---
title: "코딩 에이전트용 오픈소스 LLM 추천: 도구·컨텍스트·비용 | BroadRouter"
description: "코딩 에이전트에는 GLM 5.3, DeepSeek V4.1 Flash, Qwen3.8 27B, Gemma 4 중 무엇이 맞을까요? 도구 호출, 컨텍스트, 추론, 작업당 비용으로 계산과 함께 고릅니다."
url: https://broadrouter.com/ko/blog/best-open-model-for-coding-agents/
lang: ko
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

이 페이지는 영어 원문을 AI의 도움을 받아 번역했습니다. [영어 원문 읽기](https://broadrouter.com/blog/best-open-model-for-coding-agents/) (2026-11-16 업데이트).

# 코딩 에이전트에 가장 좋은 오픈 모델: 도구, 컨텍스트, 비용으로 고르기

BroadNet Inference 팀 · 6분 분량 · 게시 2026-11-14 · 업데이트 2026-11-16

네이티브 도구 호출에 의존하는 코딩 에이전트(opencode, Continue Agent 모드, Zoo Code)라면 BroadNet에서 가장 안전한 선택은 GLM 5.3입니다. 도구 지원이 명시되어 있고 컨텍스트가 1M입니다. Aider나 하루 종일 돌아가는 에이전트라면 정액 플랜의 DeepSeek V4.1 Flash가 가장 쌉니다. 스크린샷 작업에는 Qwen3.8 27B가 맞습니다. Gemma 4 VL 26B의 32K 컨텍스트는 너무 작습니다.

## 핵심 요약

-   도구 호출부터 확인하세요. BroadNet은 GLM 5.3과 Qwen3.8 27B에 도구 지원을 명시하며, DeepSeek V4.1 Flash와 Gemma 4 VL 26B에는 명시하지 않습니다.
-   컨텍스트가 에이전트가 볼 수 있는 저장소의 양을 정합니다. GLM 5.3과 DeepSeek V4.1 Flash는 1,048,576 토큰, Qwen3.8 27B는 262,144 토큰, Gemma 4 VL 26B는 32,768 토큰입니다.
-   토큰당이 아니라 작업당 가격으로 따지세요. 예시 작업에서 에이전트는 쓰는 것보다 30배 많은 토큰을 읽으므로, 입력 가격과 캐시된 입력 가격이 가장 중요합니다.
-   게시된 가격 기준으로 예시 작업 하나의 비용은 DeepSeek V4.1 Flash 대비 GLM 5.3에서 약 7배, Qwen3.8 27B에서 약 2.5배입니다.
-   결정하기 전에 같은 실제 작업을 두 모델에서 돌려 보세요. DeepSeek V4.1 Flash를 테스트하는 데는 $1 요금의 Meteor 1시간이면 충분합니다.

**이 페이지의 내용**

1.  후보 모델은 무엇인가요?
2.  기준 1: 에이전트에 네이티브 도구 호출이 필요한가요?
3.  기준 2: 컨텍스트가 충분히 큰가요?
4.  기준 3: 작업 하나에 얼마가 드나요?
5.  기준 4: 모델이 얼마나 생각하나요?
6.  그래서 무엇을 골라야 하나요?
7.  BroadNet Inference의 위치

“코딩에 가장 좋은 오픈 모델” 목록은 대부분 벤치마크 점수로 순위를 매깁니다. 모델 계열을 고르는 데는 도움이 됩니다. 하지만 **여러분의** 에이전트에서, **여러분의** 제공업체를 통해, 감당할 수 있는 비용으로 어떤 모델이 동작할지는 알려 주지 않습니다. 이 글은 선택지를 BroadNet Inference가 제공하는 채팅 모델 4개로 좁히고, 도구 호출, 컨텍스트, 추론, 작업당 비용이라는 실용적인 기준 네 가지로 고릅니다. 여기서는 벤치마크 점수를 게시하지 않으며, BroadNet의 문서와 가격 파일에 적힌 내용만 씁니다.

