---
title: "Bestes offenes LLM für Coding-Agenten: Tools, Kosten"
description: "GLM 5.3, DeepSeek V4.1 Flash, Qwen3.8 27B oder Gemma 4 für Ihren Coding-Agenten? Wählen Sie nach Tool Calling, Kontext, Reasoning und Kosten pro Aufgabe."
url: https://broadrouter.com/de/blog/best-open-model-for-coding-agents/
lang: de
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Mit KI-Unterstützung aus dem Englischen übersetzt. [Englisches Original lesen](https://broadrouter.com/blog/best-open-model-for-coding-agents/) (aktualisiert am 2026-11-16).

# Bestes offenes Modell für Coding-Agenten: Tools, Kontext und Kosten

Vom Team von BroadNet Inference · 6 Min. Lesezeit · Veröffentlicht 2026-11-14 · Aktualisiert 2026-11-16

Für einen Coding-Agenten, der auf native Tool-Aufrufe angewiesen ist (opencode, Agent-Modus von Continue, Zoo Code), ist GLM 5.3 bei BroadNet die sicherste Wahl: Tools ausgewiesen, 1 Mio. Tokens Kontext. Für Aider oder einen Agenten, der den ganzen Tag läuft, ist DeepSeek V4.1 Flash mit Flatrate am günstigsten. Qwen3.8 27B passt zur Arbeit mit Screenshots. Der 32K-Kontext von Gemma 4 VL 26B ist zu klein.

## Das Wichtigste in Kürze

-   Prüfen Sie zuerst Tool Calling. BroadNet weist Tools für GLM 5.3 und Qwen3.8 27B aus, nicht für DeepSeek V4.1 Flash oder Gemma 4 VL 26B.
-   Der Kontext bestimmt, wie viel vom Repository ein Agent sehen kann: 1.048.576 Tokens bei GLM 5.3 und DeepSeek V4.1 Flash, 262.144 bei Qwen3.8 27B, 32.768 bei Gemma 4 VL 26B.
-   Rechnen Sie pro Aufgabe, nicht pro Token. In unserer Beispielaufgabe liest der Agent 30-mal mehr Tokens, als er schreibt; die Preise für Input und gecachten Input zählen also am meisten.
-   Zu den veröffentlichten Preisen kostet eine Beispielaufgabe mit GLM 5.3 etwa 7-mal und mit Qwen3.8 27B etwa 2,5-mal so viel wie mit DeepSeek V4.1 Flash.
-   Lassen Sie dieselbe echte Aufgabe auf zwei Modellen laufen, bevor Sie sich festlegen. Eine Meteor-Stunde für $1 reicht, um DeepSeek V4.1 Flash zu testen.

**Auf dieser Seite**

1.  Welche Modelle stehen zur Wahl?
2.  Test 1: Braucht Ihr Agent native Tool-Aufrufe?
3.  Test 2: Ist der Kontext groß genug?
4.  Test 3: Was kostet eine Aufgabe?
5.  Test 4: Wie viel denkt das Modell nach?
6.  Welches Modell sollten Sie also wählen?
7.  Wo BroadNet Inference einzuordnen ist

Die meisten Listen zum „besten offenen Modell zum Programmieren“ ordnen Modelle nach Benchmark-Werten. Das hilft bei der Wahl einer Modellfamilie. Es sagt Ihnen aber nicht, welches Modell in **Ihrem** Agenten, über **Ihren** Anbieter und zu Kosten funktioniert, mit denen Sie leben können. Dieser Beitrag beschränkt die Auswahl auf die vier Chat-Modelle von BroadNet Inference und entscheidet anhand von vier praktischen Tests: Tool Calling, Kontext, Reasoning und Kosten pro Aufgabe. Benchmark-Werte veröffentlichen wir hier nicht; wir nutzen nur, was in der Dokumentation und der Preisdatei von BroadNet steht.

