---
title: "Aider 추천 모델: 고르는 법과 연결 설정 | BroadRouter"
description: "Aider에 맞는 LLM을 고르는 법. 편집 형식 준수, 컨텍스트 크기, 시간당 비용, 내 저장소로 1시간 테스트하기, 그리고 정확한 OPENAI_API_BASE 설정을 정리합니다."
url: https://broadrouter.com/ko/blog/best-llm-for-aider/
lang: ko
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

이 페이지는 영어 원문을 AI의 도움을 받아 번역했습니다. [영어 원문 읽기](https://broadrouter.com/blog/best-llm-for-aider/) (2026-11-14 업데이트).

# Aider에 가장 좋은 LLM: 모델 고르는 법과 연결 방법

BroadNet Inference 팀 · 6분 분량 · 게시 2026-11-14

Aider에 가장 좋은 모델은 편집 형식을 안정적으로 따르고, 저장소 맵을 컨텍스트에 담을 수 있으며, 하루 종일 돌려도 될 만큼 저렴한 모델입니다. Aider는 어떤 OpenAI 호환 API에도 연결됩니다. OPENAI\_API\_BASE를 https://inference.broadnet.ai/v1 주소로, OPENAI\_API\_KEY를 설정하고 aider --model openai/broadnet/deepseek-v4.1-flash 명령으로 시작하세요. Full Moon 플랜에서는 이 모델에 토큰 계량이 없습니다.

## 핵심 요약

-   Aider는 텍스트 편집 형식(whole, diff, udiff)으로 파일을 수정하므로, 모델은 좋은 코드를 쓰는 것뿐 아니라 형식도 지켜야 합니다.
-   어떤 OpenAI 호환 엔드포인트든 동작합니다. OPENAI\_API\_BASE와 OPENAI\_API\_KEY를 설정한 뒤 --model openai/<model-id>로 실행하세요.
-   DeepSeek V4.1 Flash는 1,048,576토큰 컨텍스트를 갖췄고, 무제한 플랜에서 쓸 수 있는 유일한 모델입니다.
-   Aider는 매 턴 저장소 맵과 대화 기록을 다시 보내므로, 토큰당 과금 청구액의 대부분은 입력 토큰입니다.
-   모델을 정하기 전에 내 저장소에서 1시간 동안 직접 평가하세요.

**이 페이지의 내용**

1.  Aider는 모델에게 무엇을 요구하나요?
2.  내 코드로 모델을 비교하려면 어떻게 하나요?
3.  Aider를 OpenAI 호환 API에 연결하려면 어떻게 하나요?
4.  Aider에 맞는 BroadNet 모델은 무엇인가요?
5.  모델 두 개로 architect 모드를 써야 하나요?
6.  Aider는 토큰당 과금과 정액 플랜 중 어느 쪽이 더 싼가요?
7.  턴을 아껴 주는 Aider 설정은 무엇인가요?
8.  정하기 전에 모델을 테스트하려면 어떻게 하나요?

Aider는 터미널에서 쓰는 페어 프로그래머입니다. 채팅에 파일을 추가하고 변경 내용을 설명하면, Aider가 파일을 수정하고 결과를 git에 커밋합니다. 특정 모델에 묶이지 않는다는 점이 강점이자 첫 번째 고민거리입니다. 어떤 모델을 연결해야 할까요?

정답이 하나 있는 것은 아니지만, 올바르게 결정하는 방법은 있습니다. 이 글은 Aider가 모델에게 실제로 요구하는 것, 후보를 비교하는 방법, 그리고 환경 변수 두 개로 어떤 OpenAI 호환 API든 연결하는 방법을 다룹니다.

