---
title: "コーディングエージェント向けオープンモデルの選び方 | BroadRouter"
description: "コーディングエージェントには GLM 5.3、DeepSeek V4.1 Flash、Qwen3.8 27B、Gemma 4 のどれを使うべきか。ツール呼び出し、コンテキスト、推論、タスクあたりのコストで選びます。計算付き。"
url: https://broadrouter.com/ja/blog/best-open-model-for-coding-agents/
lang: ja
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

このページは英語の原文を AI の支援を受けて翻訳したものです。[英語の原文を読む](https://broadrouter.com/blog/best-open-model-for-coding-agents/)（2026-11-16 更新）。

# コーディングエージェントに最適なオープンモデル：ツール、コンテキスト、コストで選ぶ

BroadNet Inference チーム · 約 6 分で読めます · 公開日 2026-11-14 · 更新日 2026-11-16

ネイティブのツール呼び出しに依存するエージェント（opencode、Continue の Agent モード、Zoo Code）には、BroadNet では GLM 5.3 が最も無難です。ツール対応が明記され、1M コンテキストです。Aider や 1 日中動くエージェントなら、定額プランの DeepSeek V4.1 Flash が最安です。Qwen3.8 27B はスクリーンショットを扱う作業向けです。Gemma 4 VL 26B の 32K コンテキストは小さすぎます。

## 要点

-   まずツール呼び出しを確認してください。BroadNet がツール対応を明記しているのは GLM 5.3 と Qwen3.8 27B で、DeepSeek V4.1 Flash と Gemma 4 VL 26B にはありません。
-   コンテキストで、エージェントが見られるリポジトリの量が決まります。GLM 5.3 と DeepSeek V4.1 Flash は 1,048,576 トークン、Qwen3.8 27B は 262,144、Gemma 4 VL 26B は 32,768 です。
-   トークン単価ではなくタスク単価で考えてください。例のタスクでは、エージェントは書く量の 30 倍のトークンを読むので、入力とキャッシュ入力の単価が最も重要です。
-   公開価格では、例のタスク 1 件のコストは DeepSeek V4.1 Flash に比べ、GLM 5.3 で約 7 倍、Qwen3.8 27B で約 2.5 倍です。
-   決める前に、同じ実タスクを 2 つのモデルで実行してください。DeepSeek V4.1 Flash のテストなら、$1 の Meteor 1 時間で足ります。

**このページの内容**

1.  候補はどのモデルですか？
2.  テスト 1：エージェントにネイティブのツール呼び出しが必要か
3.  テスト 2：コンテキストは十分な大きさか
4.  テスト 3：タスク 1 件にいくらかかるか
5.  テスト 4：モデルはどれだけ考えるか
6.  結局どれを選ぶべきか
7.  BroadNet Inference の位置づけ

「コーディングに最適なオープンモデル」のリストの多くは、ベンチマークのスコアでモデルを順位付けしています。モデルファミリーを選ぶには役立ちますが、**自分の**エージェントで、**自分の**プロバイダー経由で、許容できるコストで動くのはどのモデルかはわかりません。この記事では、選択肢を BroadNet Inference が提供する 4 つのチャットモデルに絞り、ツール呼び出し、コンテキスト、推論、タスクあたりのコストという 4 つの実用的なテストで選びます。ここではベンチマークのスコアは公開せず、BroadNet のドキュメントと料金ファイルに書かれている内容だけを使います。

## 候補はどのモデルですか？

| モデル | ID | コンテキスト | ツール対応の明記 | 画像入力 | 先に推論する |
| --- | --- | --- | --- | --- | --- |
| [GLM 5.3](https://broadrouter.com/ja/models/glm-5.3/) | `broadnet/glm-5.3` | 1,048,576 | あり | なし | はい |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ja/models/deepseek-v4.1-flash/) | `broadnet/deepseek-v4.1-flash` | 1,048,576 | 記載なし | あり | はい |
| [Qwen3.8 27B](https://broadrouter.com/ja/models/qwen3.8-27b/) | `broadnet/qwen3.8-27b` | 262,144 | あり | あり | はい |
| [Gemma 4 VL 26B](https://broadrouter.com/ja/models/gemma-4-vl-26b/) | `broadnet/gemma-4-26b-a4b` | 32,768 | 記載なし | あり | 記載なし |

4 つとも[オープンウェイトモデル](https://broadrouter.com/ja/glossary/open-weight-model/)で、`https://inference.broadnet.ai/v1` の 1 つの [OpenAI 互換 API](https://broadrouter.com/ja/glossary/openai-compatible-api/) で提供されているので、エージェントの設定で 1 行変えるだけで切り替えられます。

