---
title: "Bestes LLM für Aider: Modell wählen und verbinden | BroadRouter"
description: "Das beste LLM für Aider finden: Disziplin beim Edit-Format, Kontextgröße, Kosten pro Stunde, ein einstündiger Test im eigenen Repo und das OPENAI_API_BASE-Setup."
url: https://broadrouter.com/de/blog/best-llm-for-aider/
lang: de
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Mit KI-Unterstützung aus dem Englischen übersetzt. [Englisches Original lesen](https://broadrouter.com/blog/best-llm-for-aider/) (aktualisiert am 2026-11-14).

# Bestes LLM für Aider: Modell auswählen und verbinden

Vom Team von BroadNet Inference · 6 Min. Lesezeit · Veröffentlicht 2026-11-14

Das beste Modell für Aider hält sich zuverlässig an das Edit-Format, fasst Ihre Repository-Map im Kontext und ist günstig genug für den ganztägigen Einsatz. Aider verbindet sich mit jeder OpenAI-kompatiblen API: Setzen Sie OPENAI\_API\_BASE auf https://inference.broadnet.ai/v1, setzen Sie OPENAI\_API\_KEY und starten Sie aider --model openai/broadnet/deepseek-v4.1-flash. Mit einem Full-Moon-Plan läuft für dieses Modell kein Token-Zähler.

## Das Wichtigste in Kürze

-   Aider bearbeitet Dateien über textbasierte Edit-Formate (whole, diff, udiff). Ein Modell muss also das Format einhalten, nicht nur guten Code schreiben.
-   Jeder OpenAI-kompatible Endpoint funktioniert: OPENAI\_API\_BASE plus OPENAI\_API\_KEY, dann --model openai/<model-id>.
-   DeepSeek V4.1 Flash hat einen Kontext von 1.048.576 Tokens und ist das einzige Modell in den unbegrenzten Plänen.
-   Aider sendet Repo-Map und Chatverlauf in jedem Zug erneut, deshalb dominieren Input-Tokens eine Rechnung pro Token.
-   Testen Sie ein Modell eine Stunde lang an Ihrem eigenen Repository, bevor Sie sich festlegen.

**Auf dieser Seite**

1.  Was braucht Aider von einem Modell?
2.  Wie vergleichen Sie Modelle an Ihrem eigenen Code?
3.  Wie verbinden Sie Aider mit einer OpenAI-kompatiblen API?
4.  Welche BroadNet-Modelle passen zu Aider?
5.  Sollten Sie den Architect-Modus mit zwei Modellen nutzen?
6.  Ist Aider pro Token oder mit einer Flatrate günstiger?
7.  Welche Aider-Einstellungen sparen Züge?
8.  Wie testen Sie ein Modell, bevor Sie sich festlegen?

Aider ist ein Pair-Programmer für das Terminal: Sie fügen Dateien zum Chat hinzu, beschreiben eine Änderung, und Aider bearbeitet die Dateien und committet das Ergebnis in Git. Es ist modellunabhängig. Das ist seine Stärke und zugleich die erste Frage: Welches Modell sollten Sie anschließen?

Die eine richtige Antwort gibt es nicht, wohl aber einen richtigen Weg zur Entscheidung. Dieser Beitrag zeigt, was Aider tatsächlich von einem Modell verlangt, wie Sie Kandidaten vergleichen und wie Sie jede OpenAI-kompatible API mit zwei Umgebungsvariablen anbinden.

## Was braucht Aider von einem Modell?

Aider nutzt zum Bearbeiten von Dateien kein Tool Calling über die API. Es weist das Modell an, in einem **Edit-Format** zu antworten, parst die Antwort und wendet sie an. Die Dokumentation nennt mehrere Formate:

| Edit-Format | Was das Modell zurückgibt | Geeignet für |
| --- | --- | --- |
| `whole` | Den vollständigen neuen Inhalt jeder geänderten Datei | Kleine Dateien, schwächere Modelle |
| `diff` | Search-and-Replace-Blöcke für die geänderten Stellen | Die meisten Modelle, die meisten Repos |
| `diff-fenced` | Dasselbe, mit dem Dateipfad innerhalb des Code-Fence | Modelle, die Pfade falsch platzieren |
| `udiff` | Einen vereinfachten Unified Diff | Modelle, die bei `diff` abdriften |