## Welche Modelle stehen zur Wahl?

| Modell | ID | Kontext | Tools ausgewiesen | Bild-Input | Denkt zuerst nach |
| --- | --- | --- | --- | --- | --- |
| [GLM 5.3](https://broadrouter.com/de/models/glm-5.3/) | `broadnet/glm-5.3` | 1.048.576 | Ja | Nein | Ja |
| [DeepSeek V4.1 Flash](https://broadrouter.com/de/models/deepseek-v4.1-flash/) | `broadnet/deepseek-v4.1-flash` | 1.048.576 | Nicht ausgewiesen | Ja | Ja |
| [Qwen3.8 27B](https://broadrouter.com/de/models/qwen3.8-27b/) | `broadnet/qwen3.8-27b` | 262.144 | Ja | Ja | Ja |
| [Gemma 4 VL 26B](https://broadrouter.com/de/models/gemma-4-vl-26b/) | `broadnet/gemma-4-26b-a4b` | 32.768 | Nicht ausgewiesen | Ja | Nicht ausgewiesen |

Alle vier sind [Open-Weight-Modelle](https://broadrouter.com/de/glossary/open-weight-model/), die über eine einzige [OpenAI-kompatible API](https://broadrouter.com/de/glossary/openai-compatible-api/) unter `https://inference.broadnet.ai/v1` bereitstehen. Ein Wechsel ist also eine Änderung in einer Zeile der Agenten-Einstellungen.

## Test 1: Braucht Ihr Agent native Tool-Aufrufe?

Diese Frage entscheidet, welche Modelle infrage kommen. Über [Tool Calling](https://broadrouter.com/de/glossary/tool-calling/) bittet ein Agent Ihren Rechner, eine Datei zu lesen, einen Befehl auszuführen oder eine Änderung anzuwenden. Agenten nutzen das auf drei verschiedene Arten:

-   **Native Tool-Aufrufe.** Der Agent sendet eine `tools`\-Liste und erwartet `tool_calls` zurück. Laut Dokumentation von Roo Code (das Projekt wurde am 15. Mai 2026 eingestellt; der Fork Zoo Code führt es weiter) ist natives Tool Calling „the only supported tool protocol“ (Übersetzung: das einzige unterstützte Tool-Protokoll), ohne XML-Fallback. Laut Konfigurationsreferenz von Continue ist die Capability `tool_use` „required for Agent mode“ (Übersetzung: für den Agent-Modus erforderlich). Auch opencode arbeitet über die Tool-Aufrufe der API.
-   **Im Prompt beschriebene Tools.** Cline ist in v3.35 für eine Liste namentlich genannter Anbieter und Frontier-Modelle auf natives Tool Calling umgestiegen; laut Release-Beitrag werden andere Modelle „continue using the text-based approach“ (Übersetzung: weiterhin den textbasierten Ansatz nutzen). Das Modell muss dennoch einem strikten Tool-Format folgen, die Qualität beim Befolgen der Tools zählt also.
-   **Text-Edit-Formate.** Aider bittet das Modell, Änderungen als Text zurückzugeben: ganze Dateien, Search/Replace-Blöcke oder Unified Diffs, laut seiner [Dokumentation zu Edit-Formaten](https://aider.chat/docs/more/edit-formats.html). Es ist nicht auf das Tool-Calling-Feld der API angewiesen. Modellempfehlungen für Aider finden Sie unter [das beste LLM für Aider](https://broadrouter.com/de/blog/best-llm-for-aider/).

Die erste Regel ist also einfach. Für einen Tool-gesteuerten Agenten wie opencode, den Agent-Modus von Continue oder Zoo Code nutzen Sie ein Modell, für das BroadNet Tools ausweist: GLM 5.3 oder Qwen3.8 27B. Cline ist nachsichtiger, aber dieselben zwei Modelle sind der sicherere Einstieg. Für Aider funktioniert jedes der Modelle mit großem Kontext, auch DeepSeek V4.1 Flash. Wenn Sie DeepSeek V4.1 Flash in einem Tool-gesteuerten Agenten einsetzen wollen, lassen Sie zuerst eine echte Aufgabe darauf laufen. Ein fehlgeschlagener Tool-Aufruf zeigt sich meist in den ersten zwei oder drei Schritten.

## Test 2: Ist der Kontext groß genug?

Das [Kontextfenster](https://broadrouter.com/de/glossary/context-window/) eines Agenten füllt sich schneller als erwartet. Bevor Code gelesen wird, enthält eine Anfrage bereits einen System-Prompt, Tool-Schemas und die bisherige Unterhaltung. Dann kommen gelesene Dateien und Befehlsausgaben hinzu. Unsere [Aufschlüsselung des Token-Budgets von Agenten](https://broadrouter.com/de/blog/agent-token-budget/) zeigt, wohin die Tokens gehen, und der [Kontextfenster-Rechner](https://broadrouter.com/tools/context-window-calculator/) prüft, ob Ihre Dateien hineinpassen.

