Ang Aider ay pair programmer sa terminal: nagdadagdag ka ng mga file sa chat, inilalarawan ang pagbabago, at ine-edit nito ang mga file at kina-commit ang resulta sa git. Hindi ito nakatali sa isang model, at iyon ang lakas nito at ang unang tanong nito. Aling model ang dapat mong ikabit?
Walang iisang tamang sagot, pero may tamang paraan ng pagpapasya. Tinatalakay ng post na ito kung ano talaga ang hinihingi ng Aider sa model, paano ikumpara ang mga kandidato, at paano ikonekta ang kahit anong OpenAI-compatible API gamit ang dalawang environment variable.
Ano ang kailangan ng Aider sa isang model?
Hindi gumagamit ang Aider ng tool calling ng API para mag-edit ng file. Sinasabihan nito ang model na sumagot sa isang edit format, saka pina-parse ang sagot at ina-apply. Ilan ang nakalista sa dokumentasyon nito:
| Edit format | Ano ang ibinabalik ng model | Bagay para sa |
|---|---|---|
whole |
Ang buong bagong laman ng bawat binagong file | Maliliit na file, mas mahihinang model |
diff |
Mga search-and-replace block para sa mga binagong bahagi | Karamihan ng model, karamihan ng repo |
diff-fenced |
Pareho, pero nasa loob ng fence ang file path | Mga model na nagkakamali sa path |
udiff |
Pinasimpleng unified diff | Mga model na lumilihis sa diff |
Kaya apat na bagay ang kailangan ng mahusay na model para sa Aider:
- Disiplina sa format. Kung hindi eksaktong tugma ang search block sa file, pumapalya ang edit at nagtatanong ulit ang Aider. Bawat retry ay isa na namang buong request.
- Puwang sa context. Nagpapadala ang Aider ng repository map (maikling buod ng mga symbol sa buong repo), ng mga file na idinagdag mo at ng chat hanggang ngayon. Sa malaking codebase, sampu-sampung libong token iyan kada turn.
- Reasoning na kasya sa budget. Nag-iisip muna ang mga reasoning model bago sumagot, at binibilang ang pag-iisip na iyon sa
max_tokens. Kapag masyadong maliit ang limit, walang laman ang sagot. - Presyong kaya mong iwanang tumatakbo. Madaldal ang Aider sa disenyo pa lang. Mas mahalaga ang gastos kada oras ng totoong trabaho kaysa sa gastos kada token sa pricing page.
Sinusukat ng sariling leaderboard ng Aider kung gaano kadalas natatapos ng mga model ang coding exercise sa mga edit format nito. Kapaki-pakinabang itong unang salaan, pero mababago ng repository, wika at gawi mo ang resulta. Ituring ang kahit anong benchmark bilang shortlist, hindi hatol.
Paano ikumpara ang mga model sa sarili mong code?
Mga isang oras ang praktikal na test:
- Pumili ng limang totoong task mula sa backlog mo: isang bug fix, isang maliit na feature, isang refactor sa dalawang file, isang test na isusulat at isang update sa docs.
- Patakbuhin ang bawat kandidatong model sa parehong mga task mula sa parehong git commit, isang branch kada model.
- Itala ang tatlong bagay kada task: natapos ba ito, ilang turn ang kinailangan, at ilang edit ang hindi na-apply.
- Basahin ang mga diff. Mas masama ang model na “natatapos” na may malawak at magulong pagbabago kaysa sa model na kailangan ng isa pang turn pero nananatiling maliit.
Sa mga pumalyang edit at dagdag na turn nagtatago ang gastos. Ang model na mababa ang per-token na presyo pero tatlong subok ang kailangan kada edit ay puwedeng mas mahal kaysa sa mas mahal na model na tama na sa unang subok.
Paano ikonekta ang Aider sa OpenAI-compatible API?
Kailangan ng OpenAI-compatible na setup ng Aider ang base URL, key, at pangalan ng model na may prefix na openai/:
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
Sinasabi ng prefix na openai/ sa Aider (sa pamamagitan ng LiteLLM) na gamitin ang OpenAI wire format laban sa base URL mo. Lahat ng kasunod ng prefix ay ang model ID ng provider, kasama ang slash. Nasa guide para sa Aider ang step-by-step na bersyon, kasama ang Windows.
Para gawin itong permanente, ilagay ang parehong setting sa .aider.conf.yml sa home directory o root ng repo mo:
openai-api-base: https://inference.broadnet.ai/v1
model: openai/broadnet/deepseek-v4.1-flash
Itago ang key sa environment, hindi sa file na baka ma-commit mo.
Pagpapatahimik sa babala tungkol sa hindi kilalang model
Alam ng Aider ang laki ng context at presyo ng mga sikat na model lang. Para sa iba, nagpi-print ito ng babala. Sabi ng docs nito, kadalasan ay puwede mo itong balewalain, dahil ang Aider ay “never enforces token limits” (salin: hindi kailanman nagpapatupad ng token limit); iniuulat lang nito ang mga error ng provider. Para bigyan ito ng tumpak na numero, magdagdag ng .aider.model.metadata.json sa home directory, root ng repo o launch directory mo:
{
"openai/broadnet/deepseek-v4.1-flash": {
"max_input_tokens": 1048576,
"max_output_tokens": 32000,
"litellm_provider": "openai",
"mode": "chat"
}
}
Setting na ikaw ang pumipili ang numero ng output diyan, hindi inilathalang limit. Mag-iwan ng puwang para sa reasoning.
