“कोडिंग के लिए सबसे अच्छा ओपन मॉडल” वाली ज़्यादातर सूचियाँ मॉडल को बेंचमार्क स्कोर से रैंक करती हैं। इससे मॉडल फ़ैमिली चुनने में मदद मिलती है। यह नहीं बताता कि आपके प्रोवाइडर के ज़रिए, ऐसी लागत पर जो आपको मंज़ूर हो, आपके एजेंट में कौन-सा मॉडल चलेगा। यह पोस्ट चुनाव को BroadNet Inference के चार चैट मॉडल तक सीमित करती है और चार व्यावहारिक कसौटियों से चुनती है: टूल कॉलिंग, कॉन्टेक्स्ट, रीज़निंग और प्रति टास्क लागत। हम यहाँ बेंचमार्क स्कोर प्रकाशित नहीं करते; हम सिर्फ़ वही इस्तेमाल करते हैं जो BroadNet के डॉक्स और प्राइस फ़ाइल में लिखा है।
कौन-से मॉडल विचार में हैं?
| मॉडल | ID | कॉन्टेक्स्ट | टूल सूचीबद्ध | इमेज इनपुट | पहले रीज़निंग |
|---|---|---|---|---|---|
| GLM 5.3 | broadnet/glm-5.3 |
1,048,576 | हाँ | नहीं | हाँ |
| DeepSeek V4.1 Flash | broadnet/deepseek-v4.1-flash |
1,048,576 | सूचीबद्ध नहीं | हाँ | हाँ |
| Qwen3.8 27B | broadnet/qwen3.8-27b |
262,144 | हाँ | हाँ | हाँ |
| Gemma 4 VL 26B | broadnet/gemma-4-26b-a4b |
32,768 | सूचीबद्ध नहीं | हाँ | सूचीबद्ध नहीं |
चारों ओपन-वेट मॉडल हैं, जो https://inference.broadnet.ai/v1 पर एक OpenAI-कम्पैटिबल API के ज़रिए चलते हैं, इसलिए बदलना आपके एजेंट की सेटिंग में एक लाइन का बदलाव है।
कसौटी 1: क्या आपके एजेंट को नेटिव टूल कॉल चाहिए?
यही सवाल तय करता है कि कौन-सा मॉडल अंदर है और कौन बाहर। टूल कॉलिंग वह तरीक़ा है जिससे एजेंट आपकी मशीन से कोई फ़ाइल पढ़ने, कमांड चलाने या एडिट लगाने को कहता है। एजेंट इसे तीन अलग तरीक़ों से इस्तेमाल करते हैं:
- नेटिव टूल कॉल। एजेंट एक
toolsसूची भेजता है और बदले मेंtool_callsकी उम्मीद करता है। Roo Code के डॉक्स (प्रोजेक्ट 15 मई 2026 को बंद हुआ; उसका फ़ोर्क Zoo Code जारी है) कहते हैं कि नेटिव टूल कॉलिंग “the only supported tool protocol” (अनुवाद: अकेला समर्थित टूल प्रोटोकॉल) है, बिना किसी XML फ़ॉलबैक के। Continue का कॉन्फ़िग रेफ़रंस कहता है किtool_useक्षमता “required for Agent mode” (अनुवाद: Agent मोड के लिए ज़रूरी) है। opencode भी API के टूल कॉल से काम करता है। - प्रॉम्प्ट में बताए गए टूल। Cline ने v3.35 में नामित प्रोवाइडरों और फ़्रंटियर मॉडल की एक सूची के लिए नेटिव टूल कॉलिंग अपनाई; उसकी रिलीज़ पोस्ट कहती है कि दूसरे मॉडल “continue using the text-based approach” (अनुवाद: टेक्स्ट-आधारित तरीक़ा इस्तेमाल करते रहते हैं)। मॉडल को फिर भी एक सख़्त टूल फ़ॉर्मैट का पालन करना होता है, इसलिए टूल-पालन की गुणवत्ता मायने रखती है।
- टेक्स्ट एडिट फ़ॉर्मैट। Aider मॉडल से एडिट टेक्स्ट के रूप में लौटाने को कहता है: पूरी फ़ाइलें, search/replace ब्लॉक या unified diff, उसके एडिट-फ़ॉर्मैट डॉक्स के अनुसार। वह API के टूल कॉलिंग फ़ील्ड पर निर्भर नहीं है। Aider के लिए मॉडल के चुनाव Aider के लिए सबसे अच्छा LLM में हैं।
तो पहला नियम सीधा है। opencode, Continue के Agent मोड या Zoo Code जैसे टूल से चलने वाले एजेंट के लिए ऐसा मॉडल इस्तेमाल करें जिसे BroadNet टूल के साथ सूचीबद्ध करता है: GLM 5.3 या Qwen3.8 27B। Cline ज़्यादा लचीला है, लेकिन वही दो मॉडल ज़्यादा सुरक्षित शुरुआत हैं। Aider के लिए बड़े कॉन्टेक्स्ट वाला कोई भी मॉडल चलता है, DeepSeek V4.1 Flash समेत। अगर आप टूल से चलने वाले एजेंट में DeepSeek V4.1 Flash चाहते हैं, तो पहले उस पर एक असली टास्क चलाएँ। फ़ेल हुई टूल कॉल आम तौर पर पहले दो-तीन चरणों में ही दिख जाती है।
कसौटी 2: क्या कॉन्टेक्स्ट काफ़ी बड़ा है?