## 후보 모델은 무엇인가요?

| 모델 | ID | 컨텍스트 | 도구 지원 명시 | 이미지 입력 | 먼저 추론 |
| --- | --- | --- | --- | --- | --- |
| [GLM 5.3](https://broadrouter.com/ko/models/glm-5.3/) | `broadnet/glm-5.3` | 1,048,576 | 예 | 아니요 | 예 |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ko/models/deepseek-v4.1-flash/) | `broadnet/deepseek-v4.1-flash` | 1,048,576 | 명시 안 됨 | 예 | 예 |
| [Qwen3.8 27B](https://broadrouter.com/ko/models/qwen3.8-27b/) | `broadnet/qwen3.8-27b` | 262,144 | 예 | 예 | 예 |
| [Gemma 4 VL 26B](https://broadrouter.com/ko/models/gemma-4-vl-26b/) | `broadnet/gemma-4-26b-a4b` | 32,768 | 명시 안 됨 | 예 | 명시 안 됨 |

네 모델 모두 `https://inference.broadnet.ai/v1` 주소의 [OpenAI 호환 API](https://broadrouter.com/ko/glossary/openai-compatible-api/) 하나로 제공되는 [오픈 웨이트 모델](https://broadrouter.com/ko/glossary/open-weight-model/)이므로, 에이전트 설정에서 한 줄만 바꾸면 모델을 바꿀 수 있습니다.

## 기준 1: 에이전트에 네이티브 도구 호출이 필요한가요?

모델을 넣을지 뺄지를 가르는 질문입니다. [도구 호출](https://broadrouter.com/ko/glossary/tool-calling/)은 에이전트가 여러분의 컴퓨터에 파일 읽기, 명령 실행, 편집 적용을 요청하는 방식입니다. 에이전트는 이를 세 가지 방식으로 씁니다.

-   **네이티브 도구 호출.** 에이전트가 `tools` 목록을 보내고 `tool_calls`를 돌려받기를 기대합니다. Roo Code 문서(프로젝트는 2026년 5월 15일에 종료되었고 포크인 Zoo Code가 이어 갑니다)는 네이티브 도구 호출이 “the only supported tool protocol”(번역: 유일하게 지원되는 도구 프로토콜)이며 XML 대체 방식이 없다고 밝힙니다. Continue의 설정 레퍼런스는 `tool_use` 기능이 “required for Agent mode”(번역: Agent 모드에 필수)라고 밝힙니다. opencode도 API의 도구 호출로 동작합니다.
-   **프롬프트에 기술된 도구.** Cline은 v3.35에서 지정된 제공업체 목록과 프런티어 모델에 대해 네이티브 도구 호출로 옮겨 갔고, 릴리스 글에 따르면 다른 모델은 “continue using the text-based approach”(번역: 텍스트 기반 방식을 계속 사용)합니다. 이 경우에도 모델이 엄격한 도구 형식을 따라야 하므로 도구 형식 준수 품질이 중요합니다.
-   **텍스트 편집 형식.** Aider는 [편집 형식 문서](https://aider.chat/docs/more/edit-formats.html)에 따라 모델에게 파일 전체, search/replace 블록, unified diff 같은 텍스트로 편집 내용을 돌려 달라고 요청합니다. API의 도구 호출 필드에 의존하지 않습니다. Aider용 모델 선택은 [Aider에 가장 좋은 LLM](https://broadrouter.com/ko/blog/best-llm-for-aider/)에 있습니다.

그래서 첫 번째 규칙은 간단합니다. opencode, Continue Agent 모드, Zoo Code 같은 도구 기반 에이전트에는 BroadNet이 도구 지원을 명시한 모델, 즉 GLM 5.3이나 Qwen3.8 27B를 쓰세요. Cline은 더 너그럽지만 같은 두 모델로 시작하는 편이 안전합니다. Aider라면 DeepSeek V4.1 Flash를 포함해 컨텍스트가 큰 모델 어느 것이든 됩니다. 도구 기반 에이전트에서 DeepSeek V4.1 Flash를 쓰고 싶다면 먼저 실제 작업을 돌려 보세요. 도구 호출 실패는 대개 처음 두세 단계 안에 드러납니다.

## 기준 2: 컨텍스트가 충분히 큰가요?

에이전트의 [컨텍스트 윈도](https://broadrouter.com/ko/glossary/context-window/)는 생각보다 빨리 찹니다. 코드를 읽기도 전에 요청에는 이미 시스템 프롬프트, 도구 스키마, 지금까지의 대화가 담겨 있습니다. 그다음 파일 읽기와 명령 출력이 더해집니다. [에이전트 토큰 예산 분석](https://broadrouter.com/ko/blog/agent-token-budget/)에서 어디에 쓰이는지 볼 수 있고, [컨텍스트 윈도 계산기](https://broadrouter.com/tools/context-window-calculator/)로 파일이 들어가는지 확인할 수 있습니다.