Ein gutes Modell für Aider braucht daher vier Dinge:

1.  **Disziplin beim Format.** Passt der Suchblock nicht exakt zur Datei, schlägt die Änderung fehl, und Aider fragt erneut. Jeder Retry ist eine weitere vollständige Anfrage.
2.  **Platz im Kontext.** Aider sendet eine Repository-Map (eine kompakte Übersicht der Symbole im ganzen Repo), die hinzugefügten Dateien und den bisherigen Chat. Bei einer großen Codebasis sind das Zehntausende Tokens pro Zug.
3.  **Reasoning, das ins Budget passt.** Reasoning-Modelle denken vor der Antwort nach, und dieses Nachdenken zählt zu `max_tokens`. Ein zu kleines Limit führt zu einer leeren Antwort.
4.  **Einen Preis, bei dem Sie es laufen lassen können.** Aider ist von Natur aus gesprächig. Die Kosten pro Stunde echter Arbeit zählen mehr als die Kosten pro Token auf einer Preisseite.

Die eigenen [Leaderboards](https://aider.chat/docs/leaderboards/) von Aider messen, wie oft Modelle Programmieraufgaben in seinen Edit-Formaten erfolgreich lösen. Sie sind ein nützlicher erster Filter, doch Ihr Repository, Ihre Sprache und Ihre Gewohnheiten verschieben das Ergebnis. Behandeln Sie jeden Benchmark als Vorauswahl, nicht als Urteil.

## Wie vergleichen Sie Modelle an Ihrem eigenen Code?

Ein praktischer Test dauert etwa eine Stunde:

1.  Wählen Sie fünf echte Aufgaben aus Ihrem Backlog: einen Bugfix, ein kleines Feature, ein Refactoring über zwei Dateien, einen zu schreibenden Test und eine Doku-Aktualisierung.
2.  Lassen Sie jedes Kandidatenmodell dieselben Aufgaben ab demselben Git-Commit bearbeiten, mit einem Branch pro Modell.
3.  Notieren Sie pro Aufgabe drei Dinge: Wurde sie fertig, wie viele Züge waren nötig, und wie viele Änderungen ließen sich nicht anwenden?
4.  Lesen Sie die Diffs. Ein Modell, das mit einer ausufernden Änderung „fertig“ wird, ist schlechter als eines, das einen Zug mehr braucht, aber klein bleibt.

In fehlgeschlagenen Änderungen und zusätzlichen Zügen verstecken sich die Kosten. Ein Modell mit niedrigem Preis pro Token, das drei Anläufe pro Änderung braucht, kann mehr kosten als ein teureres, das es beim ersten Mal richtig macht.

## Wie verbinden Sie Aider mit einer OpenAI-kompatiblen API?

Das [OpenAI-kompatible Setup](https://aider.chat/docs/llms/openai-compat.html) von Aider braucht eine Basis-URL, einen Schlüssel und einen Modellnamen mit dem Präfix `openai/`:

```bash
export OPENAI_API_BASE=https://inference.broadnet.ai/v1
export OPENAI_API_KEY="$BROADNET_API_KEY"

cd /path/to/your/repo
aider --model openai/broadnet/deepseek-v4.1-flash
```

Das Präfix `openai/` weist Aider (über LiteLLM) an, das OpenAI-Wire-Format gegen Ihre Basis-URL zu verwenden. Alles nach dem Präfix ist die Modell-ID des Anbieters, einschließlich Schrägstrich. Die Schritt-für-Schritt-Version, auch für Windows, steht in der [Aider-Anleitung](https://broadrouter.com/de/guides/aider-unlimited-deepseek/).

Um die Einstellungen dauerhaft zu machen, tragen Sie sie in `.aider.conf.yml` in Ihrem Home-Verzeichnis oder im Repo-Root ein:

```yaml
openai-api-base: https://inference.broadnet.ai/v1
model: openai/broadnet/deepseek-v4.1-flash
```

Lassen Sie den Schlüssel in der Umgebung, statt ihn in eine Datei zu schreiben, die Sie versehentlich committen könnten.