एजेंट की कॉन्टेक्स्ट विंडो लोगों की उम्मीद से तेज़ भरती है। कोई भी कोड पढ़ने से पहले एक अनुरोध में पहले से सिस्टम प्रॉम्प्ट, टूल स्कीमा और अब तक की बातचीत होती है। फिर फ़ाइलें पढ़ना और कमांड आउटपुट आते हैं। हमारा एजेंट टोकन बजट विश्लेषण दिखाता है कि यह कहाँ जाता है, और कॉन्टेक्स्ट विंडो कैलकुलेटर जाँचता है कि आपकी फ़ाइलें फ़िट होती हैं या नहीं।
- 1,048,576 टोकन (GLM 5.3, DeepSeek V4.1 Flash): मध्यम आकार की रिपॉज़िटरी पर बिना ज़्यादा काट-छाँट के लंबा सेशन।
- 262,144 टोकन (Qwen3.8 27B): केंद्रित टास्क के लिए ठीक; लंबे सेशन में सारांश या छोटा रिपो मैप चाहिए।
- 32,768 टोकन (Gemma 4 VL 26B): ज़्यादातर एजेंट लूप के लिए बहुत छोटा। $5 के शुरुआती क्रेडिट पर सेटअप टेस्ट करने के लिए इस्तेमाल करें।
एजेंट की मॉडल सेटिंग में कॉन्टेक्स्ट साइज़ ख़ुद सेट करें। कस्टम मॉडल ID के लिए एजेंट इसे पहचान नहीं सकते, और कुछ ऐसा डिफ़ॉल्ट मान लेते हैं जो आपके मॉडल के लिए ग़लत है।
कसौटी 3: एक टास्क कितने का पड़ता है?
एजेंट लिखने से कहीं ज़्यादा पढ़ते हैं, और जो पढ़ते हैं उसका ज़्यादातर हिस्सा पिछले टर्न से दोहराया जाता है। इससे इनपुट और कैश्ड इनपुट की कीमतें आउटपुट की कीमत से ज़्यादा अहम हो जाती हैं। यह एक टास्क का ढाँचा है: 40 मॉडल कॉल, हर एक में औसतन 30,000 इनपुट टोकन और 1,000 आउटपुट टोकन, जिसमें 80% इनपुट कैश से आता है।
| प्रति टास्क | टोकन | DeepSeek V4.1 Flash | GLM 5.3 | Qwen3.8 27B |
|---|---|---|---|---|
| नया इनपुट | 0.24M | $0.175 / 1M | $0.78 / 1M | $0.175 / 1M |
| कैश्ड इनपुट | 0.96M | $0.0055 / 1M | $0.173 / 1M | $0.0435 / 1M |
| आउटपुट, रीज़निंग समेत | 0.04M | $0.52 / 1M | $3.46 / 1M | $2.17 / 1M |
हर पंक्ति को गुणा करें और जोड़ें। 2026-11-14 को सिंक की गई कीमतों पर यह टास्क DeepSeek V4.1 Flash के मुक़ाबले GLM 5.3 पर लगभग 7 गुना और Qwen3.8 27B पर लगभग 2.5 गुना महँगा पड़ता है। आपका अपना अनुपात आपकी कैश दर और मॉडल की रीज़निंग की मात्रा पर निर्भर है, इसलिए इसे मापें। अपने टोकन LLM API कॉस्ट कैलकुलेटर में डालें, या DeepSeek V4.1 Flash बनाम GLM 5.3 और GLM 5.3 बनाम Qwen3.8 27B पर मॉडल की तुलना साथ-साथ करें।
अनलिमिटेड प्लान पर DeepSeek V4.1 Flash में कोई टोकन मीटर नहीं है: हर सेशन $60 प्रति माह, एक समय में एक अनुरोध। दिन के ज़्यादातर समय चलने वाले एजेंट के लिए यह आम तौर पर किसी भी प्रति टोकन कीमत से बेहतर है। 80% कैश हिट पर ब्रेक-ईवन का हिसाब रेखा को महीने में लगभग 917 मिलियन इनपुट और 46 मिलियन आउटपुट टोकन पर रखता है।
कसौटी 4: मॉडल कितना सोचता है?
