OpenManus 定价与 API 设置：免费程序、令牌账单，以及随附但已失效的配置

OpenManus 本身的成本为 $0。它是采用 MIT 许可证的开源软件，没有套餐、付费层级、许可证密钥或托管版本，因此“OpenManus 定价”完全取决于其背后的模型 API 账单——另外还有两个默认关闭且可选的云服务。真正值得纳入预算的是一次代理运行发送的用量，而最可能扭曲这一用量的设置是 OpenManus 自带的配置文件：它仍默认使用一个于 2026 年 2 月 19 日退役的 Claude 模型 ID，即使你跳过复制步骤，它也会加载。

先澄清一点，因为这个查询的搜索结果大多在讨论其他内容。Manus 是另一家公司提供的独立商业产品，采用付费和积分计量模式，而它位于 api.manus.ai 的商业 API又是第三种东西。本页面没有显示任何 Manus 价格：manus.im/pricing 使用客户端渲染，2026 年 9 月 21 日无法从官方来源读取，第三方博客流传的数字也不是官方信息。如果你要找的是该产品，请直接查看 manus.im。

五个名为 Manus 或 OpenManus 的项目

迁移的影响比听起来更大。项目自己的主页 openmanus.github.io——即在线仓库中设置的 homepage 字段——仍将读者链接到旧的 mannaandpoem 路径，大多数 2025 年教程也如此。当前仓库已于 2026 年 9 月 21 日通过 GitHub API 检查：archived: false，MIT，58,367 个星标，455 个未关闭的问题，最近一次推送为 2026 年 8 月 22 日，main 分支上的最近一次提交日期为 2026 年 8 月 16 日。GitHub 上还有两个名称相同但彼此独立的项目——OpenManus/OpenManus-RL 是另一个强化学习项目，henryalps/OpenManus 是搜索结果中出现的同名仓库，除确认其地址可访问外未作进一步检查。

什么是免费的，什么才会实际收费

安装仅支持源码方式：使用 conda create -n open_manus python=3.12 或 uv venv --python 3.12，然后对当前仓库执行 git clone。不存在单行软件包安装方式，并且 setup.py 声明了 python_requires=">=3.12"。

OpenManus API 密钥放在哪里

密钥既没有环境变量，也没有命令行标志。OpenManus 中的自带密钥方式是 TOML 文件：将 config/config.example.toml 复制为 config/config.toml，然后在 [llm] 下设置 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"

客户端在 app/llm.py 的 LLM.__init__ 中选择，而只有 api_type 的两个值会改变行为："azure" 构建 AsyncAzureOpenAI 客户端，"aws" 构建 Bedrock 客户端。其他所有值——包括 OpenManus 自带示例文件中的 ollama、jiekou 和 ppio——都会回退到普通的 AsyncOpenAI(api_key, base_url)。这些标签是文档说明，不是代码路径。因此，要访问 OpenAI 风格的 POST /chat/completions 端点，只需要 base_url 和 api_key，完全不需要 api_type 值；随后该端点必须支持什么是另一个问题，下面的列表虽短但确实存在。Kunavo 的端点具备这种形态——https://api.kunavo.com/v1、Bearer 身份验证、sk-kn- 密钥，而未经身份验证的 GET /v1/models 会返回 401——并且接受 OpenAI 风格的 tools 和 tool_choice，这正是 OpenManus 代理循环发送的内容。这是关于协议形态的说明，检查于 2026 年 9 月 21 日。尚未针对 Kunavo 执行任何 OpenManus 运行，因此本页面的内容都不是兼容性测试。

你的端点必须满足的三个要求，均取自当前 main，以及一件 OpenManus 不会替你完成的事情。ask_tool 将 stream = False 硬编码，并始终发送 tools 加上 tool_choice（默认值为 auto），因此只支持流式工具调用的端点会破坏循环。除非模型 ID 的字面值为 o1 或 o3-mini，即 REASONING_MODELS 中的两个条目，否则每个请求都会带上 max_tokens 和 temperature。代码会直接从响应中读取 usage.prompt_tokens 和 usage.completion_tokens。此外不存在跨供应商重试：失败会通过 tenacity 针对同一个端点使用指数退避处理。

两个官方初始配置彼此不一致

这是值得提前准备的陷阱。OpenManus 提供了两个相互矛盾的官方初始配置，而且两个文件都没有提及另一个文件。

Anthropic 的弃用页面将 claude-3-7-sonnet-20250219 列为已退役，退役日期为 2026 年 2 月 19 日，并说明向已退役模型发送请求将失败；推荐的替代模型是 claude-sonnet-4-6。这些日期适用于 Anthropic 运营的平台——Amazon Bedrock 和 Google Cloud 有各自的时间表。README 是两个文件中更新较新的一个，这颠覆了“随附示例就是权威配置”的通常假设。

