---
title: "Miglior modello aperto per agenti di coding: tool e costi"
description: "GLM 5.3, DeepSeek V4.1 Flash, Qwen3.8 27B o Gemma 4 per il tuo agente di coding? Scegli per tool calling, contesto, ragionamento e costo per attività, con i conti."
url: https://broadrouter.com/it/blog/best-open-model-for-coding-agents/
lang: it
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Tradotto dall’inglese con l’aiuto dell’IA. [Leggi l’originale in inglese](https://broadrouter.com/blog/best-open-model-for-coding-agents/) (aggiornato il 2026-11-16).

# Miglior modello aperto per agenti di coding: tool, contesto e costo

A cura del team di BroadNet Inference · 6 min di lettura · Pubblicato 2026-11-14 · Aggiornato 2026-11-16

Per un agente di coding che dipende dalle chiamate native ai tool (opencode, modalità Agent di Continue, Zoo Code), GLM 5.3 è la scelta più sicura su BroadNet: tool indicati, contesto da 1M. Per Aider o un agente che lavora tutto il giorno, DeepSeek V4.1 Flash con un piano flat costa meno. Qwen3.8 27B va bene per il lavoro con screenshot. Il contesto da 32K di Gemma 4 VL 26B è troppo piccolo.

## Punti chiave

-   Controlla prima il tool calling. BroadNet indica i tool per GLM 5.3 e Qwen3.8 27B, non per DeepSeek V4.1 Flash né per Gemma 4 VL 26B.
-   Il contesto decide quanta parte del repository vede un agente: 1.048.576 token su GLM 5.3 e DeepSeek V4.1 Flash, 262.144 su Qwen3.8 27B, 32.768 su Gemma 4 VL 26B.
-   Ragiona sul prezzo per attività, non per token. Nel nostro esempio l’agente legge 30 volte più token di quanti ne scriva, quindi contano soprattutto i prezzi di input e di input in cache.
-   Ai prezzi pubblicati, un’attività d’esempio costa circa 7 volte di più su GLM 5.3 e circa 2,5 volte di più su Qwen3.8 27B che su DeepSeek V4.1 Flash.
-   Prima di impegnarti, fai girare la stessa attività reale su due modelli. Un’ora Meteor da $1 basta per provare DeepSeek V4.1 Flash.

**In questa pagina**

1.  Quali modelli sono in gioco?
2.  Prova 1: il tuo agente ha bisogno di chiamate native ai tool?
3.  Prova 2: il contesto è abbastanza grande?
4.  Prova 3: quanto costa un’attività?
5.  Prova 4: quanto ragiona il modello?
6.  Quindi quale scegliere?
7.  Dove si colloca BroadNet Inference

Quasi tutte le classifiche del «miglior modello open per il coding» ordinano i modelli per punteggi nei benchmark. Ti aiuta a scegliere una famiglia di modelli. Non ti dice quale modello funzionerà nel **tuo** agente, tramite il **tuo** provider, a un costo sostenibile. Questo articolo restringe la scelta ai quattro modelli chat serviti da BroadNet Inference e sceglie in base a quattro prove pratiche: tool calling, contesto, ragionamento e costo per attività. Qui non pubblichiamo punteggi di benchmark; usiamo solo quello che dicono la documentazione e il file dei prezzi di BroadNet.

## Quali modelli sono in gioco?

| Modello | ID | Contesto | Tool indicati | Input di immagini | Ragiona prima |
| --- | --- | --- | --- | --- | --- |
| [GLM 5.3](https://broadrouter.com/it/models/glm-5.3/) | `broadnet/glm-5.3` | 1.048.576 | Sì | No | Sì |
| [DeepSeek V4.1 Flash](https://broadrouter.com/it/models/deepseek-v4.1-flash/) | `broadnet/deepseek-v4.1-flash` | 1.048.576 | Non indicati | Sì | Sì |
| [Qwen3.8 27B](https://broadrouter.com/it/models/qwen3.8-27b/) | `broadnet/qwen3.8-27b` | 262.144 | Sì | Sì | Sì |
| [Gemma 4 VL 26B](https://broadrouter.com/it/models/gemma-4-vl-26b/) | `broadnet/gemma-4-26b-a4b` | 32.768 | Non indicati | Sì | Non indicato |

Tutti e quattro sono [modelli open-weight](https://broadrouter.com/it/glossary/open-weight-model/) serviti tramite un’unica [API compatibile con OpenAI](https://broadrouter.com/it/glossary/openai-compatible-api/) su `https://inference.broadnet.ai/v1`, quindi cambiare modello è una modifica di una riga nelle impostazioni dell’agente.