### Die Warnung zum unbekannten Modell abschalten

Aider kennt Kontextgrößen und Preise nur für verbreitete Modelle. Bei anderen gibt es eine Warnung aus. Laut Doku können Sie sie meist ignorieren, weil Aider „never enforces token limits“ (Übersetzung: niemals Token-Limits durchsetzt); es meldet nur die Fehler des Anbieters. Um ihm genaue Zahlen zu geben, legen Sie `.aider.model.metadata.json` in Ihrem Home-Verzeichnis, im Repo-Root oder im Startverzeichnis an:

```json
{
  "openai/broadnet/deepseek-v4.1-flash": {
    "max_input_tokens": 1048576,
    "max_output_tokens": 32000,
    "litellm_provider": "openai",
    "mode": "chat"
  }
}
```

Der Output-Wert dort ist eine Einstellung, die Sie selbst wählen, kein veröffentlichtes Limit. Lassen Sie Platz für Reasoning.

## Welche BroadNet-Modelle passen zu Aider?

BroadNet Inference bietet drei Chat-Modelle, die sich für Programmierarbeit eignen. Preise pro 1 Mio. Tokens, aus der veröffentlichten Preisdatei:

| Modell | Kontext | Input | Gecachter Input | Output |
| --- | --- | --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/de/models/deepseek-v4.1-flash/) | 1.048.576 | $0.175 | $0.0055 | $0.52 |
| [GLM 5.3](https://broadrouter.com/de/models/glm-5.3/) | 1.048.576 | $0.78 | $0.173 | $3.46 |
| [Qwen3.8 27B](https://broadrouter.com/de/models/qwen3.8-27b/) | 262.144 | $0.175 | $0.0435 | $2.17 |

Alle drei denken vor der Antwort nach. BroadNet Gemma 4 VL 26B hat einen Kontext von 32.768 Tokens. Für die Repo-Map von Aider plus mehrere Dateien ist das knapp, deshalb ist es für leichtere Aufgaben besser geeignet.

**DeepSeek V4.1 Flash** ist hier aus einem einfachen Grund die Standardwahl: Es ist das einzige Modell in den unbegrenzten Plänen von BroadNet. Eine Full-Moon-Session kostet $60 im Monat ohne Token-Zähler, und die Gewohnheit von Aider, in jedem Zug den Kontext erneut zu senden, ist dann kein Kostenproblem mehr. Dank des Fensters von 1 Mio. Tokens können Sie außerdem mehr Dateien als üblich hinzufügen, ohne zu kürzen.

**GLM 5.3** kostet pro Output-Token mehr. Es lohnt einen Versuch per Pay-as-you-go als Architect-Modell für schwierige Designschritte, bei denen die Qualität pro Zug wichtiger ist als die Menge.

**Qwen3.8 27B** hat denselben Input-Preis wie Flash und einen Kontext von 262K. Es ist ein vernünftiges zweites Modell, wenn Sie das Verhalten an Ihrer Codebasis vergleichen wollen.

## Sollten Sie den Architect-Modus mit zwei Modellen nutzen?

Der [Architect-Modus](https://aider.chat/docs/usage/modes.html) von Aider teilt einen Zug in zwei: Ein Architect-Modell plant die Änderung, und ein Editor-Modell setzt den Plan in Dateiänderungen um. So können Sie ein stärkeres Reasoning-Modell mit einem günstigeren Editor kombinieren, der das Format zuverlässig einhält:

```bash
aider --architect \
  --model openai/broadnet/glm-5.3 \
  --editor-model openai/broadnet/deepseek-v4.1-flash
```

Die Aider-Doku weist darauf hin, dass jeder Zug dann zwei LLM-Anfragen braucht. Bei einer Plan-Session betrifft das die Parallelität, nicht die Kosten: Die beiden Anfragen laufen nacheinander, eine Session reicht also für ein Aider-Fenster.

