Aider adalah pair programmer di terminal: Anda menambahkan file ke chat, menjelaskan perubahan, lalu Aider mengedit file dan meng-commit hasilnya ke git. Aider tidak terikat pada model tertentu, dan itu sekaligus kekuatannya dan pertanyaan pertamanya. Model mana yang sebaiknya dipasang?
Tidak ada satu jawaban yang benar, tetapi ada cara yang benar untuk memutuskan. Tulisan ini membahas apa yang sebenarnya dibutuhkan Aider dari sebuah model, cara membandingkan kandidat, dan cara menghubungkan API kompatibel OpenAI apa pun dengan dua environment variable.
Apa yang dibutuhkan Aider dari sebuah model?
Aider tidak memakai tool calling API untuk mengedit file. Ia menyuruh model membalas dalam sebuah format edit, lalu mem-parse balasan itu dan menerapkannya. Dokumentasinya mencantumkan beberapa format:
| Format edit | Yang dikembalikan model | Cocok untuk |
|---|---|---|
whole |
Isi baru lengkap dari setiap file yang berubah | File kecil, model yang lebih lemah |
diff |
Blok search-and-replace untuk bagian yang berubah | Kebanyakan model, kebanyakan repo |
diff-fenced |
Sama, dengan path file di dalam fence | Model yang salah menaruh path |
udiff |
Unified diff yang disederhanakan | Model yang melenceng di diff |
Jadi model yang bagus untuk Aider butuh empat hal:
- Disiplin format. Jika blok search tidak cocok persis dengan file, edit gagal dan Aider bertanya lagi. Setiap retry adalah satu permintaan penuh lagi.
- Ruang konteks. Aider mengirim repository map (ringkasan padat simbol-simbol di seluruh repo), file yang Anda tambahkan, dan chat sejauh ini. Di codebase besar, itu puluhan ribu token per giliran.
- Penalaran yang muat dalam anggaran. Model penalaran berpikir sebelum menjawab, dan proses berpikir itu dihitung ke
max_tokens. Batas yang terlalu kecil menghasilkan balasan kosong. - Harga yang aman dibiarkan menyala. Aider memang dirancang cerewet. Biaya per jam kerja nyata lebih penting daripada biaya per token di halaman harga.
Leaderboard milik Aider sendiri mengukur seberapa sering model menyelesaikan latihan coding dalam format edit-nya. Leaderboard ini berguna sebagai saringan pertama, tetapi repositori, bahasa, dan kebiasaan Anda akan menggeser hasilnya. Anggap benchmark apa pun sebagai daftar pendek, bukan vonis.
Bagaimana membandingkan model di kode Anda sendiri?
Tes praktis memakan waktu sekitar satu jam:
- Pilih lima tugas nyata dari backlog Anda: perbaikan bug, fitur kecil, refactor di dua file, tes yang perlu ditulis, dan pembaruan dokumentasi.
- Jalankan setiap kandidat model pada tugas yang sama dari git commit yang sama, dengan satu branch per model.
- Catat tiga hal per tugas: apakah selesai, berapa giliran yang dibutuhkan, dan berapa edit yang gagal diterapkan.
- Baca diff-nya. Model yang “selesai” dengan perubahan yang melebar ke mana-mana lebih buruk daripada model yang butuh satu giliran lagi tetapi tetap ringkas.
Edit yang gagal dan giliran tambahan adalah tempat biaya bersembunyi. Model dengan harga per token rendah yang butuh tiga percobaan per edit bisa lebih mahal daripada model yang lebih mahal tetapi benar sejak percobaan pertama.
Bagaimana menghubungkan Aider ke API kompatibel OpenAI?
Setup kompatibel OpenAI di Aider butuh base URL, kunci, dan nama model dengan awalan 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
Awalan openai/ memberi tahu Aider (lewat LiteLLM) untuk memakai format wire OpenAI terhadap base URL Anda. Semua yang ada setelah awalan itu adalah ID model dari penyedia, termasuk garis miringnya. Versi langkah demi langkah, termasuk untuk Windows, ada di panduan Aider.
Agar permanen, taruh pengaturan yang sama di .aider.conf.yml di direktori home atau root repo Anda:
openai-api-base: https://inference.broadnet.ai/v1
model: openai/broadnet/deepseek-v4.1-flash
Simpan kunci di environment, bukan di file yang mungkin ikut ter-commit.
Membungkam peringatan model tak dikenal
Aider hanya mengetahui ukuran konteks dan harga model-model populer. Untuk model lain, ia menampilkan peringatan. Dokumentasinya menyebut peringatan itu biasanya bisa diabaikan, karena Aider “never enforces token limits” (Terjemahan BroadRouter: tidak pernah memberlakukan batas token); ia hanya melaporkan error dari penyedia. Untuk memberinya angka yang akurat, tambahkan .aider.model.metadata.json di direktori home, root repo, atau direktori tempat Anda menjalankannya:
{
"openai/broadnet/deepseek-v4.1-flash": {
"max_input_tokens": 1048576,
"max_output_tokens": 32000,
"litellm_provider": "openai",
"mode": "chat"
}
}
Angka output di situ adalah pengaturan yang Anda pilih sendiri, bukan batas yang dipublikasikan. Sisakan ruang untuk penalaran.