而且这个已失效的配置还是默认配置。app/config.py 中的 Config._get_config_path() 在 config/config.toml 存在时返回它，否则返回 config/config.example.toml，只有两者都不存在时才会抛出异常。因此，第一次运行时跳过复制步骤不会产生有帮助的“无配置”错误——它会使用字面字符串 YOUR_API_KEY 进行身份验证，访问一个已经不再响应的模型 ID。README 没有提到这个回退逻辑；它只说要复制示例文件。其他随附示例也指向 Claude 3.7 Sonnet——Daytona 示例带有同一个包含日期的已退役模型 ID，Anthropic 示例将 claude-3-7-sonnet-latest 设置为主模型，并在其视觉区块中使用该带日期的 ID——而 Google 示例设置了 gemini-2.0-flash，Google 将其列在旧模型中，并注明这些模型已弃用且“很快将关闭”。请将 config/ 目录视为项目随附的示例文件，而不是受支持供应商列表：仓库中没有任何代码测试它们，并且自 2025 年 4 月 26 日以来，app/llm.py 就未被修改。

[llm.vision] 区块不会被任何代码读取

每个随附示例都包含一个 [llm.vision] 部分，而在当前 main 中没有任何代理读取它。配置档案由代理自身的名称（转换为小写）选择——app/agent/base.py 会执行 LLM(config_name=self.name.lower())——现有代理名称包括 Manus、browser、swe、toolcall、Data_Analysis、SandboxManus 和 mcp_agent。没有一个名称是“vision”；未知的配置档案名称会静默回退到 [llm]，而 ask_with_images() 虽有定义，但在整个仓库中没有任何调用点。随附入口点实际可以选择的子表包括 [llm.manus]（代理同时运行 python main.py 和 run_flow.py）、[llm.mcp_agent]（run_mcp.py）、[llm.sandboxmanus]（sandbox_main.py）和 [llm.data_analysis]（run_flow.py，在启用 use_data_analysis_agent 后）。BrowserAgent 确实设置了 name = "browser"，但没有任何随附入口点实例化它，因此除非你编写自己的运行器，否则 [llm.browser] 不会生效。任何子表都会继承其中省略的所有键，因此覆盖项只需包含不同的键。

视觉功能本身还会经过第二重限制，而这一重限制决定网关是否完全能够提供视觉功能。app/llm.py 声明了一个硬编码的允许列表：

这两个仍存续的模型都不是 OpenAI 当前的旗舰模型——同一价格页面将 gpt-6-astra 和 gpt-5.6 系列列在它们之上——因此，不修改代码而获得 OpenManus 视觉功能的唯一方式是运行 2024 年的模型。比较使用精确字符串相等，因此像 openai/gpt-4o 这样的带命名空间 slug 不会匹配任一模型。当配置的模型不在该列表中时，format_messages 会删除 base64_image 字段，只发送文本——不会报错，也不会警告，截图只是永远不会到达模型。Kunavo 既不发布 gpt-4o，也不发布 gpt-4o-mini，因此使用 Kunavo 配置的 OpenManus 只能处理文本和工具，除非你自行编辑 app/llm.py 中的 MULTIMODAL_MODELS。 文本生成和工具调用不受影响；允许列表只控制图像。模型列表也不能证明其他能力：端点发布精确字符串 gpt-4o 可以满足 OpenManus 的比较，但它是否会将内联 data: 图像 URL 转发给模型，是另一个问题，这里没有对任何端点进行测试。

一次 OpenManus 运行的成本

本页面没有执行任何 OpenManus 任务，因此没有可报告的实测成本。代码能提供的是一个诚实的结构。app/agent/manus.py 中的默认代理设置了 max_steps = 20 和 max_observe = 10000。每一步都是一个非流式工具调用请求，并携带截至当前的完整对话，因此输入 token 会随步骤数的平方增长，而不是线性增长。

下面的数字是基于所述假设的 token 算术，不是实测任务成本，也不是账单上限。假设基础提示包含 4,000 个 token（系统提示加工具 schema），每一步向历史记录追加 1,200 个 token，每一步输出 400 个 token。一个在 6 步完成的运行随后会发送约 42,000 个输入 token 和 2,400 个输出 token；达到 20 步上限的运行会发送约 308,000 个输入 token 和 8,000 个输出 token。费率采用每百万 token 的实时 Kunavo 目录价格。

