BroadRouter
Mulakan

Model terbuka terbaik untuk ejen pengekodan: alat, konteks dan kos

Oleh pasukan BroadNet Inference · 6 minit bacaan · Diterbitkan · Dikemas kini

Untuk ejen pengekodan yang bergantung pada panggilan alat asli (opencode, mod Agent Continue, Zoo Code), GLM 5.3 ialah pilihan paling selamat di BroadNet: alat disenaraikan, konteks 1M. Untuk Aider atau ejen yang berjalan sepanjang hari, DeepSeek V4.1 Flash pada pelan kadar tetap paling murah. Qwen3.8 27B sesuai untuk kerja dengan tangkapan skrin. Konteks 32K Gemma 4 VL 26B terlalu kecil.

Kebanyakan senarai “model terbuka terbaik untuk pengekodan” menyusun model mengikut skor penanda aras. Itu membantu anda memilih keluarga model. Ia tidak memberitahu model mana yang akan berfungsi dalam ejen anda, melalui penyedia anda, pada kos yang mampu anda tanggung. Catatan ini menyempitkan pilihan kepada empat model chat yang disediakan oleh BroadNet Inference dan memilih berdasarkan empat ujian praktikal: panggilan alat, konteks, penaakulan dan kos setiap tugas. Kami tidak menerbitkan skor penanda aras di sini; kami hanya menggunakan apa yang dinyatakan dalam dokumentasi dan fail harga BroadNet.

Model manakah yang menjadi pilihan?

Model ID Konteks Alat disenaraikan Input imej Menaakul dahulu
GLM 5.3 broadnet/glm-5.3 1,048,576 Ya Tidak Ya
DeepSeek V4.1 Flash broadnet/deepseek-v4.1-flash 1,048,576 Tidak disenaraikan Ya Ya
Qwen3.8 27B broadnet/qwen3.8-27b 262,144 Ya Ya Ya
Gemma 4 VL 26B broadnet/gemma-4-26b-a4b 32,768 Tidak disenaraikan Ya Tidak disenaraikan

Keempat-empatnya ialah model open-weight yang disediakan melalui satu API serasi OpenAI di https://inference.broadnet.ai/v1, jadi bertukar hanyalah perubahan satu baris dalam tetapan ejen anda.

Ujian 1: adakah ejen anda memerlukan panggilan alat asli?

Inilah soalan yang menentukan model mana yang layak atau tidak. Panggilan alat ialah cara ejen meminta mesin anda membaca fail, menjalankan arahan atau menggunakan suntingan. Ejen menggunakannya dalam tiga cara berbeza:

  • Panggilan alat asli. Ejen menghantar senarai tools dan menjangka tool_calls dikembalikan. Dokumentasi Roo Code (projek itu ditutup pada 15 Mei 2026; fork-nya Zoo Code meneruskannya) menyatakan panggilan alat asli ialah “the only supported tool protocol” (Terjemahan: satu-satunya protokol alat yang disokong), tanpa sandaran XML. Rujukan konfigurasi Continue menyatakan keupayaan tool_use adalah “required for Agent mode” (Terjemahan: diperlukan untuk mod Agent). opencode juga bekerja melalui panggilan alat API.
  • Alat yang diterangkan dalam prompt. Cline beralih kepada panggilan alat asli dalam v3.35 untuk senarai penyedia tertentu dan model terkehadapan; catatan keluarannya menyatakan model lain “continue using the text-based approach” (Terjemahan: terus menggunakan pendekatan berasaskan teks). Model masih perlu mengikut format alat yang ketat, jadi kualiti mematuhi alat itu penting.
  • Format suntingan teks. Aider meminta model mengembalikan suntingan sebagai teks: fail penuh, blok cari/ganti atau diff bersatu, menurut dokumentasi format suntingannya. Ia tidak bergantung pada medan panggilan alat API. Pilihan model untuk Aider ada dalam LLM terbaik untuk Aider.

Jadi peraturan pertama mudah. Untuk ejen yang dipacu alat seperti opencode, mod Agent Continue atau Zoo Code, gunakan model yang disenaraikan BroadNet dengan alat: GLM 5.3 atau Qwen3.8 27B. Cline lebih toleran, tetapi dua model yang sama tetap permulaan yang lebih selamat. Untuk Aider, mana-mana model berkonteks besar berfungsi, termasuk DeepSeek V4.1 Flash. Jika anda mahukan DeepSeek V4.1 Flash dalam ejen yang dipacu alat, jalankan tugas sebenar padanya dahulu. Panggilan alat yang gagal biasanya muncul dalam dua atau tiga langkah pertama.

