BroadRouter

Model mở tốt nhất cho coding agent: chọn theo tool, context và chi phí

Đội ngũ BroadNet Inference · 6 phút đọc · Đăng ngày · Cập nhật

Với coding agent dựa vào tool call gốc (opencode, chế độ Agent của Continue, Zoo Code), GLM 5.3 là lựa chọn an toàn nhất trên BroadNet: có ghi hỗ trợ tool, context 1M. Với Aider hoặc agent chạy cả ngày, DeepSeek V4.1 Flash trên gói giá cố định rẻ nhất. Qwen3.8 27B hợp với việc đọc ảnh chụp màn hình. Context 32K của Gemma 4 VL 26B quá nhỏ.

Phần lớn danh sách “model mở tốt nhất cho lập trình” xếp hạng model theo điểm benchmark. Điều đó giúp bạn chọn một họ model. Nhưng nó không cho biết model nào sẽ chạy được trong agent của bạn, qua nhà cung cấp của bạn, với chi phí bạn chấp nhận được. Bài này thu hẹp lựa chọn xuống bốn model chat mà BroadNet Inference phục vụ và chọn theo bốn phép thử thực tế: tool calling, context, suy luận và chi phí mỗi tác vụ. Chúng tôi không công bố điểm benchmark ở đây; chỉ dùng những gì tài liệu và file giá của BroadNet ghi.

Những model nào được xem xét?

Model ID Context Ghi hỗ trợ tool Đầu vào hình ảnh Suy luận trước
GLM 5.3 broadnet/glm-5.3 1.048.576 Có Không Có
DeepSeek V4.1 Flash broadnet/deepseek-v4.1-flash 1.048.576 Không ghi Có Có
Qwen3.8 27B broadnet/qwen3.8-27b 262.144 Có Có Có
Gemma 4 VL 26B broadnet/gemma-4-26b-a4b 32.768 Không ghi Có Không ghi

Cả bốn đều là model trọng số mở được phục vụ qua một API tương thích OpenAI tại https://inference.broadnet.ai/v1, nên đổi model chỉ là sửa một dòng trong thiết lập của agent.

Phép thử 1: agent của bạn có cần tool call gốc không?

Đây là câu hỏi quyết định giữ hay loại một model. Tool calling là cách agent yêu cầu máy của bạn đọc file, chạy lệnh hoặc áp dụng một chỉnh sửa. Các agent dùng nó theo ba cách khác nhau:

  • Tool call gốc. Agent gửi danh sách tools và chờ nhận lại tool_calls. Tài liệu Roo Code (dự án ngừng ngày 15 tháng 5 năm 2026; bản fork Zoo Code tiếp tục) nói tool calling gốc là “the only supported tool protocol” (bản dịch: giao thức tool duy nhất được hỗ trợ), không có phương án dự phòng XML. Tham chiếu cấu hình của Continue nói capability tool_use là “required for Agent mode” (bản dịch: bắt buộc cho chế độ Agent). opencode cũng làm việc qua tool call của API.
  • Tool được mô tả trong prompt. Cline chuyển sang tool calling gốc trong v3.35 cho một danh sách nhà cung cấp và model hàng đầu được nêu tên; bài phát hành nói các model khác “continue using the text-based approach” (bản dịch: tiếp tục dùng cách tiếp cận dựa trên văn bản). Model vẫn phải tuân theo một định dạng tool chặt chẽ, nên khả năng làm theo định dạng tool vẫn quan trọng.
  • Định dạng sửa code dạng văn bản. Aider yêu cầu model trả chỉnh sửa dưới dạng văn bản: toàn bộ file, khối search/replace hoặc unified diff, theo tài liệu về định dạng sửa code. Nó không phụ thuộc vào field tool calling của API. Lựa chọn model cho Aider có trong LLM tốt nhất cho Aider.

Vậy quy tắc đầu tiên rất đơn giản. Với agent dựa trên tool như opencode, chế độ Agent của Continue hoặc Zoo Code, hãy dùng model mà BroadNet ghi hỗ trợ tool: GLM 5.3 hoặc Qwen3.8 27B. Cline dễ tính hơn, nhưng cùng hai model đó vẫn là điểm khởi đầu an toàn hơn. Với Aider, model context lớn nào cũng được, kể cả DeepSeek V4.1 Flash. Nếu bạn muốn dùng DeepSeek V4.1 Flash trong agent dựa trên tool, hãy chạy một tác vụ thật trước. Tool call thất bại thường lộ ra trong hai ba bước đầu tiên.