-   **1.048.576 Tokens** (GLM 5.3, DeepSeek V4.1 Flash): eine lange Session an einem mittelgroßen Repository ohne aggressives Kürzen.
-   **262.144 Tokens** (Qwen3.8 27B): gut für fokussierte Aufgaben; lange Sessions brauchen Zusammenfassungen oder eine kleinere Repository-Map.
-   **32.768 Tokens** (Gemma 4 VL 26B): für die meisten Agenten-Schleifen zu klein. Nutzen Sie es, um ein Setup mit dem Startguthaben von $5 zu testen.

Setzen Sie die Kontextgröße selbst in den Modelleinstellungen des Agenten. Bei eigenen Modell-IDs können Agenten sie nicht erkennen, und manche nehmen einen Standardwert an, der für Ihr Modell falsch ist.

## Test 3: Was kostet eine Aufgabe?

Agenten lesen weit mehr, als sie schreiben, und das meiste davon wiederholt sich aus der vorherigen Runde. Deshalb sind die Preise für Input und [gecachten Input](https://broadrouter.com/de/glossary/cached-input-tokens/) wichtiger als der Output-Preis. Hier eine Beispielaufgabe: 40 Modellaufrufe mit durchschnittlich je 30.000 Input-Tokens und 1.000 Output-Tokens, wobei 80 % des Inputs aus dem Cache kommen.

| Pro Aufgabe | Tokens | DeepSeek V4.1 Flash | GLM 5.3 | Qwen3.8 27B |
| --- | --- | --- | --- | --- |
| Neuer Input | 0,24 Mio. | $0.175 / 1 Mio. | $0.78 / 1 Mio. | $0.175 / 1 Mio. |
| Gecachter Input | 0,96 Mio. | $0.0055 / 1 Mio. | $0.173 / 1 Mio. | $0.0435 / 1 Mio. |
| Output, inkl. Reasoning | 0,04 Mio. | $0.52 / 1 Mio. | $3.46 / 1 Mio. | $2.17 / 1 Mio. |

Multiplizieren Sie jede Zeile und addieren Sie die Ergebnisse. Zu den am 2026-11-14 synchronisierten Preisen kostet diese Aufgabe **mit GLM 5.3 etwa 7-mal** und **mit Qwen3.8 27B etwa 2,5-mal so viel** wie mit DeepSeek V4.1 Flash. Ihr eigenes Verhältnis hängt von Ihrer Cache-Quote ab und davon, wie viel das Modell nachdenkt; messen Sie es also. Geben Sie Ihre eigenen Token-Zahlen in den [LLM-API-Kostenrechner](https://broadrouter.com/tools/llm-api-cost-calculator/) ein oder vergleichen Sie die Modelle direkt unter [DeepSeek V4.1 Flash vs. GLM 5.3](https://broadrouter.com/compare/deepseek-v4.1-flash-vs-glm-5.3/) und [GLM 5.3 vs. Qwen3.8 27B](https://broadrouter.com/compare/glm-5.3-vs-qwen3.8-27b/).

In einem [unbegrenzten Plan](https://broadrouter.com/de/guides/unlimited-llm-api-sessions/) hat DeepSeek V4.1 Flash keinen Token-Zähler: $60 pro Session und Monat, eine Anfrage gleichzeitig. Für einen Agenten, der den größten Teil des Tages läuft, schlägt das meist jeden Preis pro Token. Bei 80 % Cache-Treffern liegt die Grenze laut [Break-even-Rechnung](https://broadrouter.com/de/blog/flat-rate-vs-pay-per-token-llm-api/) bei etwa 917 Millionen Input- und 46 Millionen Output-Tokens pro Monat.

## Test 4: Wie viel denkt das Modell nach?

Alle drei großen Modelle denken vor der Antwort nach, und das Reasoning wird auf `max_tokens` angerechnet. In einem Agenten führt das zu zwei Problemen: leere Antworten, wenn das Output-Limit klein ist, und höhere Output-Rechnungen bei Pay-as-you-go. Geben Sie jedem Aufruf einige Tausend Output-Tokens und setzen Sie `reasoning_effort` für Routineschritte wie das Lesen von Dateien auf `low`. [Warum Reasoning-Modelle leere Antworten liefern](https://broadrouter.com/de/guides/reasoning-tokens-empty-response/).