Ujian 2: adakah konteksnya cukup besar?

Tetingkap konteks ejen penuh lebih cepat daripada jangkaan. Sebelum membaca sebarang kod, permintaan sudah membawa prompt sistem, skema alat dan perbualan setakat ini. Kemudian datang bacaan fail dan output arahan. Pecahan bajet token ejen kami menunjukkan ke mana ia pergi, dan kalkulator tetingkap konteks menyemak sama ada fail anda muat.

  • 1,048,576 token (GLM 5.3, DeepSeek V4.1 Flash): sesi panjang pada repositori bersaiz sederhana tanpa pemangkasan agresif.
  • 262,144 token (Qwen3.8 27B): baik untuk tugas yang fokus; sesi panjang memerlukan ringkasan atau peta repo yang lebih kecil.
  • 32,768 token (Gemma 4 VL 26B): terlalu kecil untuk kebanyakan gelung ejen. Gunakannya untuk menguji persediaan dengan kredit permulaan $5.

Tetapkan saiz konteks dalam tetapan model ejen sendiri. Ejen tidak dapat mengesannya untuk ID model tersuai, dan sesetengahnya mengandaikan nilai lalai yang salah untuk model anda.

Ujian 3: berapakah kos satu tugas?

Ejen membaca jauh lebih banyak daripada yang ditulisnya, dan kebanyakan yang dibaca berulang daripada giliran sebelumnya. Ini menjadikan harga input dan input cache lebih penting daripada harga output. Berikut satu bentuk tugas: 40 panggilan model dengan purata 30,000 token input dan 1,000 token output setiap satu, dengan 80% input diambil daripada cache.

Setiap tugas Token DeepSeek V4.1 Flash GLM 5.3 Qwen3.8 27B
Input baharu 0.24M $0.175 / 1M $0.78 / 1M $0.175 / 1M
Input cache 0.96M $0.0055 / 1M $0.173 / 1M $0.0435 / 1M
Output, termasuk penaakulan 0.04M $0.52 / 1M $3.46 / 1M $2.17 / 1M

Darabkan setiap baris dan jumlahkan. Pada harga yang diselaraskan pada 2026-11-14, tugas ini berkos kira-kira 7 kali ganda lebih tinggi pada GLM 5.3 dan kira-kira 2.5 kali ganda lebih tinggi pada Qwen3.8 27B berbanding DeepSeek V4.1 Flash. Nisbah anda sendiri bergantung pada kadar cache anda dan berapa banyak model itu menaakul, jadi ukurlah. Masukkan bilangan token anda sendiri ke dalam kalkulator kos API LLM, atau bandingkan model bersebelahan dalam DeepSeek V4.1 Flash vs GLM 5.3 dan GLM 5.3 vs Qwen3.8 27B.

Pada pelan tanpa had, DeepSeek V4.1 Flash tiada meter token: $60 sebulan bagi setiap sesi, satu permintaan pada satu masa. Untuk ejen yang berjalan hampir sepanjang hari, ini biasanya mengatasi mana-mana harga setiap token. Pada 80% cache hit, kiraan pulang modal meletakkan garisannya pada kira-kira 917 juta token input dan 46 juta token output sebulan.

Ujian 4: berapa banyak model itu berfikir?

Ketiga-tiga model besar membuat penaakulan sebelum menjawab, dan penaakulan dikira dalam max_tokens. Dalam ejen, ini menyebabkan dua masalah: balasan kosong apabila had output kecil, dan bil output lebih tinggi pada bayar ikut guna. Berikan setiap panggilan beberapa ribu token output dan tetapkan reasoning_effort kepada low untuk langkah rutin seperti membaca fail. Mengapa model penaakulan mengembalikan jawapan kosong.

Jadi, yang mana patut anda pilih?