## Aider는 모델에게 무엇을 요구하나요?

Aider는 파일을 수정할 때 API 도구 호출을 쓰지 않습니다. 모델에게 **편집 형식**으로 답하라고 지시한 뒤, 답변을 파싱해 적용합니다. 문서에는 여러 형식이 나와 있습니다.

| 편집 형식 | 모델이 돌려주는 것 | 적합한 경우 |
| --- | --- | --- |
| `whole` | 변경된 각 파일의 새 내용 전체 | 작은 파일, 약한 모델 |
| `diff` | 변경된 부분의 검색/치환 블록 | 대부분의 모델과 저장소 |
| `diff-fenced` | 같은 형식에 파일 경로를 펜스 안에 넣은 것 | 경로 위치를 틀리는 모델 |
| `udiff` | 단순화된 unified diff | `diff`에서 형식이 흐트러지는 모델 |

따라서 Aider에 좋은 모델에는 네 가지가 필요합니다.

1.  **형식 준수.** 검색 블록이 파일과 정확히 일치하지 않으면 수정이 실패하고 Aider가 다시 요청합니다. 재시도마다 요청 하나가 통째로 더 나갑니다.
2.  **컨텍스트 여유.** Aider는 저장소 맵(저장소 전체 심볼을 압축한 요약), 추가한 파일, 지금까지의 대화를 보냅니다. 큰 코드베이스라면 턴마다 수만 토큰입니다.
3.  **예산에 맞는 추론.** 추론 모델은 답하기 전에 생각하며, 그 생각은 `max_tokens`에 포함됩니다. 한도가 너무 작으면 빈 답변이 돌아옵니다.
4.  **켜 둬도 부담 없는 가격.** Aider는 원래 말이 많도록 설계되었습니다. 가격표의 토큰당 비용보다 실제 작업 1시간당 비용이 더 중요합니다.

Aider의 [리더보드](https://aider.chat/docs/leaderboards/)는 모델이 Aider의 편집 형식으로 코딩 문제를 얼마나 자주 완수하는지 측정합니다. 1차 필터로는 유용하지만, 저장소와 언어, 작업 습관에 따라 결과는 달라집니다. 어떤 벤치마크든 판정이 아니라 후보 목록으로 다루세요.

## 내 코드로 모델을 비교하려면 어떻게 하나요?

실용적인 테스트는 1시간 정도 걸립니다.

1.  백로그에서 실제 작업 다섯 개를 고르세요. 버그 수정, 작은 기능, 파일 두 개에 걸친 리팩터링, 테스트 작성, 문서 수정입니다.
2.  후보 모델마다 같은 git 커밋에서 같은 작업을 실행하고, 모델마다 브랜치를 하나씩 쓰세요.
3.  작업마다 세 가지를 기록하세요. 완료했는지, 몇 턴이 걸렸는지, 적용에 실패한 수정이 몇 개인지입니다.
4.  diff를 읽으세요. 변경을 넓게 흩뿌리며 “완료”하는 모델은, 한 턴 더 걸려도 변경을 작게 유지하는 모델보다 나쁩니다.

실패한 수정과 추가 턴에 비용이 숨어 있습니다. 토큰당 가격이 낮아도 수정마다 세 번씩 시도하는 모델은, 한 번에 맞히는 더 비싼 모델보다 비용이 더 들 수 있습니다.

## Aider를 OpenAI 호환 API에 연결하려면 어떻게 하나요?

Aider의 [OpenAI 호환 설정](https://aider.chat/docs/llms/openai-compat.html)에는 base URL, 키, 그리고 `openai/` 접두사를 붙인 모델 이름이 필요합니다.

```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
```

`openai/` 접두사는 Aider에게 (LiteLLM을 통해) 지정한 base URL에 OpenAI 전송 형식을 쓰라고 알려 줍니다. 접두사 뒤는 슬래시를 포함한 제공업체의 모델 ID 그대로입니다. Windows를 포함한 단계별 설명은 [Aider 가이드](https://broadrouter.com/ko/guides/aider-unlimited-deepseek/)에 있습니다.

설정을 고정하려면 홈 디렉터리나 저장소 루트의 `.aider.conf.yml`에 같은 값을 넣으세요.