请将两列相互对照，而不是将各行相互对照。在这些假设下，20 步的输入量是 6 步的 7.3 倍，而步数是其 3.3 倍；这就是为什么在代理循环中，“需要多少步”比“模型每个 token 收费多少”更重要。这也使提示缓存成为这种账单形态中的重要杠杆，同时值得了解它在哪里不可用：Anthropic 的OpenAI SDK 兼容性文档——该文档描述的正是 OpenManus 随附示例指向的基础 URL——声明那里不支持提示缓存，strict、response_format 和 reasoning_effort 会被忽略，n 必须恰好为 1，并且系统消息会被提升到最前面。同一页面称该层“主要用于测试和比较模型能力，对于大多数使用场景而言，不被视为长期或适合生产环境的解决方案”。OpenManus 本身从不发送缓存指令，因此任何缓存都必须由端点提供。

在将 OpenManus 指向较新的 Claude 模型之前，请检查一个参数：示例提供 temperature = 0.0，而代码在两个推理 ID 之外的每个请求中都会发送 temperature；与此同时，Anthropic 的弃用页面将 temperature、top_p 和 top_k 标记为 Claude Opus 4.7 及更高版本中的弃用参数，并说明非默认值会返回 400。兼容性页面另行说明 temperature 支持 0 到 1 的取值范围。这里未测试兼容层会剥离、限制还是转发该参数——请将其视为需要在自己的路由上验证的事项，而不是已确认的失败。

在将这些数字作为预算前，请根据你每天自己的运行次数进行换算。Kunavo 的目录金额是计费下限，而不是上限：上游报告费用时，账单取目录成本与上游成本乘以适用加价两者中的较大值。缓存费用和外部工具费用不包括在本示例中。Kunavo 的最低充值金额为预付余额 $10，这是资金充值最低额，而不是任务费用或订阅费——请参阅账单详情。

OpenManus 最佳 API：在什么情况下选择哪条路径

注意列表中没有的内容：OpenManus 完全没有任何计划门槛。没有许可证密钥、没有付费层级、没有遥测检查——任何克隆该代码库的人都可以使用上述全部能力，所有限制都在代码中，而不是订阅中。如果你已经使用其中一种方案，请在 OpenAI 兼容 API 和 LLM 网关 中比较路径，或查看 OpenRouter 替代方案。有关“列出的最低费率”与“完成任务的最低成本”背后的方法，请参阅 AI 成本优化；如果只针对单一模型系列，请参阅 最便宜的 Claude API。

完成设置并检查首次运行

Kunavo 没有发布 OpenManus 专属设置页面，而且这里尚未针对 Kunavo 端点进行 OpenManus 运行时测试——以上内容均来自该项目的源代码及其自身文档。通用路径就是上方配置块中的路径：base_url 使用 https://api.kunavo.com/v1，一个 sk-kn- 密钥，以及目录中的模型 ID。尝试时请保留一条可用路径，使用 max_steps 的默认值运行一个有边界的任务，然后读取账户记录的实际扣费，而不是 OpenManus 自己记录的总额；后者是 tiktoken 估算值，并会对 tiktoken 无法识别的 ID 使用 cl100k_base 回退。请从快速入门开始，在聊天补全中检查请求格式，准备为密钥充值时再创建 Kunavo 账户。

是在智能体之间而非提供商之间进行选择？OpenClaw 最佳 API和AI 智能体 API 目录介绍了同样将免费软件与按 token 计费分开的客户端。

常见问题

已于 2026 年 9 月 21 日核查，且核查范围仅限于以下内容：FoundationAgents/OpenManus 的 GitHub API 记录；当前 main 分支上的 config/config.example.toml、README 中的配置和安装部分、app/llm.py、app/config.py 和 app/agent/manus.py；config/ 中的六个按提供商划分的示例配置；标签列表；旧仓库路径下的 README 存根；openmanus 的 PyPI 记录；Anthropic 的模型弃用和 OpenAI SDK 兼容性页面；OpenAI 的价格和弃用页面；以及 Google 的 Gemini 模型列表。Browser Use Cloud 和 Daytona 被列为可选供应商并提供了链接，但本页未列出价格。Manus、manus.im 和 Manus API 完全未计价：无法从官方来源读取其价格页面。没有执行任何操作——没有安装、没有通过 OpenManus 发送请求，也没有运行 Kunavo 加 OpenManus——因此所有行为描述都基于对上述来源的阅读，所有美元金额都是示例性的 token 算术，而非实测任务成本。Kunavo token 费率来自实时目录。