## Ist Aider pro Token oder mit einer Flatrate günstiger?

Beim Input-lastigen Traffic von Aider zahlt sich ein Pauschalpreis aus. Ein Coding-Agent sendet typischerweise weit mehr Input, als er zurückbekommt, und vieles davon wiederholt sich. Mit Prompt Caching wird wiederholter Input zum Preis für gecachten Input abgerechnet ($0.0055 pro 1 Mio. bei Flash). Der erste Hebel bei einem Schlüssel mit Abrechnung pro Token ist daher ein stabiles Prompt-Präfix. [Wie gecachter Input abgerechnet wird](https://broadrouter.com/de/blog/cached-input-tokens-explained/).

Der zweite Hebel ist der Plan. Das durchgerechnete Beispiel von BroadNet für einen Vollzeit-Coding-Agenten kommt per Pay-as-you-go auf etwa $65.40 im Monat, gegenüber $60 für eine Full-Moon-Session; für dieses Profil ist also Full Moon günstiger. Leichte, gelegentliche Nutzung ist der umgekehrte Fall. Setzen Sie Ihre eigenen Zahlen in den [Rechner Flatrate vs. pro Token](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) ein, oder lesen Sie [Flatrate vs. Abrechnung pro Token](https://broadrouter.com/de/blog/flat-rate-vs-pay-per-token-llm-api/). Weitere Kostenhebel für jeden Coding-Agenten finden Sie unter [10 Wege, die LLM-Kosten von Coding-Agenten zu senken](https://broadrouter.com/de/blog/cut-coding-agent-llm-costs/).

## Welche Aider-Einstellungen sparen Züge?

-   **Lassen Sie Platz für Reasoning.** Bekommt Aider eine leere Antwort, hat das Modell sein Output-Budget mit Nachdenken verbraucht. [Warum Antworten leer zurückkommen](https://broadrouter.com/de/guides/reasoning-tokens-empty-response/).
-   **Fügen Sie nur die Dateien hinzu, die sich ändern.** Die Repo-Map von Aider sagt dem Modell bereits, wo was liegt. Zusätzliche Dateien kosten Kontext und Aufmerksamkeit.
-   **Nutzen Sie `/clear` zwischen Aufgaben, die nichts miteinander zu tun haben.** Alter Chatverlauf ist in jedem Zug Input.
-   **Lassen Sie Auto-Commits eingeschaltet.** Jede Änderung von Aider wird zu einem Git-Commit, sodass `/undo` nur einen Befehl entfernt ist, wenn ein Modell danebenliegt.
-   **Ein Fenster pro Session.** Zwei Aider-Fenster in einer Plan-Session wechseln sich ab. Kaufen Sie eine zweite Session, wenn Sie in zwei Repos gleichzeitig arbeiten; siehe [parallele Coding-Agenten betreiben](https://broadrouter.com/de/blog/run-parallel-coding-agents-flat-rate/).

## Wie testen Sie ein Modell, bevor Sie sich festlegen?

Der günstigste Test ist eine Meteor-Stunde für $1: eine Stunde unbegrenzt DeepSeek V4.1 Flash, genug für den oben beschriebenen Vergleich mit fünf Aufgaben. Neue Konten erhalten außerdem $5 Startguthaben, das unter den Chat-Modellen aber nur BroadNet Gemma 4 VL 26B abdeckt; DeepSeek V4.1 Flash, GLM 5.3 und Qwen3.8 27B brauchen eine Aufladung oder einen Plan. Alle Modelle stehen auf der [Modellseite](https://broadrouter.com/de/models/). Wenn Sie noch zwischen Agenten statt zwischen Modellen wählen, lesen Sie [Cline vs. Roo Code vs. Aider](https://broadrouter.com/de/blog/cline-vs-roo-code-vs-aider/).

Kostenlose Tools zum Thema (auf Englisch)

-   [Agent run cost estimator](https://broadrouter.com/tools/agent-run-cost-estimator/) Context growth per step, total tokens and cost of one agent run, with a DeepSeek session comparison.
-   [LLM batch job planner](https://broadrouter.com/tools/llm-batch-job-planner/) Run time, binding limit, cost per model and the flat sessions needed to finish a big job by a deadline.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [LLM rate limit and concurrency calculator](https://broadrouter.com/tools/llm-rate-limit-calculator/) Which limit binds first: RPM, TPM or concurrency, with Little's law.