## テスト 1：エージェントにネイティブのツール呼び出しが必要か

これが、モデルを候補に残すか外すかを決める質問です。[ツール呼び出し](https://broadrouter.com/ja/glossary/tool-calling/)は、エージェントがマシンにファイルの読み取り、コマンドの実行、編集の適用を頼む仕組みです。エージェントの使い方には 3 通りあります。

-   \*\*ネイティブのツール呼び出し。\*\*エージェントは `tools` の一覧を送り、`tool_calls` が返ってくることを期待します。Roo Code のドキュメント（プロジェクトは 2026 年 5 月 15 日に終了し、フォークの Zoo Code が引き継いでいます）は、ネイティブのツール呼び出しを “the only supported tool protocol”（訳：唯一サポートされるツールプロトコル）とし、XML のフォールバックはありません。Continue の設定リファレンスは、`tool_use` ケイパビリティを “required for Agent mode”（訳：Agent モードに必須）としています。opencode も API のツール呼び出しで動きます。
-   \*\*プロンプトで説明されるツール。\*\*Cline は v3.35 で、指定のプロバイダーと最先端モデルについてネイティブのツール呼び出しに移行しました。リリース記事によると、ほかのモデルは “continue using the text-based approach”（訳：テキストベースの方式を引き続き使用）です。それでもモデルは厳密なツール形式に従う必要があるので、ツールに従う品質が重要です。
-   \*\*テキストの編集形式。\*\*Aider の[編集形式のドキュメント](https://aider.chat/docs/more/edit-formats.html)によると、Aider はモデルに編集をテキストで返すよう求めます。ファイル全体、search/replace ブロック、unified diff のいずれかです。API のツール呼び出しのフィールドには依存しません。Aider 向けのモデル選びは [Aider に最適な LLM](https://broadrouter.com/ja/blog/best-llm-for-aider/) にあります。

つまり最初のルールは単純です。opencode、Continue の Agent モード、Zoo Code のようなツールで動くエージェントには、BroadNet がツール対応を明記しているモデル、GLM 5.3 か Qwen3.8 27B を使ってください。Cline は寛容ですが、やはりこの 2 モデルから始めるほうが無難です。Aider なら、DeepSeek V4.1 Flash を含め、大きいコンテキストのモデルならどれでも使えます。ツールで動くエージェントで DeepSeek V4.1 Flash を使いたい場合は、まず実タスクを実行してください。ツール呼び出しの失敗は、たいてい最初の 2〜3 ステップで表れます。

## テスト 2：コンテキストは十分な大きさか

エージェントの[コンテキストウィンドウ](https://broadrouter.com/ja/glossary/context-window/)は、想像以上に早く埋まります。コードを読む前から、リクエストにはシステムプロンプト、ツールのスキーマ、それまでの会話が含まれています。そこにファイルの読み取り結果やコマンドの出力が加わります。[エージェントのトークン予算の内訳](https://broadrouter.com/ja/blog/agent-token-budget/)でどこに使われるかを示しており、[コンテキストウィンドウ計算ツール](https://broadrouter.com/tools/context-window-calculator/)でファイルが収まるかを確認できます。

-   **1,048,576 トークン**（GLM 5.3、DeepSeek V4.1 Flash）：中規模のリポジトリで、大幅に削らずに長いセッションを続けられます。
-   **262,144 トークン**（Qwen3.8 27B）：目的を絞ったタスクには十分です。長いセッションでは要約か、小さめのリポジトリマップが必要です。
-   **32,768 トークン**（Gemma 4 VL 26B）：ほとんどのエージェントのループには小さすぎます。$5 の初回クレジットで構成をテストするのに使ってください。

コンテキストサイズは、エージェントのモデル設定で自分で設定してください。カスタムのモデル ID ではエージェントは検出できず、モデルに合わないデフォルトを想定するものもあります。

## テスト 3：タスク 1 件にいくらかかるか

エージェントは書くよりはるかに多く読み、読む内容の大半は前のターンの繰り返しです。そのため、出力単価より入力単価と[キャッシュ入力](https://broadrouter.com/ja/glossary/cached-input-tokens/)の単価が重要になります。ここでは 1 つのタスクの形を例にします。モデル呼び出し 40 回、1 回あたり平均で入力 30,000 トークン、出力 1,000 トークン、入力の 80% がキャッシュから提供される場合です。

| タスク 1 件あたり | トークン | DeepSeek V4.1 Flash | GLM 5.3 | Qwen3.8 27B |
| --- | --- | --- | --- | --- |
| 新規入力 | 0.24M | $0.175 / 1M | $0.78 / 1M | $0.175 / 1M |
| キャッシュ入力 | 0.96M | $0.0055 / 1M | $0.173 / 1M | $0.0435 / 1M |
| 出力（推論を含む） | 0.04M | $0.52 / 1M | $3.46 / 1M | $2.17 / 1M |