तीनों बड़े मॉडल जवाब देने से पहले रीज़निंग करते हैं, और रीज़निंग max_tokens में गिनी जाती है। एजेंट में इससे दो समस्याएँ होती हैं: आउटपुट सीमा कम होने पर ख़ाली जवाब, और उपयोग के अनुसार भुगतान पर ज़्यादा आउटपुट बिल। हर कॉल को कुछ हज़ार आउटपुट टोकन दें और फ़ाइलें पढ़ने जैसे रोज़मर्रा के चरणों के लिए reasoning_effort को low पर सेट करें। रीज़निंग मॉडल ख़ाली जवाब क्यों देते हैं।
तो आपको कौन-सा चुनना चाहिए?
- opencode, Continue का Agent मोड, Cline, Zoo Code या आपका अपना टूल लूप: GLM 5.3। टूल सूचीबद्ध, 1M कॉन्टेक्स्ट, चारों में सबसे ऊँची प्रति टोकन कीमत।
- Aider, या कोई भी लंबा चलने वाला एजेंट जहाँ बिल सबसे ज़्यादा मायने रखता है: DeepSeek V4.1 Flash, बेहतर हो तो अनलिमिटेड प्लान पर।
- स्क्रीनशॉट पढ़ने वाले या अरबी में काम करने वाले एजेंट: Qwen3.8 27B, टूल और इमेज इनपुट के साथ; BroadNet का pricing पेज कहता है कि इसे अरबी में टेस्ट किया गया है।
- $5 के शुरुआती क्रेडिट पर पहला टेस्ट: Gemma 4 VL 26B, फिर ऊपर जाएँ।
आप इन्हें मिला भी सकते हैं। जैसे Cline में Plan और Act मोड के लिए अलग-अलग मॉडल इस्तेमाल करने की सेटिंग है। हर एजेंट के सेटअप के चरण हमारे कोडिंग एजेंट में ओपन मॉडल वाले हब में हैं, और फ़ीचर की तुलना Cline बनाम Roo Code बनाम Aider में है।
BroadNet Inference कहाँ फ़िट होता है
BroadNet Inference ये चारों मॉडल ज़ीरो डेटा रिटेंशन के तहत, एक API key के साथ चलाता है। BroadNet का privacy statement कहता है कि होस्ट किए गए open-weight मॉडल BroadNet के अपने या लीज़ पर लिए US हार्डवेयर पर चलते हैं, और DeepSeek V4.1 Flash जैसे पार्टनर द्वारा चलाए जाने वाले मॉडल US इन्फ़रेंस पार्टनरों के साथ चलते हैं। यह उन टीमों के लिए ठीक है जिन्हें एजेंट के लिए 1M टोकन वाला ओपन मॉडल चाहिए, और DeepSeek V4.1 Flash के लिए फ़्लैट बिल। यह तब ठीक नहीं है जब आपको कोई ख़ास मॉडल चाहिए जो यह नहीं चलाता, वेब सर्च जैसा प्रोवाइडर-होस्टेड टूल चाहिए, या मॉडल की तुलना के लिए प्रकाशित बेंचमार्क स्कोर चाहिए; उसके बजाय अपना टास्क-स्तर का टेस्ट चलाएँ। आप किसी भी मॉडल को उपयोग के अनुसार भुगतान वाली key पर आज़मा सकते हैं या प्लान पेज पर $1 का एक Meteor घंटा ख़रीद सकते हैं।