Model BroadNet mana yang cocok untuk Aider?
BroadNet Inference menyajikan tiga model chat yang cocok untuk pekerjaan coding. Harga per 1 juta token, dari file harga yang dipublikasikan:
| Model | Konteks | Input | Input cache | 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 |
Ketiganya bernalar sebelum menjawab. BroadNet Gemma 4 VL 26B punya konteks 32.768 token, yang sempit untuk repo map Aider plus beberapa file, jadi lebih baik dipakai untuk pekerjaan yang lebih ringan.
DeepSeek V4.1 Flash menjadi pilihan default di sini karena alasan sederhana: ia satu-satunya model di paket unlimited BroadNet. Satu sesi Full Moon berharga $60 per bulan tanpa meteran token, dan kebiasaan Aider mengirim ulang konteks setiap giliran tidak lagi menjadi masalah biaya. Jendela 1 juta token-nya juga berarti Anda bisa menambahkan lebih banyak file dari biasanya tanpa perlu memangkas.
GLM 5.3 lebih mahal per token output. Model ini layak dicoba dengan bayar sesuai pemakaian sebagai model architect untuk langkah desain yang sulit, di mana kualitas per giliran lebih penting daripada volume.
Qwen3.8 27B punya harga input yang sama dengan Flash dan konteks 262K. Model ini pilihan kedua yang masuk akal jika Anda ingin membandingkan perilakunya di codebase Anda.
Perlukah memakai mode architect dengan dua model?
Mode architect di Aider membagi satu giliran menjadi dua: model architect merencanakan perubahan, dan model editor mengubah rencana itu menjadi edit file. Ini memungkinkan Anda memasangkan model penalaran yang lebih kuat dengan editor yang lebih murah dan andal dalam format:
aider --architect \
--model openai/broadnet/glm-5.3 \
--editor-model openai/broadnet/deepseek-v4.1-flash
Dokumentasi Aider mencatat bahwa setiap giliran kini memakai dua permintaan LLM. Pada sesi paket, ini berpengaruh pada konkurensi, bukan biaya: kedua permintaan berjalan berurutan, jadi satu sesi cukup untuk satu jendela Aider.
Aider lebih murah per token atau dengan paket harga tetap?
Lalu lintas Aider yang berat di input adalah tempat harga tetap terbayar. Agen coding biasanya mengirim jauh lebih banyak input daripada yang diterimanya, dan sebagian besar input itu berulang. Dengan prompt caching, input yang berulang ditagih dengan tarif cache ($0.0055 per 1 juta token di Flash), jadi tuas pertama pada kunci per token adalah prefiks prompt yang stabil. Cara input cache ditagih.
Tuas kedua adalah paket. Contoh hitungan BroadNet untuk agen coding penuh waktu mencapai sekitar $65.40 per bulan dengan bayar sesuai pemakaian, dibandingkan $60 untuk satu sesi Full Moon, jadi untuk profil itu yang lebih murah adalah: Full Moon. Pemakaian ringan yang sesekali adalah kasus sebaliknya. Masukkan angka Anda sendiri ke kalkulator harga tetap vs per token, atau baca harga tetap vs bayar per token. Untuk tuas biaya lain yang berlaku bagi agen coding apa pun, lihat 10 cara menekan biaya LLM agen coding.
Pengaturan Aider mana yang menghemat giliran?
- Sisakan ruang untuk penalaran. Jika Aider mendapat balasan kosong, model sudah menghabiskan anggaran output-nya untuk berpikir. Kenapa jawaban kembali kosong.
- Tambahkan hanya file yang berubah. Repo map Aider sudah memberi tahu model letak semuanya. File tambahan memakan konteks dan perhatian.
- Pakai
/cleardi antara tugas yang tidak berhubungan. Riwayat chat lama menjadi input di setiap giliran. - Biarkan auto-commit tetap aktif. Setiap edit Aider menjadi git commit, jadi
/undohanya berjarak satu perintah saat model salah arah. - Satu jendela per sesi. Dua jendela Aider dalam satu sesi paket akan bergantian. Beli sesi kedua jika Anda bekerja di dua repo sekaligus; lihat menjalankan agen coding paralel.
Bagaimana menguji model sebelum memutuskan?
Tes termurah adalah satu jam Meteor seharga $1: DeepSeek V4.1 Flash unlimited selama satu jam, cukup untuk menjalankan perbandingan lima tugas di atas. Akun baru juga mendapat kredit awal $5, tetapi di antara model chat kredit itu hanya mencakup BroadNet Gemma 4 VL 26B; DeepSeek V4.1 Flash, GLM 5.3, dan Qwen3.8 27B butuh top up atau paket. Semua model tercantum di halaman model. Jika Anda masih memilih agen, bukan model, baca Cline vs Roo Code vs Aider.