Phép thử 2: context có đủ lớn không?

Context window của agent đầy nhanh hơn người ta tưởng. Trước khi đọc dòng code nào, một request đã mang theo system prompt, schema của tool và hội thoại từ đầu đến giờ. Sau đó mới đến các lần đọc file và đầu ra của lệnh. Phân tích ngân sách token của agent cho thấy token đi đâu, và công cụ tính context window kiểm tra file của bạn có vừa không.

  • 1.048.576 token (GLM 5.3, DeepSeek V4.1 Flash): một phiên dài trên repository cỡ vừa mà không cần cắt gọt mạnh.
  • 262.144 token (Qwen3.8 27B): ổn cho tác vụ tập trung; phiên dài cần tóm tắt hoặc một repo map nhỏ hơn.
  • 32.768 token (Gemma 4 VL 26B): quá nhỏ cho phần lớn vòng lặp agent. Hãy dùng nó để thử thiết lập bằng $5 tín dụng ban đầu.

Hãy tự đặt kích thước context trong thiết lập model của agent. Agent không tự phát hiện được với model ID tùy chỉnh, và một số giả định một giá trị mặc định sai với model của bạn.

Phép thử 3: một tác vụ tốn bao nhiêu?

Agent đọc nhiều hơn viết rất nhiều, và phần lớn những gì nó đọc lặp lại từ lượt trước. Điều đó khiến giá đầu vào và giá đầu vào từ cache quan trọng hơn giá đầu ra. Đây là một dạng tác vụ: 40 lời gọi model, trung bình mỗi lời gọi 30.000 token đầu vào và 1.000 token đầu ra, với 80% đầu vào lấy từ cache.

Mỗi tác vụ Token DeepSeek V4.1 Flash GLM 5.3 Qwen3.8 27B
Đầu vào mới 0,24M $0.175 / 1M $0.78 / 1M $0.175 / 1M
Đầu vào từ cache 0,96M $0.0055 / 1M $0.173 / 1M $0.0435 / 1M
Đầu ra, kể cả suy luận 0,04M $0.52 / 1M $3.46 / 1M $2.17 / 1M

Nhân từng dòng rồi cộng lại. Theo giá đồng bộ ngày 2026-11-14, tác vụ này tốn gấp khoảng 7 lần trên GLM 5.3 và gấp khoảng 2,5 lần trên Qwen3.8 27B so với DeepSeek V4.1 Flash. Tỷ lệ thực tế của bạn phụ thuộc vào tỷ lệ cache và mức độ model suy luận, nên hãy tự đo. Nhập số token của bạn vào công cụ tính chi phí API LLM, hoặc so sánh các model cạnh nhau trong DeepSeek V4.1 Flash và GLM 5.3 và GLM 5.3 và Qwen3.8 27B.

Trên gói không giới hạn, DeepSeek V4.1 Flash không đếm token: $60 mỗi tháng cho mỗi phiên, một request tại một thời điểm. Với agent chạy gần như cả ngày, mức này thường thắng mọi giá theo token. Với 80% cache hit, phép tính hòa vốn đặt ngưỡng ở khoảng 917 triệu token đầu vào và 46 triệu token đầu ra mỗi tháng.

Phép thử 4: model suy nghĩ bao nhiêu?

Cả ba model lớn đều suy luận trước khi trả lời, và suy luận được tính vào max_tokens. Trong agent, điều này gây ra hai vấn đề: phản hồi rỗng khi giới hạn đầu ra nhỏ, và hóa đơn đầu ra cao hơn khi trả theo mức dùng. Hãy cho mỗi lời gọi vài nghìn token đầu ra và đặt reasoning_effort là low cho các bước thường lệ như đọc file. Vì sao model suy luận trả về câu trả lời rỗng.

Vậy nên chọn model nào?