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

키는 커밋될 수 있는 파일이 아니라 환경 변수에 두세요.

### 알 수 없는 모델 경고 없애기

Aider는 인기 모델의 컨텍스트 크기와 가격만 알고 있습니다. 그 밖의 모델에는 경고를 출력합니다. 문서에 따르면 Aider는 “never enforces token limits”(번역: 토큰 한도를 강제하지 않는다)이므로 대개 무시해도 됩니다. 제공업체의 오류를 보고할 뿐입니다. 정확한 수치를 알려 주려면 홈 디렉터리, 저장소 루트 또는 실행 디렉터리에 `.aider.model.metadata.json`을 추가하세요.

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

여기서 출력 수치는 직접 고르는 설정값이지, 공개된 한도가 아닙니다. 추론을 위한 여유를 남겨 두세요.

## Aider에 맞는 BroadNet 모델은 무엇인가요?

BroadNet Inference는 코딩 작업에 맞는 채팅 모델 세 가지를 제공합니다. 가격은 공개된 가격 파일 기준, 100만 토큰당입니다.

| 모델 | 컨텍스트 | 입력 | 캐시된 입력 | 출력 |
| --- | --- | --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ko/models/deepseek-v4.1-flash/) | 1,048,576 | $0.175 | $0.0055 | $0.52 |
| [GLM 5.3](https://broadrouter.com/ko/models/glm-5.3/) | 1,048,576 | $0.78 | $0.173 | $3.46 |
| [Qwen3.8 27B](https://broadrouter.com/ko/models/qwen3.8-27b/) | 262,144 | $0.175 | $0.0435 | $2.17 |

세 모델 모두 답하기 전에 추론합니다. BroadNet Gemma 4 VL 26B는 컨텍스트가 32,768토큰이라 Aider의 저장소 맵과 여러 파일을 담기에는 빠듯하므로, 가벼운 작업에 쓰는 편이 낫습니다.

여기서 기본 선택이 **DeepSeek V4.1 Flash**인 이유는 단순합니다. BroadNet 무제한 플랜에서 쓸 수 있는 유일한 모델이기 때문입니다. Full Moon 세션은 토큰 계량 없이 월 $60 요금이므로, 매 턴 컨텍스트를 다시 보내는 Aider의 습관이 더 이상 비용 문제가 되지 않습니다. 100만 토큰 윈도 덕분에 평소보다 많은 파일을 잘라 내지 않고 추가할 수도 있습니다.

**GLM 5.3**은 출력 토큰당 가격이 더 높습니다. 턴당 품질이 양보다 중요한 어려운 설계 단계에서, 종량제로 architect 모델로 써 볼 만합니다.

**Qwen3.8 27B**는 입력 가격이 Flash와 같고 컨텍스트는 262K입니다. 내 코드베이스에서 동작을 비교해 보고 싶다면 두 번째 모델로 무난합니다.

## 모델 두 개로 architect 모드를 써야 하나요?

Aider의 [architect 모드](https://aider.chat/docs/usage/modes.html)는 한 턴을 둘로 나눕니다. architect 모델이 변경을 계획하고, editor 모델이 그 계획을 파일 수정으로 바꿉니다. 덕분에 추론이 강한 모델과, 더 싸고 형식을 잘 지키는 editor를 짝지을 수 있습니다.

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

Aider 문서에 따르면 이때 턴마다 LLM 요청이 두 번 나갑니다. 플랜 세션에서는 이것이 비용이 아니라 동시성 문제입니다. 두 요청은 차례로 실행되므로, Aider 창 하나에는 세션 하나면 충분합니다.