Aling mga model ng BroadNet ang bagay sa Aider?
Tatlong chat model na bagay sa coding ang sine-serve ng BroadNet Inference. Kada 1M token ang presyo, mula sa inilathalang price file:
| Model | Context | Input | Cached input | Output |
|---|---|---|---|---|
| DeepSeek V4.1 Flash | 1,048,576 | $0.175 | $0.0055 | $0.52 |
| GLM 5.3 | 1,048,576 | $0.78 | $0.173 | $3.46 |
| Qwen3.8 27B | 262,144 | $0.175 | $0.0435 | $2.17 |
Nagre-reason muna ang tatlo bago sumagot. May 32,768-token na context ang BroadNet Gemma 4 VL 26B, na masikip para sa repo map ng Aider at ilang file, kaya mas mabuting ilaan ito sa mas magagaang trabaho.
Ang DeepSeek V4.1 Flash ang default na pili rito sa simpleng dahilan: ito lang ang model sa mga unlimited plan ng BroadNet. Ang Full Moon session ay $60 kada buwan, walang token meter, at hindi na problema sa gastos ang gawi ng Aider na ipadala ulit ang context kada turn. Dahil sa 1M-token na window nito, puwede ka ring magdagdag ng mas maraming file kaysa karaniwan nang hindi nagbabawas.
Mas mahal kada output token ang GLM 5.3. Sulit itong subukan sa pay-as-you-go bilang architect model para sa mahihirap na hakbang sa disenyo, kung saan mas mahalaga ang kalidad kada turn kaysa sa dami.
Kapareho ng Flash ang presyo ng input ng Qwen3.8 27B, at may 262K na context ito. Makatwirang pangalawang model ito kung gusto mong ikumpara ang kilos nito sa codebase mo.
Dapat mo bang gamitin ang architect mode na may dalawang model?
Hinahati ng architect mode ng Aider ang isang turn sa dalawa: pinaplano ng architect model ang pagbabago, at ginagawang file edit ng editor model ang plano. Sa ganitong paraan, mapapares mo ang mas malakas na reasoning model sa mas mura at maaasahan sa format na editor:
aider --architect \
--model openai/broadnet/glm-5.3 \
--editor-model openai/broadnet/deepseek-v4.1-flash
Sabi ng docs ng Aider, dalawang LLM request na ang ginagamit ng bawat turn. Sa plan session, concurrency ang apektado nito, hindi gastos: sunod-sunod na tumatakbo ang dalawang request, kaya sapat ang isang session para sa isang window ng Aider.
Mas mura ba ang Aider kada token o sa flat plan?
Ang input-heavy na traffic ng Aider ang kung saan sulit ang flat na presyo. Kadalasang mas marami ang input na ipinapadala ng coding agent kaysa sa natatanggap nito, at paulit-ulit ang malaking bahagi ng input na iyon. Sa prompt caching, sinisingil sa cached rate ang paulit-ulit na input ($0.0055 kada 1M sa Flash), kaya ang unang pingga sa per-token na key ay stable na prefix ng prompt. Paano sinisingil ang cached input.
Ang plan ang pangalawang pingga. Sa halimbawang kinuwenta ng BroadNet para sa full-time na coding agent, mga $65.40 kada buwan ito sa pay-as-you-go, laban sa $60 para sa Full Moon session, kaya Full Moon ang mas mura para sa profile na iyon. Kabaligtaran ang kaso ng magaan at paminsan-minsang paggamit. Ilagay ang sarili mong numero sa flat-rate vs per-token calculator, o basahin ang flat rate vs pay per token. Para sa iba pang pingga sa gastos na bagay sa kahit anong coding agent, tingnan ang 10 paraan para bawasan ang gastos sa LLM ng coding agent.
Aling mga setting ng Aider ang nakakatipid ng turn?
- Mag-iwan ng puwang para sa reasoning. Kung walang laman ang sagot na natanggap ng Aider, naubos ng model ang output budget nito sa pag-iisip. Bakit walang laman ang mga sagot.
- Idagdag lang ang mga file na babaguhin. Sinasabi na ng repo map ng Aider sa model kung nasaan ang mga bagay. Gastos sa context at atensyon ang mga sobrang file.
- Gamitin ang
/clearsa pagitan ng mga task na hindi magkaugnay. Input sa bawat turn ang lumang chat history. - Panatilihing naka-on ang auto-commit. Nagiging git commit ang bawat edit ng Aider, kaya isang command lang ang
/undokapag nagkamali ang model. - Isang window kada session. Nagsasalitan ang dalawang window ng Aider sa iisang plan session. Bumili ng pangalawang session kung sabay kang nagtatrabaho sa dalawang repo; tingnan ang pagpapatakbo ng sabay-sabay na coding agent.
Paano subukan ang model bago ka mag-commit?
Ang pinakamurang test ay isang oras na Meteor sa halagang $1: unlimited na DeepSeek V4.1 Flash nang isang oras, sapat para patakbuhin ang paghahambing ng limang task sa itaas. Makakatanggap din ang mga bagong account ng $5 na panimulang credit, pero sa mga chat model, BroadNet Gemma 4 VL 26B lang ang sakop nito; kailangan ng top-up o plan ang DeepSeek V4.1 Flash, GLM 5.3 at Qwen3.8 27B. Nakalista ang lahat ng model sa models page. Kung agent pa ang pinipili mo at hindi model, basahin ang Cline vs Roo Code vs Aider.