[Kostenlose Tools (auf Englisch)](https://broadrouter.com/tools/)

## Begriffe in diesem Artikel

[Token](https://broadrouter.com/de/glossary/token/)

Ein Token ist die Texteinheit, die ein Sprachmodell liest und schreibt: ein Wort, ein Wortteil, ein Satzzeichen oder eine Bytefolge, die der Tokenizer des Modells erzeugt. LLM-APIs zählen, begrenzen und berechnen die Nutzung meist in Tokens.

[Pay-as-you-go](https://broadrouter.com/de/glossary/pay-as-you-go/)

Pay-as-you-go ist ein Preismodell, bei dem Sie nur für tatsächliche Nutzung zahlen, gemessen pro Einheit wie Tokens, Anfragen oder Audiominuten, ohne Abonnement oder Mindestabnahme. Die meisten LLM-APIs rechnen so ab, aus einem vorausbezahlten Guthaben oder per regelmäßiger Rechnung.

[Gecachte Input-Tokens (Cached Input Tokens)](https://broadrouter.com/de/glossary/cached-input-tokens/)

Gecachte Input-Tokens sind Prompt-Tokens, die ein LLM-Anbieter kürzlich verarbeitet hat und aus einem Cache wiederverwenden kann, statt sie neu zu berechnen, meist ein wiederholtes Präfix wie ein System-Prompt oder ein Dokument. Anbieter berechnen sie günstiger als neue Input-Tokens.

[Tool Calling (Function Calling)](https://broadrouter.com/de/glossary/tool-calling/)

Tool Calling, auch Function Calling genannt, ist eine Funktion von LLM-APIs, bei der das Modell eine strukturierte Anfrage zurückgibt, eine vom Entwickler definierte Funktion mit JSON-Argumenten auszuführen. Die Anwendung führt die Funktion aus und sendet das Ergebnis zurück; das Modell selbst führt nie Code aus.

[LLM-Flatrate (Flat-rate LLM plan)](https://broadrouter.com/de/glossary/flat-rate-llm-plan/)

Eine LLM-Flatrate ist ein Plan, der für den Zugang zu einer Sprachmodell-API einen Festpreis pro Zeitraum, etwa pro Monat, berechnet statt pro Token. Solche Pläne begrenzen meist etwas anderes, etwa Parallelität, Geschwindigkeit, Modelle oder Nutzungsfenster. Die Limits zählen also so viel wie der Preis.

[Basis-URL (Base URL)](https://broadrouter.com/de/glossary/base-url/)

Eine Basis-URL ist die feste Stammadresse einer API, etwa https://api.example.com/v1, die ein Client vor jeden Endpoint-Pfad wie /chat/completions setzt. In OpenAI-kompatiblen SDKs lenkt eine geänderte Basis-URL, zusammen mit API-Schlüssel und Modell-ID, denselben Code zu einem anderen Anbieter.

[Kontextfenster (Context Window)](https://broadrouter.com/de/glossary/context-window/)

Das Kontextfenster ist die maximale Anzahl an Tokens, mit der ein Sprachmodell in einer einzelnen Anfrage arbeiten kann. Es umfasst Prompt, Gesprächsverlauf, Tool-Definitionen, Bilder und den erzeugten Output einschließlich Reasoning-Tokens. Was nicht hineinpasst, muss gekürzt, zusammengefasst oder auf mehrere Anfragen verteilt werden.

[Concurrency (Parallelität)](https://broadrouter.com/de/glossary/concurrency/)

Concurrency (Parallelität) ist die Zahl der Anfragen, die ein Client gleichzeitig offen hat. LLM-APIs begrenzen sie oft pro Schlüssel oder Plan, getrennt von den Anfragen pro Minute, weil jede offene Anfrage GPU-Kapazität belegt, bis ihre Antwort fertig ist.

## Häufige Fragen

### Braucht Aider ein Modell mit Tool Calling?

Nein. Aider bittet das Modell, Änderungen in einem Textformat zurückzugeben, etwa als Search-and-Replace-Diff, und wendet sie dann selbst an. Entscheidend ist, dass das Modell dieses Format konsequent einhält.

### Warum warnt Aider, dass es mein Modell nicht kennt?

Aider liefert Metadaten nur für verbreitete Modelle mit. Bei allen anderen warnt es vor unbekannter Kontextgröße und unbekannten Kosten. Sie können die Warnung ignorieren oder einen Eintrag in .aider.model.metadata.json anlegen.

