，只傳送文字——不會出錯，也不會警告，螢幕截圖就這樣完全不會送達模型。Kunavo 沒有發布 gpt-4o 或 gpt-4o-mini，因此除非你自行編輯 app/llm.py 中的 MULTIMODAL_MODELS，否則使用 Kunavo 設定的 OpenManus 只能處理文字與工具。文字生成和工具呼叫不受影響；允許清單只控制圖片。模型清單中出現某個模型也不代表其他部分都具備：端點宣告完全相同的字串 gpt-4o，即可符合 OpenManus 的比對，但它是否會將內嵌的 data: 圖片 URL 轉送給模型，則是另一個問題，本頁未對任何端點進行測試。

一次 OpenManus 執行的成本

本頁未執行任何 OpenManus 任務，因此沒有可回報的實測成本。程式碼能提供的是一個誠實的結構。app/agent/manus.py 中的預設代理程式設定 max_steps = 20 和 max_observe = 10000。每個步驟都是一個攜帶目前完整對話內容的非串流工具呼叫請求，因此輸入 token 會隨步驟數的平方增長，而不是線性增長。

以下數字是基於所述假設的 token 算術，不是實測任務成本，也不是帳單上限。假設基礎提示為 4,000 tokens（系統提示加工具結構描述）、每個步驟附加至歷史記錄的 token 數為 1,200，且每個步驟輸出 400 tokens。若執行在 6 個步驟完成，接著會傳送約 42,000 個輸入 tokens 和 2,400 個輸出 tokens；若執行達到 20 步上限，則會傳送約 308,000 個輸入 tokens 和 8,000 個輸出 tokens。費率是每百萬 tokens 的即時 Kunavo 目錄價格。

請將兩欄彼此對照，而不是將各列互相比較。在這些假設下，20 個步驟的輸入量是 7.3 個步驟的 6 倍，而步驟數是其 3.3 倍；這就是為什麼在代理程式迴圈中，「需要多少步驟」比「模型每個 token 收多少費用」更具決定性。這也使提示快取成為此類帳單的重要槓桿，並且值得了解它在哪裡不可用：Anthropic 的 OpenAI SDK 相容性文件——描述 OpenManus 隨附範例所指向的確切基底 URL——指出該處不支援提示快取，會忽略 strict、response_format 和 reasoning_effort，n 必須完全等於 1，且系統訊息會被移到最前面。同一頁稱該層「主要用於測試和比較模型能力，對大多數使用情境而言不被視為長期或可供生產使用的解決方案」。OpenManus 不會自行傳送快取指示，因此任何快取都必須由端點提供。

在將 OpenManus 指向較新的 Claude 模型前，請檢查一個參數：範例設定 temperature = 0.0，而程式會在兩個推理 ID 之外的每個請求中傳送 temperature；Anthropic 的棄用頁面則將 temperature、top_p 和 top_k 標記為 Claude Opus 4.7 及更新版本上的棄用參數，並表示非預設值會回傳 400。相容性頁面另行說明 temperature 支援的範圍為 0 到 1。這裡未測試相容性層會剝除、限制或轉送該參數——請將其視為需要在自己的路由上驗證的事項，而不是已確認的失敗。

在將這些數字視為預算前，請先依你每天的執行次數進行換算。Kunavo 的目錄金額是計費下限而非上限：上游回報費用時，帳單金額取目錄成本與上游成本乘以適用加成兩者中的較高者。快取費用和外部工具不包含在此範例中。Kunavo 最低加值為預付額度 $10 的最低金額，這是資金最低門檻，不是任務費用或訂閱——請參閱 帳務詳細資訊。

OpenManus 最佳 API：什麼情況下哪條路徑勝出

請注意清單中沒有的項目：OpenManus 完全沒有任何方案限制。沒有授權金鑰、沒有付費層級、沒有遙測檢查——任何複製儲存庫的人都能使用上述所有功能，而且限制全都存在於程式碼中，而非訂閱方案中。如果您已在使用其中一項，請比較 OpenAI 相容 API、LLM 閘道 或 OpenRouter 替代方案 的路徑。如需了解「列出的最低費率」與「完成工作的最低成本」背後的方法，請參閱 AI 成本最佳化；若要做單一模型系列的決策，請參閱 最便宜的 Claude API。

設定並檢查首次執行

Kunavo 未發布 OpenManus 專用的設定頁面，而且本頁尚未針對 Kunavo 端點進行 OpenManus 的執行時測試——以上內容全都來自專案原始碼及其自身文件。通用路徑就是上方設定區塊中的路徑：base_url 設為 https://api.kunavo.com/v1、使用 sk-kn- 金鑰，以及目錄中的模型 ID。嘗試時請保留一條可運作的路徑，讓 max_steps 維持預設值並執行一項有界限的任務，然後讀取帳戶為該任務記錄的費用，而不要採用 OpenManus 自己記錄的總額；後者是 tiktoken 的估算值，對任何 tiktoken 無法辨識的 ID 都會使用 cl100k_base 備援。請從 快速入門開始，在 聊天完成中確認請求格式，準備為金鑰儲值時再建立 Kunavo 帳戶。

您是在代理之間而不是供應商之間做選擇嗎？OpenClaw 最佳 API與AI 代理 API 目錄涵蓋了具有相同「免費軟體與按量計費的權杖帳單」區分的用戶端。

常見問題

於 2026 年 9 月 21 日查核，查核範圍僅限於：FoundationAgents/OpenManus 的 GitHub API 記錄；目前 main 上的 config/config.example.toml、README 中的設定與安裝章節、app/llm.py、app/config.py 與 app/agent/manus.py；config/ 中按供應商分別提供的共六個範例設定；標籤清單；舊儲存庫路徑上的 README 佔位檔；openmanus 的 PyPI 記錄；Anthropic 的模型淘汰與 OpenAI SDK 相容性頁面；OpenAI 的定價與淘汰頁面；以及 Google 的 Gemini 模型清單。Browser Use Cloud 與 Daytona 被列為可選供應商並附上連結，但本頁未列出價格。Manus、manus.im 與 Manus API 完全未列價：官方來源的定價頁面無法讀取。本次未執行任何操作——沒有安裝、沒有透過 OpenManus 發出請求，也沒有執行 Kunavo 加 OpenManus——因此所有行為描述都只是閱讀來源所得，而所有美元數字都是說明性的權杖費用計算，不是實測任務成本。Kunavo 權杖費率來自即時目錄。