## Prova 1: il tuo agente ha bisogno di chiamate native ai tool?

È la domanda che include o esclude i modelli. Il [tool calling](https://broadrouter.com/it/glossary/tool-calling/) è il modo in cui un agente chiede alla tua macchina di leggere un file, eseguire un comando o applicare una modifica. Gli agenti lo usano in tre modi diversi:

-   **Chiamate native ai tool.** L’agente invia un elenco `tools` e si aspetta in risposta `tool_calls`. La documentazione di Roo Code (il progetto è stato chiuso il 15 maggio 2026; il suo fork Zoo Code va avanti) dice che il tool calling nativo è «the only supported tool protocol» (traduzione: l’unico protocollo di tool supportato), senza ripiego su XML. Il riferimento di configurazione di Continue dice che la capability `tool_use` è «required for Agent mode» (traduzione: necessaria per la modalità Agent). Anche opencode lavora tramite le chiamate ai tool dell’API.
-   **Tool descritti nel prompt.** Cline è passato al tool calling nativo nella v3.35 per un elenco di provider specifici e di modelli di frontiera; il post di rilascio dice che gli altri modelli «continue using the text-based approach» (traduzione: continuano a usare l’approccio testuale). Il modello deve comunque seguire un formato di tool rigoroso, quindi conta quanto bene segue i tool.
-   **Formati di modifica testuali.** Aider chiede al modello di restituire le modifiche come testo: file interi, blocchi search/replace o diff unificati, secondo la sua [documentazione sui formati di modifica](https://aider.chat/docs/more/edit-formats.html). Non dipende dal campo di tool calling dell’API. Le scelte di modello per Aider sono in [il miglior LLM per Aider](https://broadrouter.com/it/blog/best-llm-for-aider/).

La prima regola, quindi, è semplice. Per un agente basato sui tool come opencode, la modalità Agent di Continue o Zoo Code, usa un modello che BroadNet indica con i tool: GLM 5.3 o Qwen3.8 27B. Cline è più tollerante, ma anche lì questi due modelli sono il punto di partenza più sicuro. Per Aider va bene uno qualsiasi dei modelli con contesto ampio, compreso DeepSeek V4.1 Flash. Se vuoi DeepSeek V4.1 Flash in un agente basato sui tool, prima fagli fare un’attività reale. Una chiamata ai tool fallita di solito si vede entro i primi due o tre passi.

## Prova 2: il contesto è abbastanza grande?

La [finestra di contesto](https://broadrouter.com/it/glossary/context-window/) di un agente si riempie più in fretta di quanto si pensi. Prima di leggere una riga di codice, una richiesta porta già un system prompt, gli schemi dei tool e la conversazione fin lì. Poi arrivano letture di file e output dei comandi. La nostra [analisi del budget di token di un agente](https://broadrouter.com/it/blog/agent-token-budget/) mostra dove vanno, e il [calcolatore della finestra di contesto](https://broadrouter.com/tools/context-window-calculator/) verifica se i tuoi file ci stanno.

-   **1.048.576 token** (GLM 5.3, DeepSeek V4.1 Flash): una sessione lunga su un repository di medie dimensioni senza tagli aggressivi.
-   **262.144 token** (Qwen3.8 27B): bene per attività mirate; le sessioni lunghe richiedono riassunti o una mappa del repository più piccola.
-   **32.768 token** (Gemma 4 VL 26B): troppo pochi per la maggior parte dei cicli da agente. Usalo per provare una configurazione con il credito iniziale di $5.

Imposta tu la dimensione del contesto nelle impostazioni del modello dell’agente. Gli agenti non riescono a rilevarla per gli ID di modelli personalizzati, e alcuni assumono un valore predefinito sbagliato per il tuo modello.