## Welches Modell sollten Sie also wählen?

1.  **opencode, Agent-Modus von Continue, Cline, Zoo Code oder Ihre eigene Tool-Schleife:** GLM 5.3. Tools ausgewiesen, 1 Mio. Tokens Kontext, der höchste Preis pro Token der vier.
2.  **Aider oder jeder lang laufende Agent, bei dem die Rechnung am meisten zählt:** DeepSeek V4.1 Flash, idealerweise mit einem unbegrenzten Plan.
3.  **Agenten, die Screenshots lesen oder auf Arabisch arbeiten:** Qwen3.8 27B, mit Tools und Bild-Input; laut Preisseite von BroadNet wurde es auf Arabisch getestet.
4.  **Ein erster Test mit dem Startguthaben von $5:** Gemma 4 VL 26B, danach steigen Sie um.

Sie können die Modelle auch kombinieren. Cline zum Beispiel hat eine Einstellung, um für die Modi Plan und Act unterschiedliche Modelle zu nutzen. Die Einrichtung für jeden Agenten finden Sie in unserer [Übersicht zu offenen Modellen in Coding-Agenten](https://broadrouter.com/de/blog/use-open-models-in-coding-agents/), einen Funktionsvergleich unter [Cline vs. Roo Code vs. Aider](https://broadrouter.com/de/blog/cline-vs-roo-code-vs-aider/).

## Wo BroadNet Inference einzuordnen ist

BroadNet Inference bietet diese vier Modelle mit Zero Data Retention und einem einzigen API-Schlüssel an. Laut Datenschutzerklärung von BroadNet laufen gehostete Open-Weight-Modelle auf eigener oder geleaster Hardware von BroadNet in den USA, und von Partnern bereitgestellte Modelle wie DeepSeek V4.1 Flash laufen bei Inferenzpartnern in den USA. Es passt zu Teams, die ein offenes Modell mit 1 Mio. Tokens Kontext für Agenten und eine pauschale Rechnung für DeepSeek V4.1 Flash wollen. Es passt nicht, wenn Sie ein bestimmtes Modell brauchen, das BroadNet nicht anbietet, ein anbieterseitig gehostetes Tool wie Websuche oder veröffentlichte Benchmark-Werte zum Vergleich von Modellen; führen Sie dann Ihren eigenen Test auf Aufgabenebene durch. Sie können jedes Modell mit einem Pay-as-you-go-Schlüssel ausprobieren oder auf der [Seite zu den Plänen](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-best-open-model-for-coding-agents&utm_content=body) eine Meteor-Stunde für $1 kaufen.

Kostenlose Tools zum Thema (auf Englisch)

-   [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.

[Kostenlose Tools (auf Englisch)](https://broadrouter.com/tools/)

## Begriffe in diesem Artikel

[Tool Calling (Function Calling)](https://broadrouter.com/de/glossary/tool-calling/)

Tool Calling, auch Function Calling genannt, ist eine Funktion von LLM-APIs, bei der das Modell eine strukturierte Anfrage zurückgibt, eine vom Entwickler definierte Funktion mit JSON-Argumenten auszuführen. Die Anwendung führt die Funktion aus und sendet das Ergebnis zurück; das Modell selbst führt nie Code aus.

[Token](https://broadrouter.com/de/glossary/token/)

Ein Token ist die Texteinheit, die ein Sprachmodell liest und schreibt: ein Wort, ein Wortteil, ein Satzzeichen oder eine Bytefolge, die der Tokenizer des Modells erzeugt. LLM-APIs zählen, begrenzen und berechnen die Nutzung meist in Tokens.

[Input- und Output-Tokens](https://broadrouter.com/de/glossary/input-and-output-tokens/)

Input-Tokens sind die Tokens, die ein Sprachmodell in einer Anfrage liest, einschließlich System-Prompt, Gesprächsverlauf, Tool-Definitionen und Bildern. Output-Tokens sind die Tokens, die es als Antwort erzeugt, einschließlich Reasoning. LLM-APIs berechnen beide meist getrennt, und Output ist in der Regel teurer.