-   **1,048,576 토큰**(GLM 5.3, DeepSeek V4.1 Flash): 중간 규모 저장소에서 공격적으로 줄이지 않고도 긴 세션을 돌릴 수 있습니다.
-   **262,144 토큰**(Qwen3.8 27B): 범위가 좁은 작업에는 충분합니다. 긴 세션에는 요약이나 더 작은 저장소 맵이 필요합니다.
-   **32,768 토큰**(Gemma 4 VL 26B): 대부분의 에이전트 루프에는 너무 작습니다. $5 상당의 초기 크레딧으로 설정을 시험해 보는 데 쓰세요.

컨텍스트 크기는 에이전트의 모델 설정에서 직접 지정하세요. 사용자 지정 모델 ID에 대해서는 에이전트가 이를 알아낼 수 없고, 일부는 모델에 맞지 않는 기본값을 가정합니다.

## 기준 3: 작업 하나에 얼마가 드나요?

에이전트는 쓰는 것보다 훨씬 많이 읽고, 읽는 내용의 대부분은 이전 턴의 반복입니다. 그래서 출력 가격보다 입력 가격과 [캐시된 입력](https://broadrouter.com/ko/glossary/cached-input-tokens/) 가격이 더 중요합니다. 작업 형태 하나를 예로 들겠습니다. 모델 호출 40회, 호출당 평균 입력 토큰 30,000개와 출력 토큰 1,000개, 입력의 80%는 캐시에서 제공됩니다.

| 작업당 | 토큰 | DeepSeek V4.1 Flash | GLM 5.3 | Qwen3.8 27B |
| --- | --- | --- | --- | --- |
| 새 입력 | 0.24M | $0.175 / 1M | $0.78 / 1M | $0.175 / 1M |
| 캐시된 입력 | 0.96M | $0.0055 / 1M | $0.173 / 1M | $0.0435 / 1M |
| 출력(추론 포함) | 0.04M | $0.52 / 1M | $3.46 / 1M | $2.17 / 1M |

행마다 곱해서 더하세요. 2026-11-14 기준으로 동기화된 가격에서 이 작업은 DeepSeek V4.1 Flash보다 **GLM 5.3에서 약 7배**, **Qwen3.8 27B에서 약 2.5배** 비쌉니다. 실제 비율은 캐시 적중률과 모델이 얼마나 추론하는지에 따라 달라지므로 직접 측정하세요. 자신의 토큰 수를 [LLM API 비용 계산기](https://broadrouter.com/tools/llm-api-cost-calculator/)에 넣거나, [DeepSeek V4.1 Flash vs GLM 5.3](https://broadrouter.com/compare/deepseek-v4.1-flash-vs-glm-5.3/)과 [GLM 5.3 vs Qwen3.8 27B](https://broadrouter.com/compare/glm-5.3-vs-qwen3.8-27b/)에서 모델을 나란히 비교하세요.

[무제한 플랜](https://broadrouter.com/ko/guides/unlimited-llm-api-sessions/)에서 DeepSeek V4.1 Flash는 토큰 계량이 없습니다. 세션당 월 $60 요금이며 한 번에 요청 1개를 처리합니다. 하루 대부분 돌아가는 에이전트라면 대개 어떤 토큰당 가격보다도 유리합니다. 캐시 적중률 80%에서 [손익분기점 계산](https://broadrouter.com/ko/blog/flat-rate-vs-pay-per-token-llm-api/)은 그 선을 월 입력 약 9.17억 토큰, 출력 4,600만 토큰 근처로 봅니다.

## 기준 4: 모델이 얼마나 생각하나요?

대형 모델 세 개는 모두 답하기 전에 추론하며, 추론은 `max_tokens`에 포함됩니다. 에이전트에서는 이것이 두 가지 문제를 일으킵니다. 출력 한도가 작으면 빈 응답이 오고, 종량제에서는 출력 요금이 올라갑니다. 호출마다 출력 토큰을 수천 개 주고, 파일 읽기 같은 일상적인 단계에는 `reasoning_effort`를 `low`로 설정하세요. [추론 모델이 빈 답변을 반환하는 이유](https://broadrouter.com/ko/guides/reasoning-tokens-empty-response/).