## Prova 3: quanto costa un’attività?

Gli agenti leggono molto più di quanto scrivono, e quasi tutto quello che leggono si ripete dal turno precedente. Per questo i prezzi di input e di [input in cache](https://broadrouter.com/it/glossary/cached-input-tokens/) contano più di quello di output. Ecco una forma di attività: 40 chiamate al modello, in media 30.000 token di input e 1.000 di output ciascuna, con l’80% dell’input servito dalla cache.

| Per attività | Token | DeepSeek V4.1 Flash | GLM 5.3 | Qwen3.8 27B |
| --- | --- | --- | --- | --- |
| Input nuovo | 0,24M | $0.175 / 1M | $0.78 / 1M | $0.175 / 1M |
| Input in cache | 0,96M | $0.0055 / 1M | $0.173 / 1M | $0.0435 / 1M |
| Output, ragionamento compreso | 0,04M | $0.52 / 1M | $3.46 / 1M | $2.17 / 1M |

Moltiplica ogni riga e somma. Ai prezzi sincronizzati 2026-11-14, questa attività costa circa **7 volte di più su GLM 5.3** e circa **2,5 volte di più su Qwen3.8 27B** che su DeepSeek V4.1 Flash. Il tuo rapporto dipende dal tuo tasso di cache e da quanto ragiona il modello, quindi misuralo. Inserisci i tuoi conteggi di token nel [calcolatore dei costi API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/), oppure confronta i modelli fianco a fianco in [DeepSeek V4.1 Flash o GLM 5.3](https://broadrouter.com/compare/deepseek-v4.1-flash-vs-glm-5.3/) e [GLM 5.3 o Qwen3.8 27B](https://broadrouter.com/compare/glm-5.3-vs-qwen3.8-27b/).

Con un [piano illimitato](https://broadrouter.com/it/guides/unlimited-llm-api-sessions/), DeepSeek V4.1 Flash non ha contatore di token: $60 al mese per sessione, una richiesta alla volta. Per un agente che lavora gran parte della giornata, di solito batte qualsiasi prezzo per token. Con l’80% di hit della cache, i [conti del pareggio](https://broadrouter.com/it/blog/flat-rate-vs-pay-per-token-llm-api/) mettono la soglia vicino a 917 milioni di token di input e 46 milioni di di output al mese.

## Prova 4: quanto ragiona il modello?

Tutti e tre i modelli grandi ragionano prima di rispondere, e il ragionamento conta in `max_tokens`. In un agente questo crea due problemi: risposte vuote quando il limite di output è basso, e bollette di output più alte a consumo. Dai a ogni chiamata qualche migliaio di token di output e imposta `reasoning_effort` su `low` per i passi di routine come la lettura dei file. Vedi [perché i modelli di ragionamento restituiscono risposte vuote](https://broadrouter.com/it/guides/reasoning-tokens-empty-response/).

## Quindi quale scegliere?

1.  **opencode, modalità Agent di Continue, Cline, Zoo Code o un tuo ciclo di tool:** GLM 5.3. Tool indicati, contesto da 1M, il prezzo per token più alto dei quattro.
2.  **Aider, o qualsiasi agente di lunga durata in cui conta soprattutto la bolletta:** DeepSeek V4.1 Flash, meglio se con un piano illimitato.
3.  **Agenti che leggono screenshot o lavorano in arabo:** Qwen3.8 27B, con tool e input di immagini; la pagina prezzi di BroadNet dice che è stato testato in arabo.
4.  **Una prima prova con il credito iniziale di $5:** Gemma 4 VL 26B, poi passa a un modello più grande.

Puoi anche combinarli. Cline, per esempio, ha un’impostazione per usare modelli diversi nelle modalità Plan e Act. I passaggi di configurazione per ogni agente sono nella nostra [guida ai modelli open-weight negli agenti di coding](https://broadrouter.com/it/blog/use-open-models-in-coding-agents/), e un confronto delle funzioni è in [Cline, Roo Code o Aider](https://broadrouter.com/it/blog/cline-vs-roo-code-vs-aider/).

## Dove si colloca BroadNet Inference

BroadNet Inference serve questi quattro modelli con zero data retention e un’unica chiave API. L’informativa sulla privacy di BroadNet dice che i modelli open-weight ospitati girano su hardware negli Stati Uniti di proprietà di BroadNet o in leasing, e che i modelli serviti dai partner, come DeepSeek V4.1 Flash, girano presso partner di inferenza statunitensi. È adatto ai team che vogliono un modello open-weight da 1M di token per gli agenti e una bolletta flat per DeepSeek V4.1 Flash. Non è adatto se ti serve un modello specifico che non serve, un tool ospitato dal provider come la ricerca web, o punteggi di benchmark pubblicati per confrontare i modelli; in quel caso fai un tuo test a livello di attività. Puoi provare qualsiasi modello con una chiave a consumo o comprare un’ora Meteor da $1 nella [pagina dei piani](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-best-open-model-for-coding-agents&utm_content=body).