各行を掛けて合計します。2026-11-14 に同期した価格では、このタスクは DeepSeek V4.1 Flash に比べ、**GLM 5.3 で約 7 倍**、**Qwen3.8 27B で約 2.5 倍**のコストになります。実際の比率はキャッシュ率とモデルの推論量によって変わるので、計測してください。自分のトークン数を [LLM API コスト計算ツール](https://broadrouter.com/tools/llm-api-cost-calculator/)に入れるか、[DeepSeek V4.1 Flash と GLM 5.3](https://broadrouter.com/compare/deepseek-v4.1-flash-vs-glm-5.3/)、[GLM 5.3 と Qwen3.8 27B](https://broadrouter.com/compare/glm-5.3-vs-qwen3.8-27b/) の比較ページで並べて比べてください。

[無制限プラン](https://broadrouter.com/ja/guides/unlimited-llm-api-sessions/)では、DeepSeek V4.1 Flash にトークン計量はありません。セッションごとに月 $60 で、同時に 1 リクエストです。1 日の大半を動くエージェントなら、たいていどのトークン単価よりも有利です。キャッシュヒット率 80% の場合、[損益分岐の計算](https://broadrouter.com/ja/blog/flat-rate-vs-pay-per-token-llm-api/)では、境目は月に約 9.17億 の入力トークンと 4,600万 の出力トークンです。

## テスト 4：モデルはどれだけ考えるか

大きい 3 モデルはすべて回答の前に推論し、推論は `max_tokens` に算入されます。エージェントでは、これが 2 つの問題を生みます。出力の上限が小さいと応答が空になること、そして従量課金では出力の請求額が増えることです。各呼び出しに数千の出力トークンを確保し、ファイルの読み取りのような定型的なステップでは `reasoning_effort` を `low` にしてください。[推論モデルが空の回答を返す理由](https://broadrouter.com/ja/guides/reasoning-tokens-empty-response/)。

## 結局どれを選ぶべきか

1.  \*\*opencode、Continue の Agent モード、Cline、Zoo Code、または自作のツールループ：\*\*GLM 5.3。ツール対応の明記あり、1M コンテキスト、4 つの中でトークン単価が最も高いモデルです。
2.  \*\*Aider、または請求額を最も重視する長時間稼働のエージェント：\*\*DeepSeek V4.1 Flash。できれば無制限プランで。
3.  \*\*スクリーンショットを読む、またはアラビア語で作業するエージェント：\*\*Qwen3.8 27B。ツールと画像入力に対応しています。BroadNet の料金ページには、アラビア語でテスト済みと記載されています。
4.  \*\*$5 の初回クレジットでの最初のテスト：\*\*Gemma 4 VL 26B。その後で上位のモデルに移ってください。

組み合わせることもできます。たとえば Cline には、Plan モードと Act モードで別のモデルを使う設定があります。エージェントごとの設定手順は[コーディングエージェントでオープンモデルを使うためのハブ](https://broadrouter.com/ja/blog/use-open-models-in-coding-agents/)に、機能の比較は [Cline vs Roo Code vs Aider](https://broadrouter.com/ja/blog/cline-vs-roo-code-vs-aider/) にあります。

## BroadNet Inference の位置づけ

BroadNet Inference はこの 4 モデルをゼロデータ保持で、1 つの API キーで提供しています。BroadNet のプライバシーステートメントによると、ホストされるオープンウェイトモデルは BroadNet が所有またはリースする米国のハードウェアで動き、DeepSeek V4.1 Flash のようなパートナー提供モデルは米国の推論パートナーのもとで動きます。エージェント用に 1M トークンのオープンモデルを使いたいチームや、DeepSeek V4.1 Flash の請求額を定額にしたいチームに向いています。BroadNet が提供していない特定のモデル、Web 検索のようなプロバイダー側でホストされるツール、モデルを比べるための公開ベンチマークスコアが必要な場合は向いていません。その場合は、自分でタスク単位のテストを行ってください。どのモデルも従量課金キーで試せますし、[プランのページ](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-best-open-model-for-coding-agents&utm_content=body)で $1 の Meteor 1 時間を購入することもできます。

関連する無料ツール（英語）

-   [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.