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

Pay-as-you-go ist ein Preismodell, bei dem Sie nur für tatsächliche Nutzung zahlen, gemessen pro Einheit wie Tokens, Anfragen oder Audiominuten, ohne Abonnement oder Mindestabnahme. Die meisten LLM-APIs rechnen so ab, aus einem vorausbezahlten Guthaben oder per regelmäßiger Rechnung.

[Kontextfenster (Context Window)](https://broadrouter.com/de/glossary/context-window/)

Das Kontextfenster ist die maximale Anzahl an Tokens, mit der ein Sprachmodell in einer einzelnen Anfrage arbeiten kann. Es umfasst Prompt, Gesprächsverlauf, Tool-Definitionen, Bilder und den erzeugten Output einschließlich Reasoning-Tokens. Was nicht hineinpasst, muss gekürzt, zusammengefasst oder auf mehrere Anfragen verteilt werden.

[Zero Data Retention (ZDR)](https://broadrouter.com/de/glossary/zero-data-retention/)

Zero Data Retention (ZDR) ist eine Datenrichtlinie, bei der ein KI-Anbieter Prompts und Outputs nur zur Bearbeitung einer Anfrage verarbeitet und diese Inhalte danach nicht speichert, weder in Logs noch in Caches oder Trainingsdaten. Inhaltsfreie Daten wie Token-Zahlen und Zeiten werden meist weiterhin aufbewahrt.

[Gecachte Input-Tokens (Cached Input Tokens)](https://broadrouter.com/de/glossary/cached-input-tokens/)

Gecachte Input-Tokens sind Prompt-Tokens, die ein LLM-Anbieter kürzlich verarbeitet hat und aus einem Cache wiederverwenden kann, statt sie neu zu berechnen, meist ein wiederholtes Präfix wie ein System-Prompt oder ein Dokument. Anbieter berechnen sie günstiger als neue Input-Tokens.

[max\_tokens](https://broadrouter.com/de/glossary/max-tokens/)

max\_tokens ist ein Parameter von LLM-APIs, der festlegt, wie viele Tokens ein Modell in einer Antwort höchstens erzeugen darf. Erreicht die Generierung das Limit, bricht sie ab, und die Antwort wird als abgeschnitten markiert, zum Beispiel mit finish\_reason „length“.

## Häufige Fragen

### Welches Open-Source-Modell ist das beste für opencode oder Zoo Code?

Bei BroadNet Inference beginnen Sie mit GLM 5.3. Diese Agenten arbeiten über Tool-Aufrufe, und BroadNet weist für GLM 5.3 Tool Calling und strukturierte Ausgabe aus, mit einem Kontext von 1.048.576 Tokens. Testen Sie DeepSeek V4.1 Flash an einer echten Aufgabe, bevor Sie sich darauf verlassen, denn BroadNet weist dafür keine Tools aus.

### Welches offene Modell ist für einen Coding-Agenten am günstigsten?

Bei BroadNet hat DeepSeek V4.1 Flash die niedrigsten Preise pro Token unter den Modellen mit 1 Mio. Tokens Kontext, $0.175 pro 1 Mio. Input und $0.0055 pro 1 Mio. gecachtem Input. Einige andere Hosts nennen pro Token niedrigere Preise, etwa DeepInfra für das rabattierte DeepSeek-V4.1-Flash-1017, gelistet am 16. November 2026, mit 0,098 USD Input und 0,0029 USD gecacht. Im unbegrenzten Plan von BroadNet hat es überhaupt keinen Token-Zähler, für $60 pro Session und Monat.

### Braucht Aider ein Modell mit Tool Calling?

Die dokumentierten Edit-Formate von Aider sind Textformate, etwa ganze Dateien oder Search/Replace-Blöcke. Aider ist also nicht auf das Tool-Calling-Feld der API angewiesen. Das macht es zu einer guten Wahl für DeepSeek V4.1 Flash.

### Reicht ein Kontext von 32K für einen Coding-Agenten?

Selten. Allein der System-Prompt und die Tool-Definitionen des Agenten können Tausende Tokens belegen, bevor überhaupt Code gelesen wird. Gemma 4 VL 26B bei BroadNet (32.768 Tokens) eignet sich, um ein Setup mit dem Startguthaben von $5 auszuprobieren, nicht für die tägliche Arbeit mit Agenten.