Strumenti gratuiti sul tema (in inglese)

-   [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.

[Strumenti gratuiti (in inglese)](https://broadrouter.com/tools/)

## Termini in questo articolo

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

Un token è l’unità di testo che un modello linguistico legge e scrive: una parola, una parte di parola, un segno di punteggiatura o una sequenza di byte prodotta dal tokenizer del modello. Le API LLM contano, limitano e di solito fatturano l’uso in token.

[Tool calling (chiamata di strumenti)](https://broadrouter.com/it/glossary/tool-calling/)

Il tool calling, detto anche function calling, è una funzionalità delle API LLM in cui il modello restituisce una richiesta strutturata di eseguire una funzione definita dallo sviluppatore, con argomenti JSON. L’applicazione esegue la funzione e rimanda il risultato; il modello non esegue mai codice da solo.

[AI multimodale (multimodal AI)](https://broadrouter.com/it/glossary/multimodal/)

L’AI multimodale è un modello o un sistema che lavora con più di un tipo di dato, come testo, immagini, video e audio. Un modello multimodale può leggere insieme una foto e una domanda, oppure ricevere parlato e rispondere in testo. Il tipo più comune è il modello vision-language.

[Modello open-weight (a pesi aperti)](https://broadrouter.com/it/glossary/open-weight-model/)

Un modello open-weight è un modello di machine learning i cui pesi addestrati sono pubblicati perché chiunque possa scaricarli ed eseguirli, di solito con una licenza che pone condizioni. Si distingue dall’AI completamente open source, che rilascia anche il codice di addestramento e informazioni dettagliate sui dati, così altri possono studiare e riprodurre il modello.

[Pagamento a consumo (pay-as-you-go)](https://broadrouter.com/it/glossary/pay-as-you-go/)

Il pagamento a consumo è un modello di prezzo in cui paghi solo ciò che usi, misurato per unità come token, richieste o minuti di audio, senza abbonamento né impegno minimo. La maggior parte delle API LLM fattura così, da un saldo prepagato o con una fattura periodica.

[Token di input e di output](https://broadrouter.com/it/glossary/input-and-output-tokens/)

I token di input sono quelli che un modello linguistico legge in una richiesta: system prompt, cronologia, definizioni degli strumenti e immagini. I token di output sono quelli che genera in risposta, ragionamento compreso. Le API LLM di solito li prezzano separatamente, e l’output costa di più.

[Finestra di contesto (context window)](https://broadrouter.com/it/glossary/context-window/)

La finestra di contesto è il numero massimo di token con cui un modello linguistico può lavorare in una singola richiesta. Comprende prompt, cronologia della conversazione, definizioni degli strumenti, immagini e output generato, token di ragionamento inclusi. Ciò che non ci sta va tagliato, riassunto o diviso su più richieste.

[Token di input in cache (cached input)](https://broadrouter.com/it/glossary/cached-input-tokens/)

I token di input in cache sono token del prompt che un provider LLM ha elaborato da poco e può riusare da una cache invece di ricalcolarli, di solito un prefisso ripetuto come un system prompt o un documento. I provider li fatturano a una tariffa più bassa dei token di input nuovi.

## Domande frequenti

### Qual è il miglior modello open source per opencode o Zoo Code?

Su BroadNet Inference, parti da GLM 5.3. Questi agenti lavorano tramite chiamate ai tool, e BroadNet indica tool calling e output strutturato per GLM 5.3, con un contesto di 1.048.576 token. Prova DeepSeek V4.1 Flash su un’attività reale prima di affidarti a lui, perché BroadNet non indica i tool per quel modello.

### Qual è il modello open-weight più economico per un agente di coding?

Su BroadNet, DeepSeek V4.1 Flash ha i prezzi per token più bassi tra i modelli con contesto da 1M: $0.175 per 1M di input e $0.0055 per 1M di input in cache. Altri host lo indicano a meno per token, come DeepSeek-V4.1-Flash-1017 scontato su DeepInfra, in listino il 16 novembre 2026 a 0,098 USD di input e 0,0029 USD in cache. Con il piano illimitato di BroadNet non c’è alcun contatore di token, a $60 al mese per sessione.