[無料ツール（英語）](https://broadrouter.com/tools/)

## この記事の用語

[AI エージェント（AI agent）](https://broadrouter.com/ja/glossary/agent/)

AI エージェントとは、言語モデルが目標に向けて自分で手順を決めるシステムです。どのツールを呼ぶかを決め、結果を読み、最終回答を出すか上限に達するまで繰り返します。決まった箇所でモデルを呼ぶ固定のスクリプトは、ふつうワークフローと呼ばれます。

[トークン（token）](https://broadrouter.com/ja/glossary/token/)

トークンとは、言語モデルが読み書きするテキストの単位です。モデルのトークナイザーが作る単語、単語の一部、句読点、バイト列のいずれかにあたります。LLM API は利用量をトークンで数え、上限を設け、通常はトークン単位で課金します。

[オープンウェイトモデル（open-weight model）](https://broadrouter.com/ja/glossary/open-weight-model/)

オープンウェイトモデルとは、学習済みの重みが公開され、誰でもダウンロードして実行できるモデルで、通常は条件付きのライセンスで提供されます。学習コードや学習データの詳細も公開し、他者が検証・再現できる完全なオープンソース AI とは別物です。

[キャッシュ入力トークン（cached input tokens）](https://broadrouter.com/ja/glossary/cached-input-tokens/)

キャッシュ入力トークンとは、LLM プロバイダーが直前に処理し、再計算せずにキャッシュから再利用できるプロンプトのトークンです。通常はシステムプロンプトやドキュメントなど繰り返し送るプレフィックスで、新しい入力トークンより安い単価で課金されます。

[入力トークンと出力トークン（input and output tokens）](https://broadrouter.com/ja/glossary/input-and-output-tokens/)

入力トークンとは、モデルがリクエストで読むトークンで、システムプロンプト、会話履歴、ツール定義、画像を含みます。出力トークンは、推論を含めモデルが返答として生成するトークンです。LLM API は通常この 2 つを別の単価で課金し、出力のほうが高額です。

[OpenAI 互換 API（OpenAI-compatible API）](https://broadrouter.com/ja/glossary/openai-compatible-api/)

OpenAI 互換 API とは、POST /v1/chat/completions など OpenAI API と同じリクエスト形式とレスポンス形式を受け付ける HTTP API です。OpenAI の SDK やツールは、ベース URL、API キー、モデル名を変えるだけで利用できます。

[ツール呼び出し（Function Calling、tool calling）](https://broadrouter.com/ja/glossary/tool-calling/)

ツール呼び出し（Function Calling とも呼ばれます）とは、開発者が定義した関数の実行を求める構造化されたリクエストを、モデルが JSON の引数付きで返す LLM API の機能です。関数を実行して結果を返すのはアプリケーションで、モデル自身がコードを実行することはありません。

[AI コーディングエージェント（AI coding agent）](https://broadrouter.com/ja/glossary/coding-agent/)

AI コーディングエージェントとは、言語モデルがループの中でコードベースに取り組むソフトウェアツールです。ファイルを読み、編集し、テストなどのコマンドを実行し、出力を読んで次の手順を決めることを、タスクが終わるか上限に達するまで繰り返します。

## よくある質問

### opencode や Zoo Code に最適なオープンソースモデルはどれですか？

BroadNet Inference では、まず GLM 5.3 から始めてください。これらのエージェントはツール呼び出しで動き、BroadNet は GLM 5.3 にツール呼び出しと構造化出力を明記しており、コンテキストは 1,048,576 トークンです。DeepSeek V4.1 Flash は BroadNet がツール対応を明記していないので、頼る前に実タスクでテストしてください。

### コーディングエージェントで一番安いオープンモデルはどれですか？

BroadNet では、1M コンテキストのモデルのうち DeepSeek V4.1 Flash のトークン単価が最も安く、入力 100 万あたり $0.175、キャッシュ入力 100 万あたり $0.0055 です。トークン単価がもっと安いホストもあり、たとえば DeepInfra の割引版 DeepSeek-V4.1-Flash-1017 は、2026 年 11 月 16 日時点で入力 USD 0.098、キャッシュ USD 0.0029 と掲載されています。BroadNet の無制限プランならトークン計量そのものがなく、セッションごとに月 $60 です。