## Aider는 토큰당 과금과 정액 플랜 중 어느 쪽이 더 싼가요?

입력이 많은 Aider의 트래픽은 정액 요금이 이득을 보는 영역입니다. 코딩 에이전트는 보통 받는 것보다 훨씬 많은 입력을 보내고, 그 입력의 상당 부분은 반복됩니다. 프롬프트 캐싱을 쓰면 반복된 입력은 캐시 요금(Flash 기준 100만 토큰당 $0.0055 요금)으로 과금되므로, 토큰당 과금 키에서 첫 번째 지렛대는 고정된 프롬프트 접두부입니다. [캐시된 입력의 과금 방식](https://broadrouter.com/ko/blog/cached-input-tokens-explained/)을 참고하세요.

두 번째 지렛대는 플랜입니다. BroadNet이 계산한 하루 종일 일하는 코딩 에이전트 예시는 종량제로 월 약 $65.40 비용이고, Full Moon 세션은 $60 요금입니다. 그래서 이 사용 패턴에서는 Full Moon 쪽이 더 쌉니다. 가볍고 가끔 쓰는 경우는 반대입니다. [정액제 vs 토큰당 과금 계산기](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/)에 직접 숫자를 넣어 보거나 [정액제 vs 토큰당 과금](https://broadrouter.com/ko/blog/flat-rate-vs-pay-per-token-llm-api/)을 읽어 보세요. 어떤 코딩 에이전트에나 적용되는 비용 절감 방법은 [코딩 에이전트 LLM 비용 줄이는 10가지 방법](https://broadrouter.com/ko/blog/cut-coding-agent-llm-costs/)에 있습니다.

## 턴을 아껴 주는 Aider 설정은 무엇인가요?

-   **추론을 위한 여유를 남기세요.** Aider가 빈 답변을 받는다면 모델이 출력 예산을 생각하는 데 다 쓴 것입니다. [답변이 비어서 돌아오는 이유](https://broadrouter.com/ko/guides/reasoning-tokens-empty-response/)를 참고하세요.
-   **바뀌는 파일만 추가하세요.** Aider의 저장소 맵이 이미 모델에게 무엇이 어디 있는지 알려 줍니다. 파일을 더 넣으면 컨텍스트와 주의력이 낭비됩니다.
-   **관련 없는 작업 사이에는 `/clear`를 쓰세요.** 오래된 대화 기록은 매 턴 입력이 됩니다.
-   **자동 커밋을 켜 두세요.** Aider의 수정은 모두 git 커밋이 되므로, 모델이 엇나가면 `/undo` 한 번이면 됩니다.
-   **세션 하나에 창 하나.** 플랜 세션 하나에서 Aider 창 두 개는 차례를 기다립니다. 저장소 두 곳에서 동시에 작업한다면 세션을 하나 더 구매하세요. [병렬 코딩 에이전트 운영하기](https://broadrouter.com/ko/blog/run-parallel-coding-agents-flat-rate/)를 참고하세요.

## 정하기 전에 모델을 테스트하려면 어떻게 하나요?

가장 싼 테스트는 $1 요금의 Meteor 1시간입니다. DeepSeek V4.1 Flash를 1시간 동안 무제한으로 쓸 수 있어, 위의 작업 다섯 개 비교를 돌리기에 충분합니다. 신규 계정은 $5 금액의 초기 크레딧도 받지만, 채팅 모델 중에는 BroadNet Gemma 4 VL 26B에만 쓸 수 있습니다. DeepSeek V4.1 Flash, GLM 5.3, Qwen3.8 27B에는 충전이나 플랜이 필요합니다. 전체 모델은 [모델 페이지](https://broadrouter.com/ko/models/)에 있습니다. 모델이 아니라 에이전트를 아직 고르는 중이라면 [Cline vs Roo Code vs Aider](https://broadrouter.com/ko/blog/cline-vs-roo-code-vs-aider/)를 읽어 보세요.

관련 무료 도구 (영어)

-   [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.

[무료 도구 (영어)](https://broadrouter.com/tools/)

## 이 글의 용어

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

종량제(pay-as-you-go)는 구독이나 최소 약정 없이 토큰, 요청, 오디오 분 같은 단위로 사용량을 측정해 쓴 만큼만 내는 요금 방식입니다. 대부분의 LLM API가 선불 잔액에서 차감하거나 정기 청구서를 발행하는 식으로 이렇게 과금합니다.