### Aider ha bisogno di un modello con tool calling?

I formati di modifica documentati da Aider sono testuali, come file interi o blocchi search/replace, quindi non dipende dal campo di tool calling dell’API. Per questo si abbina bene a DeepSeek V4.1 Flash.

### Un contesto da 32K basta per un agente di coding?

Raramente. Il system prompt dell’agente e le definizioni dei tool possono occupare da soli migliaia di token prima che venga letta una riga di codice. Gemma 4 VL 26B di BroadNet (32.768 token) serve a provare una configurazione con il credito iniziale di $5, non al lavoro quotidiano di un agente.

### I modelli di ragionamento costano di più in un ciclo da agente?

A consumo, sì. I token di ragionamento si pagano come output. DeepSeek V4.1 Flash, GLM 5.3 e Qwen3.8 27B ragionano tutti prima di rispondere. Imposta reasoning\_effort su low per i passi semplici, oppure usa un piano illimitato in cui i token non vengono contati.

## Continua a leggere

-   [Modelli aperti negli agenti di coding: Aider, Cline, opencode, Codex](https://broadrouter.com/it/blog/use-open-models-in-coding-agents/)
-   [Budget di token di un agente: dove vanno i token di un ciclo](https://broadrouter.com/it/blog/agent-token-budget/)
-   [Cline vs Roo Code vs Aider per team con modelli open (2026)](https://broadrouter.com/it/blog/cline-vs-roo-code-vs-aider/)
-   [API LLM a tariffa flat o a consumo per token: i conti del pareggio](https://broadrouter.com/it/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Costo di un’esecuzione di un agente di coding: passi, contesto, cache](https://broadrouter.com/it/blog/ai-coding-agent-run-cost/)
-   [Claude Code con modelli open-weight: proxy, endpoint nativi e limiti](https://broadrouter.com/it/blog/claude-code-with-openai-compatible-models/)
-   [Guida: Usare Cline con BroadNet Inference (provider OpenAI Compatible)](https://broadrouter.com/it/guides/cline-openai-compatible/)
-   [Guida: Usare Aider con DeepSeek V4.1 Flash illimitato](https://broadrouter.com/it/guides/aider-unlimited-deepseek/)
-   [Guida: Aggiungere BroadNet Inference a opencode come provider personalizzato](https://broadrouter.com/it/guides/opencode-custom-provider/)
-   [Guida: Perché un modello di ragionamento restituisce una risposta vuota](https://broadrouter.com/it/guides/reasoning-tokens-empty-response/)

Provalo sul tuo carico di lavoro reale. I nuovi account partono con USD 5 di credito per Gemma e trascrizione. DeepSeek, GLM e Qwen3.8 richiedono una ricarica.

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

**Fonti**

-   [Prezzi e lunghezze di contesto di BroadNet Inference in formato leggibile dalle macchine (pricing.json, consultato il 2026-11-14) (in inglese)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-best-open-model-for-coding-agents&utm_content=sources)
-   [Riferimento API di BroadNet Inference, modelli (consultato il 2026-11-14) (in inglese)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-best-open-model-for-coding-agents&utm_content=sources#models)
-   [Documentazione di Aider, formati di modifica (consultata il 2026-11-14)](https://aider.chat/docs/more/edit-formats.html)
-   [Documentazione di Roo Code (progetto chiuso il 2026-05-15; Zoo Code è il suo fork), provider OpenAI Compatible, solo tool calling nativo (consultata il 2026-11-14)](https://roocodeinc.github.io/Roo-Code/providers/openai-compatible)
-   [Documentazione di Continue, riferimento di config.yaml, capability tool\_use (consultata il 2026-11-14)](https://docs.continue.dev/reference)
-   [Blog di Cline, tool calling nativo nella v3.35 (31 ottobre 2025; consultato il 2026-11-14)](https://cline.bot/blog/cline-v3-35)
-   [Prezzi di DeepInfra (consultati il 2026-11-14; prezzi promozionali ricontrollati il 2026-11-16)](https://deepinfra.com/pricing)
-   [Pagina prezzi di BroadNet Inference: note sui test in arabo per modello (verificata il 2026-11-16) (in inglese)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-best-open-model-for-coding-agents&utm_content=sources)
-   [Informativa sulla privacy di BroadNet Inference: dove avviene l’elaborazione (verificata il 2026-11-16) (in inglese)](https://www.broadnet.ai/inference-privacy)