## 그래서 무엇을 골라야 하나요?

1.  **opencode, Continue Agent 모드, Cline, Zoo Code, 또는 직접 만든 도구 루프:** GLM 5.3. 도구 지원 명시, 1M 컨텍스트이며, 네 모델 중 토큰당 가격이 가장 높습니다.
2.  **Aider, 또는 청구액이 가장 중요한 장시간 실행 에이전트:** DeepSeek V4.1 Flash, 가능하면 무제한 플랜으로.
3.  **스크린샷을 읽거나 아랍어로 작업하는 에이전트:** 도구와 이미지 입력을 지원하는 Qwen3.8 27B. BroadNet 가격 페이지에 따르면 아랍어로 테스트된 모델입니다.
4.  **$5 상당의 초기 크레딧으로 하는 첫 테스트:** Gemma 4 VL 26B로 시작한 뒤 상위 모델로 옮기세요.

섞어 쓸 수도 있습니다. 예를 들어 Cline에는 Plan 모드와 Act 모드에 서로 다른 모델을 쓰는 설정이 있습니다. 에이전트별 설정 방법은 [코딩 에이전트에서 오픈 모델 쓰기 허브](https://broadrouter.com/ko/blog/use-open-models-in-coding-agents/)에, 기능 비교는 [Cline vs Roo Code vs Aider](https://broadrouter.com/ko/blog/cline-vs-roo-code-vs-aider/)에 있습니다.

## BroadNet Inference의 위치

BroadNet Inference는 이 네 모델을 데이터 비보관 조건과 API 키 하나로 제공합니다. BroadNet의 개인정보 처리방침에 따르면 호스팅되는 오픈 웨이트 모델은 BroadNet이 보유하거나 임차한 미국 하드웨어에서 실행되고, DeepSeek V4.1 Flash처럼 파트너가 제공하는 모델은 미국 추론 파트너에서 실행됩니다. 에이전트용 1M 토큰 오픈 모델과 DeepSeek V4.1 Flash의 정액 청구를 원하는 팀에 맞습니다. 제공하지 않는 특정 모델, 웹 검색 같은 제공업체 호스팅 도구, 모델을 비교할 게시된 벤치마크 점수가 필요하다면 맞지 않습니다. 그럴 때는 작업 단위 테스트를 직접 돌리세요. 종량제 키로 어떤 모델이든 써 보거나, [플랜 페이지](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-blog-best-open-model-for-coding-agents&utm_content=body)에서 $1 요금의 Meteor 1시간을 구매할 수 있습니다.

관련 무료 도구 (영어)

-   [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.

[무료 도구 (영어)](https://broadrouter.com/tools/)

## 이 글의 용어

[AI 에이전트(AI agent)](https://broadrouter.com/ko/glossary/agent/)

AI 에이전트는 언어 모델이 목표를 향해 스스로 단계를 정하는 시스템입니다. 어떤 도구를 호출할지 결정하고, 결과를 읽고, 최종 답변을 내거나 한도에 닿을 때까지 이를 반복합니다. 정해진 지점에서 모델을 호출하는 고정된 스크립트는 보통 워크플로라고 부릅니다.

[오픈 웨이트 모델(open-weight model)](https://broadrouter.com/ko/glossary/open-weight-model/)

오픈 웨이트 모델은 학습된 가중치를 공개해 누구나 내려받아 실행할 수 있게 한 머신러닝 모델로, 보통 조건이 붙은 라이선스로 배포됩니다. 학습 코드와 학습 데이터에 대한 상세한 정보까지 공개해 다른 사람이 모델을 연구하고 재현할 수 있게 하는 완전한 오픈 소스 AI와는 다릅니다.

[도구 호출(tool calling)](https://broadrouter.com/ko/glossary/tool-calling/)

도구 호출(tool calling)은 함수 호출(function calling)이라고도 하며, 모델이 개발자가 정의한 함수를 실행해 달라는 구조화된 요청을 JSON 인자와 함께 반환하는 LLM API 기능입니다. 함수는 애플리케이션이 실행하고 그 결과를 다시 보냅니다. 모델이 직접 코드를 실행하지는 않습니다.