[AI 에이전트(AI agent)](https://broadrouter.com/ko/glossary/agent/)

AI 에이전트는 언어 모델이 목표를 향해 스스로 단계를 정하는 시스템입니다. 어떤 도구를 호출할지 결정하고, 결과를 읽고, 최종 답변을 내거나 한도에 닿을 때까지 이를 반복합니다. 정해진 지점에서 모델을 호출하는 고정된 스크립트는 보통 워크플로라고 부릅니다.

[AI 코딩 에이전트(AI coding agent)](https://broadrouter.com/ko/glossary/coding-agent/)

AI 코딩 에이전트는 언어 모델이 코드베이스를 대상으로 루프를 돌며 일하는 소프트웨어 도구입니다. 파일을 읽고, 수정하고, 테스트 같은 명령을 실행하고, 출력을 읽은 뒤 다음 단계를 정하는 과정을 작업이 끝나거나 한도에 이를 때까지 반복합니다.

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

OpenAI 호환 API는 POST /v1/chat/completions처럼 OpenAI API와 같은 요청 및 응답 형식을 받는 HTTP API입니다. 그래서 OpenAI SDK와 도구는 base URL, API 키, 모델 이름만 바꾸면 이 API를 그대로 사용할 수 있습니다.

[토큰(token)](https://broadrouter.com/ko/glossary/token/)

토큰은 언어 모델이 읽고 쓰는 텍스트 단위로, 모델의 토크나이저가 만들어 내는 단어, 단어의 일부, 문장 부호 또는 바이트 시퀀스입니다. LLM API는 사용량을 토큰 단위로 집계하고 제한하며, 대개 토큰 단위로 과금합니다.

[도구 호출(tool calling)](https://broadrouter.com/ko/glossary/tool-calling/)

도구 호출(tool calling)은 함수 호출(function calling)이라고도 하며, 모델이 개발자가 정의한 함수를 실행해 달라는 구조화된 요청을 JSON 인자와 함께 반환하는 LLM API 기능입니다. 함수는 애플리케이션이 실행하고 그 결과를 다시 보냅니다. 모델이 직접 코드를 실행하지는 않습니다.

[동시 처리(concurrency)](https://broadrouter.com/ko/glossary/concurrency/)

동시 처리(concurrency)는 클라이언트가 같은 시점에 진행 중인 요청 수입니다. LLM API는 분당 요청 수와 별도로 키나 플랜마다 이를 제한하는 경우가 많습니다. 열려 있는 요청은 응답이 끝날 때까지 GPU 용량을 차지하기 때문입니다.

[캐시된 입력 토큰(cached input tokens)](https://broadrouter.com/ko/glossary/cached-input-tokens/)

캐시된 입력 토큰은 LLM 제공업체가 최근에 처리해 두었다가 다시 계산하지 않고 캐시에서 재사용할 수 있는 프롬프트 토큰입니다. 보통 시스템 프롬프트나 문서처럼 반복되는 접두부(prefix)이며, 제공업체는 이를 새 입력 토큰보다 낮은 단가로 과금합니다.

## 자주 묻는 질문

### Aider에는 도구 호출을 지원하는 모델이 필요한가요?

아니요. Aider는 모델에게 검색/치환 diff 같은 텍스트 형식으로 수정 사항을 돌려받은 뒤 직접 적용합니다. 중요한 것은 모델이 그 형식을 일관되게 지키는지입니다.

### Aider가 내 모델을 모른다고 경고하는 이유는 무엇인가요?

Aider에는 인기 모델의 메타데이터만 들어 있습니다. 그 밖의 모델에는 컨텍스트 크기와 비용을 모른다는 경고를 띄웁니다. 경고를 무시하거나 .aider.model.metadata.json에 항목을 추가하면 됩니다.

