---
title: "LLM terbaik untuk Aider: memilih dan menyambung model"
description: "Cara memilih LLM terbaik untuk Aider: disiplin format suntingan, saiz konteks dan kos sejam, ujian sejam pada repo anda, dan persediaan OPENAI_API_BASE yang tepat."
url: https://broadrouter.com/ms/blog/best-llm-for-aider/
lang: ms
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan daripada bahasa Inggeris dengan bantuan AI. [Baca versi asal dalam bahasa Inggeris](https://broadrouter.com/blog/best-llm-for-aider/) (dikemas kini 2026-11-14).

# LLM terbaik untuk Aider: cara memilih model dan menyambungkannya

Oleh pasukan BroadNet Inference · 6 minit bacaan · Diterbitkan 2026-11-14

Model terbaik untuk Aider mematuhi format suntingannya dengan konsisten, memuatkan peta repositori anda dalam konteks dan cukup murah untuk dijalankan sepanjang hari. Aider bersambung ke mana-mana API serasi OpenAI: tetapkan OPENAI\_API\_BASE kepada https://inference.broadnet.ai/v1, tetapkan OPENAI\_API\_KEY, dan mulakan aider --model openai/broadnet/deepseek-v4.1-flash. Pada pelan Full Moon, model itu tiada meter token.

## Perkara utama

-   Aider menyunting fail melalui format suntingan teks (whole, diff, udiff), jadi model mesti mengikut format itu, bukan sekadar menulis kod yang baik.
-   Mana-mana endpoint serasi OpenAI berfungsi: OPENAI\_API\_BASE dan OPENAI\_API\_KEY, kemudian --model openai/<model-id>.
-   DeepSeek V4.1 Flash mempunyai konteks 1,048,576 token dan merupakan satu-satunya model pada pelan tanpa had.
-   Aider menghantar semula peta repo dan sejarah chat setiap giliran, jadi token input mendominasi bil setiap token.
-   Nilai model pada repositori anda sendiri selama sejam sebelum membuat komitmen.

**Dalam halaman ini**

1.  Apakah yang diperlukan oleh Aider daripada model?
2.  Bagaimanakah anda membandingkan model pada kod anda sendiri?
3.  Bagaimanakah anda menyambungkan Aider ke API serasi OpenAI?
4.  Model BroadNet manakah yang sesuai untuk Aider?
5.  Patutkah anda menggunakan mod architect dengan dua model?
6.  Adakah Aider lebih murah setiap token atau pada pelan kadar tetap?
7.  Tetapan Aider manakah yang menjimatkan giliran?
8.  Bagaimanakah anda menguji model sebelum membuat komitmen?

Aider ialah rakan pengaturcara di terminal: anda menambah fail ke dalam chat, menerangkan perubahan, dan ia menyunting fail tersebut lalu membuat commit hasilnya ke git. Ia tidak terikat kepada mana-mana model, dan itulah kekuatannya serta soalan pertamanya. Model manakah yang patut anda pasang?

Tiada satu jawapan yang betul, tetapi ada cara yang betul untuk membuat keputusan. Catatan ini merangkumi apa yang sebenarnya diminta oleh Aider daripada model, cara membandingkan calon, dan cara menyambungkan mana-mana API serasi OpenAI dengan dua pembolehubah persekitaran.

## Apakah yang diperlukan oleh Aider daripada model?

Aider tidak menggunakan panggilan alat API untuk menyunting fail. Ia meminta model membalas dalam **format suntingan**, kemudian menghurai balasan itu dan menggunakannya. Dokumentasinya menyenaraikan beberapa format:

| Format suntingan | Apa yang dipulangkan model | Sesuai untuk |
| --- | --- | --- |
| `whole` | Kandungan baharu penuh bagi setiap fail yang berubah | Fail kecil, model yang lebih lemah |
| `diff` | Blok cari-dan-ganti untuk bahagian yang berubah | Kebanyakan model, kebanyakan repo |
| `diff-fenced` | Sama, dengan laluan fail di dalam pagar | Model yang tersilap meletakkan laluan |
| `udiff` | Unified diff yang dipermudah | Model yang tersasar dalam `diff` |

Jadi model Aider yang baik memerlukan empat perkara:

1.  **Disiplin format.** Jika blok carian tidak sepadan dengan fail secara tepat, suntingan gagal dan Aider bertanya semula. Setiap cubaan semula ialah satu lagi permintaan penuh.
2.  **Ruang konteks.** Aider menghantar peta repositori (ringkasan padat simbol di seluruh repo), fail yang anda tambah dan chat setakat ini. Pada pangkalan kod yang besar, itu puluhan ribu token setiap giliran.
3.  **Penaakulan yang muat dalam bajet.** Model penaakulan berfikir sebelum menjawab, dan pemikiran itu dikira dalam `max_tokens`. Had yang terlalu kecil memberikan balasan kosong.
4.  **Harga yang boleh dibiarkan berjalan.** Aider memang banyak bercakap. Kos setiap jam kerja sebenar lebih penting daripada kos setiap token di halaman harga.

[Papan pendahulu](https://aider.chat/docs/leaderboards/) Aider sendiri mengukur seberapa kerap model menyiapkan latihan pengekodan dalam format suntingannya. Ia penapis pertama yang berguna, tetapi repositori, bahasa dan tabiat anda akan mengubah hasilnya. Anggap mana-mana penanda aras sebagai senarai pendek, bukan keputusan muktamad.

## Bagaimanakah anda membandingkan model pada kod anda sendiri?

Ujian praktikal mengambil masa kira-kira sejam:

1.  Pilih lima tugas sebenar daripada backlog anda: pembetulan pepijat, ciri kecil, refactor merentas dua fail, ujian untuk ditulis dan kemas kini dokumentasi.
2.  Jalankan setiap model calon pada tugas yang sama daripada commit git yang sama, satu cabang bagi setiap model.
3.  Rekod tiga perkara setiap tugas: adakah ia selesai, berapa giliran yang diambil, dan berapa suntingan yang gagal digunakan.
4.  Baca diff. Model yang “selesai” dengan perubahan yang berselerak lebih teruk daripada model yang memerlukan satu giliran lagi tetapi kekal kecil.

Suntingan gagal dan giliran tambahan ialah tempat kos bersembunyi. Model dengan harga setiap token yang rendah tetapi memerlukan tiga cubaan bagi setiap suntingan boleh berkos lebih tinggi daripada model yang lebih mahal tetapi betul pada kali pertama.

## Bagaimanakah anda menyambungkan Aider ke API serasi OpenAI?

[Persediaan serasi OpenAI](https://aider.chat/docs/llms/openai-compat.html) Aider memerlukan base URL, kunci, dan nama model yang diawali dengan `openai/`:

```bash
export OPENAI_API_BASE=https://inference.broadnet.ai/v1
export OPENAI_API_KEY="$BROADNET_API_KEY"

cd /path/to/your/repo
aider --model openai/broadnet/deepseek-v4.1-flash
```

Awalan `openai/` memberitahu Aider (melalui LiteLLM) supaya menggunakan format wayar OpenAI terhadap base URL anda. Semua selepas awalan ialah ID model penyedia, termasuk garis condong. Versi langkah demi langkah, termasuk Windows, ada dalam [panduan Aider](https://broadrouter.com/ms/guides/aider-unlimited-deepseek/).

Untuk menjadikannya kekal, letakkan tetapan yang sama dalam `.aider.conf.yml` di direktori rumah atau akar repo anda:

```yaml
openai-api-base: https://inference.broadnet.ai/v1
model: openai/broadnet/deepseek-v4.1-flash
```

Simpan kunci dalam persekitaran, bukan dalam fail yang mungkin anda commit.

### Mendiamkan amaran model tidak dikenali

Aider mengetahui saiz konteks dan harga untuk model popular sahaja. Untuk yang lain, ia mencetak amaran. Dokumentasinya menyatakan anda biasanya boleh mengabaikannya, kerana Aider “never enforces token limits” (Terjemahan: tidak pernah menguatkuasakan had token); ia hanya melaporkan ralat penyedia. Untuk memberinya angka yang tepat, tambah `.aider.model.metadata.json` di direktori rumah, akar repo atau direktori pelancaran anda:

```json
{
  "openai/broadnet/deepseek-v4.1-flash": {
    "max_input_tokens": 1048576,
    "max_output_tokens": 32000,
    "litellm_provider": "openai",
    "mode": "chat"
  }
}
```

Angka output di situ ialah tetapan yang anda pilih, bukan had yang diterbitkan. Tinggalkan ruang untuk penaakulan.