[입력 토큰과 출력 토큰(input and output tokens)](https://broadrouter.com/ko/glossary/input-and-output-tokens/)

입력 토큰은 언어 모델이 요청에서 읽는 토큰으로, 시스템 프롬프트, 대화 기록, 도구 정의, 이미지가 포함됩니다. 출력 토큰은 모델이 응답으로 생성하는 토큰으로, 추론도 포함됩니다. LLM API는 보통 둘에 따로 가격을 매기며, 대개 출력이 더 비쌉니다.

[캐시된 입력 토큰(cached input tokens)](https://broadrouter.com/ko/glossary/cached-input-tokens/)

캐시된 입력 토큰은 LLM 제공업체가 최근에 처리해 두었다가 다시 계산하지 않고 캐시에서 재사용할 수 있는 프롬프트 토큰입니다. 보통 시스템 프롬프트나 문서처럼 반복되는 접두부(prefix)이며, 제공업체는 이를 새 입력 토큰보다 낮은 단가로 과금합니다.

[데이터 비보관(Zero data retention, ZDR)](https://broadrouter.com/ko/glossary/zero-data-retention/)

데이터 비보관(ZDR)은 AI 제공업체가 프롬프트와 출력을 요청 처리에만 사용하고, 처리 후에는 그 내용을 로그, 캐시, 학습 데이터 어디에도 저장하지 않는 데이터 처리 정책입니다. 토큰 수나 처리 시간처럼 내용이 없는 기록은 보통 계속 보관됩니다.

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

종량제(pay-as-you-go)는 구독이나 최소 약정 없이 토큰, 요청, 오디오 분 같은 단위로 사용량을 측정해 쓴 만큼만 내는 요금 방식입니다. 대부분의 LLM API가 선불 잔액에서 차감하거나 정기 청구서를 발행하는 식으로 이렇게 과금합니다.

[OpenAI 호환 API(OpenAI-compatible API)](https://broadrouter.com/ko/glossary/openai-compatible-api/)

OpenAI 호환 API는 POST /v1/chat/completions처럼 OpenAI API와 같은 요청 및 응답 형식을 받는 HTTP API입니다. 그래서 OpenAI SDK와 도구는 base URL, API 키, 모델 이름만 바꾸면 이 API를 그대로 사용할 수 있습니다.

## 자주 묻는 질문

### opencode나 Zoo Code에 가장 좋은 오픈소스 모델은 무엇인가요?

BroadNet Inference라면 GLM 5.3부터 시작하세요. 이 에이전트들은 도구 호출로 작업하며, BroadNet은 GLM 5.3에 도구 호출과 구조화된 출력을 명시하고 컨텍스트는 1,048,576 토큰입니다. BroadNet이 DeepSeek V4.1 Flash에는 도구 지원을 명시하지 않으므로, 의존하기 전에 실제 작업으로 테스트하세요.

### 코딩 에이전트에 가장 싼 오픈 모델은 무엇인가요?

BroadNet에서는 1M 컨텍스트 모델 중 DeepSeek V4.1 Flash의 토큰당 가격이 가장 낮습니다. 100만 입력 토큰당 $0.175 요금, 100만 캐시된 입력 토큰당 $0.0055 요금입니다. 다른 호스트 중에는 토큰당 더 낮게 게시한 곳도 있습니다. 예를 들어 2026년 11월 16일에 게시된 DeepInfra의 할인된 DeepSeek-V4.1-Flash-1017은 입력 USD 0.098, 캐시 USD 0.0029입니다. BroadNet 무제한 플랜에서는 토큰 계량 자체가 없으며 세션당 월 $60 요금입니다.

### Aider에는 도구 호출을 지원하는 모델이 필요한가요?

Aider가 문서화한 편집 형식은 파일 전체나 search/replace 블록 같은 텍스트 형식이므로, API의 도구 호출 필드에 의존하지 않습니다. 그래서 DeepSeek V4.1 Flash와 잘 맞습니다.

### 코딩 에이전트에 32K 컨텍스트로 충분한가요?

거의 그렇지 않습니다. 코드를 읽기도 전에 에이전트의 시스템 프롬프트와 도구 정의만으로 수천 토큰을 차지할 수 있습니다. BroadNet의 Gemma 4 VL 26B(32,768 토큰)는 $5 상당의 초기 크레딧으로 설정을 시험해 보는 데 맞고, 매일 하는 에이전트 작업에는 맞지 않습니다.