  1. opencode, mod Agent Continue, Cline, Zoo Code atau gelung alat anda sendiri: GLM 5.3. Alat disenaraikan, konteks 1M, harga setiap token tertinggi antara empat model.
  2. Aider, atau mana-mana ejen yang berjalan lama di mana bil paling penting: DeepSeek V4.1 Flash, sebaik-baiknya pada pelan tanpa had.
  3. Ejen yang membaca tangkapan skrin atau bekerja dalam bahasa Arab: Qwen3.8 27B, dengan alat dan input imej; halaman harga BroadNet menyatakan ia telah diuji dalam bahasa Arab.
  4. Ujian pertama dengan kredit permulaan $5: Gemma 4 VL 26B, kemudian naik taraf.

Anda juga boleh mencampurkannya. Cline, contohnya, mempunyai tetapan untuk menggunakan model berbeza bagi mod Plan dan Act. Langkah persediaan bagi setiap ejen ada dalam hab model terbuka dalam ejen pengekodan kami, dan perbandingan ciri dalam Cline vs Roo Code vs Aider.

Kedudukan BroadNet Inference

BroadNet Inference menyediakan empat model ini di bawah pengekalan data sifar, dengan satu kunci API. Penyata privasi BroadNet menyatakan model open-weight yang dihoskan berjalan pada perkakasan di AS yang dimiliki atau disewa BroadNet, dan model yang disediakan rakan kongsi seperti DeepSeek V4.1 Flash berjalan bersama rakan inferens di AS. Ia sesuai untuk pasukan yang mahukan model terbuka berkonteks 1M token untuk ejen, dan bil tetap untuk DeepSeek V4.1 Flash. Ia tidak sesuai jika anda memerlukan model tertentu yang tidak disediakannya, alat yang dihoskan penyedia seperti carian web, atau skor penanda aras yang diterbitkan untuk membandingkan model; jalankan ujian peringkat tugas anda sendiri. Anda boleh mencuba mana-mana model pada kunci bayar ikut guna atau membeli satu jam Meteor pada $1 di halaman pelan.

Soalan lazim

Apakah model sumber terbuka terbaik untuk opencode atau Zoo Code?

Di BroadNet Inference, mulakan dengan GLM 5.3. Ejen ini bekerja melalui panggilan alat, dan BroadNet menyenaraikan panggilan alat serta output berstruktur untuk GLM 5.3, dengan konteks 1,048,576 token. Uji DeepSeek V4.1 Flash pada tugas sebenar sebelum bergantung padanya, kerana BroadNet tidak menyenaraikan alat untuknya.

Model terbuka manakah yang paling murah untuk ejen pengekodan?

Di BroadNet, DeepSeek V4.1 Flash mempunyai harga setiap token terendah antara model konteks 1M-nya, $0.175 setiap 1M input dan $0.0055 setiap 1M input cache. Sesetengah hos lain menyenaraikannya lebih rendah setiap token, seperti DeepSeek-V4.1-Flash-1017 berdiskaun DeepInfra, yang disenaraikan pada 16 November 2026, pada USD 0.098 input dan USD 0.0029 cache. Pada pelan tanpa had BroadNet, ia tiada meter token langsung, pada $60 sebulan bagi setiap sesi.

Adakah Aider memerlukan model dengan panggilan alat?

Format suntingan Aider yang didokumenkan ialah format teks, seperti fail penuh atau blok cari/ganti, jadi ia tidak bergantung pada medan panggilan alat API. Ini menjadikannya sesuai untuk DeepSeek V4.1 Flash.

Adakah konteks 32K cukup untuk ejen pengekodan?

Jarang sekali. Prompt sistem dan definisi alat ejen sahaja boleh mengambil beribu-ribu token sebelum sebarang kod dibaca. Gemma 4 VL 26B BroadNet (32,768 token) sesuai untuk mencuba persediaan dengan kredit permulaan $5, bukan untuk kerja ejen harian.

Adakah model penaakulan lebih mahal dalam gelung ejen?

Pada bayar ikut guna, ya. Token penaakulan dibilkan sebagai output. DeepSeek V4.1 Flash, GLM 5.3 dan Qwen3.8 27B semuanya membuat penaakulan dahulu. Tetapkan reasoning_effort kepada low untuk langkah ringkas, atau gunakan pelan tanpa had di mana token tidak dimeter.

Baca sebagai MarkdownTanya ChatGPTTanya ClaudeTanya Perplexity