### Kosten Reasoning-Modelle in einer Agenten-Schleife mehr?

Bei Pay-as-you-go ja. Reasoning-Tokens werden als Output abgerechnet. DeepSeek V4.1 Flash, GLM 5.3 und Qwen3.8 27B denken alle zuerst nach. Setzen Sie reasoning\_effort für einfache Schritte auf low, oder nutzen Sie einen unbegrenzten Plan, in dem Tokens nicht gezählt werden.

## Weiterlesen

-   [Offene Modelle in Coding-Agenten: Aider, Cline, opencode, Codex](https://broadrouter.com/de/blog/use-open-models-in-coding-agents/)
-   [Agenten-Token-Budget: wohin die Tokens einer Agenten-Schleife gehen](https://broadrouter.com/de/blog/agent-token-budget/)
-   [Cline vs. Roo Code vs. Aider für Teams mit offenen Modellen (2026)](https://broadrouter.com/de/blog/cline-vs-roo-code-vs-aider/)
-   [LLM-API: Flatrate oder Abrechnung pro Token? Die Break-even-Rechnung](https://broadrouter.com/de/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Kosten eines KI-Coding-Agent-Laufs: Schritte, Kontext, Caching](https://broadrouter.com/de/blog/ai-coding-agent-run-cost/)
-   [Claude Code mit offenen Modellen: Proxys, native Endpoints, Grenzen](https://broadrouter.com/de/blog/claude-code-with-openai-compatible-models/)
-   [Anleitung: Cline mit BroadNet Inference nutzen (Provider OpenAI Compatible)](https://broadrouter.com/de/guides/cline-openai-compatible/)
-   [Anleitung: Aider mit unbegrenztem DeepSeek V4.1 Flash betreiben](https://broadrouter.com/de/guides/aider-unlimited-deepseek/)
-   [Anleitung: BroadNet Inference als eigenen Provider in opencode einrichten](https://broadrouter.com/de/guides/opencode-custom-provider/)
-   [Anleitung: Warum ein Reasoning-Modell eine leere Antwort liefert](https://broadrouter.com/de/guides/reasoning-tokens-empty-response/)

Testen Sie es mit Ihrem echten Workload. Neue Konten starten mit USD 5 Guthaben für Gemma und Transkription. DeepSeek, GLM und Qwen3.8 erfordern eine Aufladung.

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

**Quellen**

-   [Maschinenlesbare Preise und Kontextlängen von BroadNet Inference (pricing.json, abgerufen am 2026-11-14) (auf Englisch)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-best-open-model-for-coding-agents&utm_content=sources)
-   [API-Referenz von BroadNet Inference, Modelle (abgerufen am 2026-11-14) (auf Englisch)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-best-open-model-for-coding-agents&utm_content=sources#models)
-   [Aider-Dokumentation, Edit-Formate (abgerufen am 2026-11-14)](https://aider.chat/docs/more/edit-formats.html)
-   [Roo-Code-Dokumentation (Projekt am 2026-05-15 eingestellt; Zoo Code ist der Fork), OpenAI-kompatible Provider, nur natives Tool Calling (abgerufen am 2026-11-14)](https://roocodeinc.github.io/Roo-Code/providers/openai-compatible)
-   [Continue-Dokumentation, Referenz zu config.yaml, Capability tool\_use (abgerufen am 2026-11-14)](https://docs.continue.dev/reference)
-   [Cline-Blog, natives Tool Calling in v3.35 (31. Oktober 2025; abgerufen am 2026-11-14)](https://cline.bot/blog/cline-v3-35)
-   [Preise von DeepInfra (abgerufen am 2026-11-14; Aktionspreise erneut geprüft am 2026-11-16)](https://deepinfra.com/pricing)
-   [Preisseite von BroadNet Inference: Hinweise zu Arabisch-Tests pro Modell (geprüft am 2026-11-16) (auf Englisch)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-best-open-model-for-coding-agents&utm_content=sources)
-   [Datenschutzerklärung von BroadNet Inference: wo die Verarbeitung stattfindet (geprüft am 2026-11-16) (auf Englisch)](https://www.broadnet.ai/inference-privacy)