### 에이전트 루프에서 추론 모델은 비용이 더 드나요?

종량제에서는 그렇습니다. 추론 토큰은 출력으로 과금됩니다. DeepSeek V4.1 Flash, GLM 5.3, Qwen3.8 27B는 모두 먼저 추론합니다. 단순한 단계에는 reasoning\_effort를 low로 설정하거나, 토큰을 계량하지 않는 무제한 플랜을 쓰세요.

## 이어서 읽기

-   [코딩 에이전트에서 오픈 모델 쓰기: Aider, Cline, opencode, Codex](https://broadrouter.com/ko/blog/use-open-models-in-coding-agents/)
-   [에이전트 토큰 예산: 에이전트 루프의 토큰은 어디로 가는가](https://broadrouter.com/ko/blog/agent-token-budget/)
-   [오픈 모델을 쓰는 팀을 위한 Cline vs Roo Code vs Aider 비교(2026)](https://broadrouter.com/ko/blog/cline-vs-roo-code-vs-aider/)
-   [LLM API 정액제 vs 토큰당 과금: 손익분기점 계산](https://broadrouter.com/ko/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [AI 코딩 에이전트 1회 실행 비용: 단계 수, 컨텍스트 증가, 캐싱](https://broadrouter.com/ko/blog/ai-coding-agent-run-cost/)
-   [오픈 모델로 Claude Code 쓰기: 프록시, 네이티브 엔드포인트, 한계](https://broadrouter.com/ko/blog/claude-code-with-openai-compatible-models/)
-   [가이드: BroadNet Inference에서 Cline 사용하기(OpenAI Compatible 제공자)](https://broadrouter.com/ko/guides/cline-openai-compatible/)
-   [가이드: Aider를 무제한 DeepSeek V4.1 Flash로 실행하기](https://broadrouter.com/ko/guides/aider-unlimited-deepseek/)
-   [가이드: opencode에 BroadNet Inference를 커스텀 제공자로 추가하기](https://broadrouter.com/ko/guides/opencode-custom-provider/)
-   [가이드: 추론 모델이 빈 답변을 반환하는 이유](https://broadrouter.com/ko/guides/reasoning-tokens-empty-response/)

실제 워크로드로 테스트해 보세요. 신규 계정에는 US$5 상당의 초기 크레딧이 제공되며 Gemma 및 음성 전사에 사용할 수 있습니다. DeepSeek, GLM 및 Qwen3.8 모델은 충전이 필요합니다.

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

**출처**

-   [BroadNet Inference 기계 판독용 가격과 컨텍스트 길이(pricing.json, 2026-11-14 조회) (영어)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-blog-best-open-model-for-coding-agents&utm_content=sources)
-   [BroadNet Inference API 레퍼런스, 모델(2026-11-14 조회) (영어)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-blog-best-open-model-for-coding-agents&utm_content=sources#models)
-   [Aider 문서, 편집 형식(2026-11-14 조회)](https://aider.chat/docs/more/edit-formats.html)
-   [Roo Code 문서(2026-05-15 프로젝트 종료, 포크는 Zoo Code), OpenAI Compatible 제공자, 네이티브 도구 호출 전용(2026-11-14 조회)](https://roocodeinc.github.io/Roo-Code/providers/openai-compatible)
-   [Continue 문서, config.yaml 레퍼런스, tool\_use 기능(2026-11-14 조회)](https://docs.continue.dev/reference)
-   [Cline 블로그, v3.35 네이티브 도구 호출(2025년 10월 31일; 2026-11-14 조회)](https://cline.bot/blog/cline-v3-35)
-   [DeepInfra 가격(2026-11-14 조회, 프로모션 가격은 2026-11-16 재확인)](https://deepinfra.com/pricing)
-   [BroadNet Inference 가격 페이지: 모델별 아랍어 테스트 메모 (2026-11-16 확인) (영어)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-blog-best-open-model-for-coding-agents&utm_content=sources)
-   [BroadNet Inference 개인정보 처리방침: 처리가 이루어지는 위치 (2026-11-16 확인) (영어)](https://www.broadnet.ai/inference-privacy)