### Aider にはツール呼び出し対応のモデルが必要ですか？

Aider のドキュメントにある編集形式は、ファイル全体や search/replace ブロックといったテキスト形式なので、API のツール呼び出しのフィールドには依存しません。そのため DeepSeek V4.1 Flash とよく合います。

### 32K のコンテキストでコーディングエージェントは足りますか？

ほとんど足りません。エージェントのシステムプロンプトとツール定義だけで、コードを読む前に数千トークンを使うことがあります。BroadNet の Gemma 4 VL 26B（32,768 トークン）は、$5 の初回クレジットで構成を試すには向いていますが、日常のエージェント作業には向きません。

### エージェントのループでは推論モデルのほうが高くつきますか？

従量課金では高くなります。推論トークンは出力として課金されます。DeepSeek V4.1 Flash、GLM 5.3、Qwen3.8 27B はどれもまず推論します。単純なステップでは reasoning\_effort を low にするか、トークンを計量しない無制限プランを使ってください。

## 続けて読む

-   [コーディングエージェントでオープンモデルを使う：Aider、Cline、opencode、Codex](https://broadrouter.com/ja/blog/use-open-models-in-coding-agents/)
-   [エージェントのトークン予算：エージェントループのトークンはどこに消えるか](https://broadrouter.com/ja/blog/agent-token-budget/)
-   [Cline vs Roo Code vs Aider：オープンモデルを使うチーム向け比較（2026）](https://broadrouter.com/ja/blog/cline-vs-roo-code-vs-aider/)
-   [LLM API は定額とトークン課金のどちらが得か：損益分岐の計算](https://broadrouter.com/ja/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [AI コーディングエージェント 1 回の実行コスト：ステップ数、コンテキストの増加、キャッシュ](https://broadrouter.com/ja/blog/ai-coding-agent-run-cost/)
-   [Claude Code でオープンモデルを使う：プロキシ、ネイティブエンドポイント、制限](https://broadrouter.com/ja/blog/claude-code-with-openai-compatible-models/)
-   [ガイド：Cline で BroadNet Inference を使う（OpenAI Compatible プロバイダー）](https://broadrouter.com/ja/guides/cline-openai-compatible/)
-   [ガイド：Aider を無制限の DeepSeek V4.1 Flash で動かす](https://broadrouter.com/ja/guides/aider-unlimited-deepseek/)
-   [ガイド：opencode に BroadNet Inference をカスタムプロバイダーとして追加する](https://broadrouter.com/ja/guides/opencode-custom-provider/)
-   [ガイド：推論モデルが空の回答を返す理由](https://broadrouter.com/ja/guides/reasoning-tokens-empty-response/)

実際のワークロードで試してください。新規アカウントには US$5 の初回クレジットがあり、Gemma、文字起こし に使えます。DeepSeek、GLM、Qwen3.8 はチャージが必要です。

[始める](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-best-open-model-for-coding-agents&utm_content=page-cta) ·

**出典**

-   [BroadNet Inference の機械可読な料金とコンテキスト長（pricing.json、2026-11-14 取得）（英語）](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-best-open-model-for-coding-agents&utm_content=sources)
-   [BroadNet Inference API リファレンス：モデル（2026-11-14 取得）（英語）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-best-open-model-for-coding-agents&utm_content=sources#models)
-   [Aider ドキュメント：編集形式（2026-11-14 取得）](https://aider.chat/docs/more/edit-formats.html)
-   [Roo Code ドキュメント（プロジェクトは 2026-05-15 に終了、Zoo Code がそのフォーク）：OpenAI Compatible プロバイダー、ネイティブのツール呼び出しのみ（2026-11-14 取得）](https://roocodeinc.github.io/Roo-Code/providers/openai-compatible)
-   [Continue ドキュメント：config.yaml リファレンス、tool\_use ケイパビリティ（2026-11-14 取得）](https://docs.continue.dev/reference)
-   [Cline ブログ：v3.35 のネイティブツール呼び出し（2025 年 10 月 31 日。2026-11-14 取得）](https://cline.bot/blog/cline-v3-35)
-   [DeepInfra の料金（2026-11-14 取得。プロモーション価格は 2026-11-16 に再確認）](https://deepinfra.com/pricing)
-   [BroadNet Inference の料金ページ：モデルごとのアラビア語テストの注記（2026-11-16 確認）（英語）](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-best-open-model-for-coding-agents&utm_content=sources)
-   [BroadNet Inference のプライバシーステートメント：処理が行われる場所（2026-11-16 確認）（英語）](https://www.broadnet.ai/inference-privacy)