### Aider에서 어떤 BroadNet 모델로 시작해야 하나요?

DeepSeek V4.1 Flash입니다. 100만 토큰 컨텍스트와 낮은 토큰당 가격을 갖췄고, 무제한 플랜에서 쓸 수 있는 유일한 모델이기 때문입니다. 어려운 수정에 다른 의견이 필요하면 종량제로 GLM 5.3이나 Qwen3.8 27B를 써 보세요.

### Aider에서 사용자 지정 OpenAI 호환 모델은 어떻게 쓰나요?

OPENAI\_API\_BASE를 제공업체의 base URL로, OPENAI\_API\_KEY를 내 키로 설정한 뒤, --model에 openai/와 모델 ID를 이어 붙여 aider를 시작하세요. Aider 문서는 이 openai/ 접두사를 붙이라고 안내합니다. Windows에서는 setx를 쓰고 셸을 다시 시작하세요.

### 플랜 세션 하나로 Aider 창 두 개를 돌릴 수 있나요?

가능하지만 세션은 한 번에 요청 하나만 처리하므로, 첫 번째 창이 모델과 주고받는 동안 두 번째 창은 기다립니다. 동시에 작업하는 창마다 세션을 하나씩 구매하세요.

## 이어서 읽기

-   [정액제 LLM API로 코딩 에이전트를 병렬 실행하는 방법](https://broadrouter.com/ko/blog/run-parallel-coding-agents-flat-rate/)
-   [LLM API 정액제 vs 토큰당 과금: 손익분기점 계산](https://broadrouter.com/ko/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [캐시된 입력 토큰: 프롬프트 캐싱으로 LLM API 요금 줄이기](https://broadrouter.com/ko/blog/cached-input-tokens-explained/)
-   [코딩 에이전트를 밤새 무인으로 안전하게 돌리는 방법](https://broadrouter.com/ko/blog/overnight-coding-agent-runs/)
-   [AI 코딩 에이전트 1회 실행 비용: 단계 수, 컨텍스트 증가, 캐싱](https://broadrouter.com/ko/blog/ai-coding-agent-run-cost/)
-   [오픈 모델로 Claude Code 쓰기: 프록시, 네이티브 엔드포인트, 한계](https://broadrouter.com/ko/blog/claude-code-with-openai-compatible-models/)
-   [가이드: Aider를 무제한 DeepSeek V4.1 Flash로 실행하기](https://broadrouter.com/ko/guides/aider-unlimited-deepseek/)
-   [가이드: 추론 모델이 빈 답변을 반환하는 이유](https://broadrouter.com/ko/guides/reasoning-tokens-empty-response/)
-   [가이드: 에이전트용 무제한 LLM API 플랜은 어떻게 작동하나요?](https://broadrouter.com/ko/guides/unlimited-llm-api-sessions/)

실제 워크로드로 테스트해 보세요. 신규 계정에는 US$5 상당의 초기 크레딧이 제공되며 Gemma 및 음성 전사에 사용할 수 있습니다. DeepSeek, GLM 및 Qwen3.8 모델은 충전이 필요합니다.

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

**출처**

-   [Aider 문서, OpenAI 호환 API(2026-11-14 확인)](https://aider.chat/docs/llms/openai-compat.html)
-   [Aider 문서, 편집 형식(2026-11-14 확인)](https://aider.chat/docs/more/edit-formats.html)
-   [Aider 문서, 고급 모델 설정과 모델 메타데이터(2026-11-14 확인)](https://aider.chat/docs/config/adv-model-settings.html)
-   [Aider 문서, 채팅 모드와 architect 모드(2026-11-14 확인)](https://aider.chat/docs/usage/modes.html)
-   [Aider LLM 리더보드(2026-11-14 확인)](https://aider.chat/docs/leaderboards/)
-   [BroadNet Inference API 레퍼런스(2026-11-14 확인) (영어)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-blog-best-llm-for-aider&utm_content=sources)