  1. opencode, chế độ Agent của Continue, Cline, Zoo Code hoặc vòng lặp tool tự viết: GLM 5.3. Có ghi hỗ trợ tool, context 1M, giá theo token cao nhất trong bốn model.
  2. Aider, hoặc bất kỳ agent chạy dài nào mà hóa đơn là điều quan trọng nhất: DeepSeek V4.1 Flash, tốt nhất là trên gói không giới hạn.
  3. Agent đọc ảnh chụp màn hình hoặc làm việc bằng tiếng Ả Rập: Qwen3.8 27B, có tool và đầu vào hình ảnh; trang bảng giá của BroadNet nói model này đã được test bằng tiếng Ả Rập.
  4. Lần test đầu tiên bằng tín dụng ban đầu $5: Gemma 4 VL 26B, rồi chuyển lên model lớn hơn.

Bạn cũng có thể kết hợp. Ví dụ Cline có thiết lập để dùng model khác nhau cho chế độ Plan và Act. Các bước cài đặt cho từng agent có trong trang tổng hợp về dùng model mở trong coding agent, và so sánh tính năng có trong Cline vs Roo Code vs Aider.

BroadNet Inference phù hợp ở đâu

BroadNet Inference phục vụ bốn model này với chính sách không lưu giữ dữ liệu, bằng một API key. Tuyên bố quyền riêng tư của BroadNet nói các model open-weight được host chạy trên phần cứng tại Mỹ do BroadNet sở hữu hoặc thuê, còn những model do đối tác phục vụ như DeepSeek V4.1 Flash chạy với các đối tác inference tại Mỹ. BroadNet hợp với các nhóm muốn một model mở context 1M token cho agent, và một hóa đơn cố định cho DeepSeek V4.1 Flash. BroadNet không hợp nếu bạn cần một model cụ thể mà họ không phục vụ, một tool do nhà cung cấp host như tìm kiếm web, hoặc điểm benchmark được công bố để so sánh model; khi đó hãy tự chạy phép thử ở mức tác vụ. Bạn có thể thử bất kỳ model nào bằng key trả theo mức dùng hoặc mua một giờ Meteor giá $1 trên trang gói.

Câu hỏi thường gặp

Model mã nguồn mở nào tốt nhất cho opencode hoặc Zoo Code?

Trên BroadNet Inference, hãy bắt đầu với GLM 5.3. Các agent này làm việc qua tool call, và BroadNet ghi hỗ trợ tool calling và đầu ra có cấu trúc cho GLM 5.3, với context 1.048.576 token. Hãy test DeepSeek V4.1 Flash trên một tác vụ thật trước khi dựa vào nó, vì BroadNet không ghi hỗ trợ tool cho model này.

Model mở nào rẻ nhất cho coding agent?

Trên BroadNet, DeepSeek V4.1 Flash có giá theo token thấp nhất trong các model context 1M, $0.175 mỗi 1M đầu vào và $0.0055 mỗi 1M đầu vào từ cache. Một số nhà host khác niêm yết thấp hơn theo token, như DeepSeek-V4.1-Flash-1017 giảm giá của DeepInfra, niêm yết ngày 16/11/2026 ở mức USD 0.098 đầu vào và USD 0.0029 cache. Trên gói không giới hạn của BroadNet, model này hoàn toàn không đếm token, với giá $60 mỗi tháng cho mỗi phiên.

Aider có cần model hỗ trợ tool calling không?

Các định dạng sửa code được ghi trong tài liệu của Aider là định dạng văn bản, như toàn bộ file hoặc khối search/replace, nên nó không phụ thuộc vào field tool calling của API. Điều đó khiến Aider rất hợp với DeepSeek V4.1 Flash.

Context 32K có đủ cho coding agent không?

Hiếm khi đủ. Chỉ riêng system prompt và định nghĩa tool của agent đã có thể chiếm vài nghìn token trước khi đọc dòng code nào. Gemma 4 VL 26B của BroadNet (32.768 token) hợp để thử thiết lập bằng tín dụng ban đầu $5, không hợp cho công việc agent hằng ngày.

Model suy luận có tốn hơn trong vòng lặp agent không?

Với trả theo mức dùng thì có. Token suy luận được tính như đầu ra. DeepSeek V4.1 Flash, GLM 5.3 và Qwen3.8 27B đều suy luận trước. Hãy đặt reasoning_effort là low cho các bước đơn giản, hoặc dùng gói không giới hạn, nơi token không bị đếm.

Đọc dạng MarkdownHỏi ChatGPTHỏi ClaudeHỏi Perplexity