### Mit welchem BroadNet-Modell sollte ich in Aider anfangen?

Mit DeepSeek V4.1 Flash, weil es einen Kontext von 1 Mio. Tokens und niedrige Preise pro Token hat und das einzige Modell ist, das Sie mit einem unbegrenzten Plan nutzen können. Probieren Sie GLM 5.3 oder Qwen3.8 27B per Pay-as-you-go, wenn Sie bei schwierigen Änderungen eine zweite Meinung wollen.

### Wie nutze ich ein eigenes OpenAI-kompatibles Modell in Aider?

Setzen Sie OPENAI\_API\_BASE auf die Basis-URL des Anbieters und OPENAI\_API\_KEY auf Ihren Schlüssel und starten Sie aider mit --model, gefolgt von openai/ und der Modell-ID; laut Aider-Doku gehört dieses Präfix openai/ dazu. Unter Windows nutzen Sie setx und starten die Shell neu.

### Kann ich zwei Aider-Fenster mit einer Plan-Session betreiben?

Ja, aber eine Session verarbeitet eine Anfrage gleichzeitig. Das zweite Fenster wartet also, während das erste mit dem Modell spricht. Kaufen Sie eine Session pro Fenster, das gleichzeitig arbeitet.

## Weiterlesen

-   [Parallele Coding-Agenten mit einer LLM-API-Flatrate betreiben](https://broadrouter.com/de/blog/run-parallel-coding-agents-flat-rate/)
-   [LLM-API: Flatrate oder Abrechnung pro Token? Die Break-even-Rechnung](https://broadrouter.com/de/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Gecachte Input-Tokens: So senken Sie die Rechnung Ihrer LLM-API](https://broadrouter.com/de/blog/cached-input-tokens-explained/)
-   [Coding-Agenten sicher und unbeaufsichtigt über Nacht laufen lassen](https://broadrouter.com/de/blog/overnight-coding-agent-runs/)
-   [Kosten eines KI-Coding-Agent-Laufs: Schritte, Kontext, Caching](https://broadrouter.com/de/blog/ai-coding-agent-run-cost/)
-   [Claude Code mit offenen Modellen: Proxys, native Endpoints, Grenzen](https://broadrouter.com/de/blog/claude-code-with-openai-compatible-models/)
-   [Anleitung: Aider mit unbegrenztem DeepSeek V4.1 Flash betreiben](https://broadrouter.com/de/guides/aider-unlimited-deepseek/)
-   [Anleitung: Warum ein Reasoning-Modell eine leere Antwort liefert](https://broadrouter.com/de/guides/reasoning-tokens-empty-response/)
-   [Anleitung: So funktionieren die unbegrenzten LLM-API-Pläne für Agenten](https://broadrouter.com/de/guides/unlimited-llm-api-sessions/)

Testen Sie es mit Ihrem echten Workload. Neue Konten starten mit USD 5 Guthaben für Gemma und Transkription. DeepSeek, GLM und Qwen3.8 erfordern eine Aufladung.

[Loslegen](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-best-llm-for-aider&utm_content=page-cta) ·

**Quellen**

-   [Aider-Dokumentation, OpenAI-kompatible APIs (abgerufen am 2026-11-14)](https://aider.chat/docs/llms/openai-compat.html)
-   [Aider-Dokumentation, Edit-Formate (abgerufen am 2026-11-14)](https://aider.chat/docs/more/edit-formats.html)
-   [Aider-Dokumentation, erweiterte Modelleinstellungen und Modell-Metadaten (abgerufen am 2026-11-14)](https://aider.chat/docs/config/adv-model-settings.html)
-   [Aider-Dokumentation, Chat-Modi und Architect-Modus (abgerufen am 2026-11-14)](https://aider.chat/docs/usage/modes.html)
-   [LLM-Leaderboards von Aider (abgerufen am 2026-11-14)](https://aider.chat/docs/leaderboards/)
-   [API-Referenz von BroadNet Inference (abgerufen am 2026-11-14) (auf Englisch)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-best-llm-for-aider&utm_content=sources)