## Model BroadNet manakah yang sesuai untuk Aider?

BroadNet Inference menyediakan tiga model chat yang sesuai untuk kerja pengekodan. Harga adalah setiap 1M token, daripada fail harga yang diterbitkan:

| Model | Konteks | Input | Input cache | Output |
| --- | --- | --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ms/models/deepseek-v4.1-flash/) | 1,048,576 | $0.175 | $0.0055 | $0.52 |
| [GLM 5.3](https://broadrouter.com/ms/models/glm-5.3/) | 1,048,576 | $0.78 | $0.173 | $3.46 |
| [Qwen3.8 27B](https://broadrouter.com/ms/models/qwen3.8-27b/) | 262,144 | $0.175 | $0.0435 | $2.17 |

Ketiga-tiganya membuat penaakulan sebelum menjawab. BroadNet Gemma 4 VL 26B mempunyai konteks 32,768 token, yang sempit untuk peta repo Aider serta beberapa fail, jadi lebih baik ia dikhaskan untuk kerja yang lebih ringan.

**DeepSeek V4.1 Flash** ialah pilihan lalai di sini atas sebab yang mudah: ia satu-satunya model pada pelan tanpa had BroadNet. Sesi Full Moon berharga $60 sebulan tanpa meter token, dan tabiat Aider menghantar semula konteks setiap giliran tidak lagi menjadi masalah kos. Tetingkap 1M tokennya juga bermakna anda boleh menambah lebih banyak fail daripada biasa tanpa memangkas.

**GLM 5.3** lebih mahal setiap token output. Ia berbaloi dicuba secara bayar ikut guna sebagai model architect untuk langkah reka bentuk yang sukar, di mana kualiti setiap giliran lebih penting daripada volum.

**Qwen3.8 27B** mempunyai harga input yang sama dengan Flash dan konteks 262K. Ia model kedua yang munasabah jika anda mahu membandingkan tingkah laku pada pangkalan kod anda.

## Patutkah anda menggunakan mod architect dengan dua model?

[Mod architect](https://aider.chat/docs/usage/modes.html) Aider membahagikan satu giliran kepada dua: model architect merancang perubahan, dan model editor menukar rancangan itu kepada suntingan fail. Ini membolehkan anda memasangkan model penaakulan yang lebih kuat dengan editor yang lebih murah dan boleh dipercayai dari segi format:

```bash
aider --architect \
  --model openai/broadnet/glm-5.3 \
  --editor-model openai/broadnet/deepseek-v4.1-flash
```

Dokumentasi Aider menyatakan setiap giliran kini menggunakan dua permintaan LLM. Pada sesi pelan, itu penting untuk keserentakan, bukan kos: kedua-dua permintaan berjalan satu demi satu, jadi satu sesi cukup untuk satu tetingkap Aider.

## Adakah Aider lebih murah setiap token atau pada pelan kadar tetap?

Trafik Aider yang berat dengan input ialah tempat harga kadar tetap membawa pulangan. Ejen pengekodan biasanya menghantar jauh lebih banyak input daripada yang diterimanya, dan sebahagian besar input itu berulang. Dengan prompt caching, input berulang dibilkan pada kadar cache ($0.0055 setiap 1M pada Flash), jadi tuil pertama pada kunci setiap token ialah awalan prompt yang stabil. [Cara input cache dibilkan](https://broadrouter.com/ms/blog/cached-input-tokens-explained/).

Tuil kedua ialah pelan. Contoh kiraan BroadNet untuk ejen pengekodan sepenuh masa mencecah kira-kira $65.40 sebulan secara bayar ikut guna, berbanding $60 untuk sesi Full Moon, jadi Full Moon lebih murah untuk profil itu. Penggunaan ringan dan sekali-sekala ialah kes sebaliknya. Masukkan angka anda sendiri ke dalam [kalkulator kadar tetap vs setiap token](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/), atau baca [kadar tetap vs bayar setiap token](https://broadrouter.com/ms/blog/flat-rate-vs-pay-per-token-llm-api/). Untuk lebih banyak tuil kos yang terpakai pada mana-mana ejen pengekodan, lihat [10 cara mengurangkan kos LLM ejen pengekodan](https://broadrouter.com/ms/blog/cut-coding-agent-llm-costs/).

## Tetapan Aider manakah yang menjimatkan giliran?

-   **Tinggalkan ruang untuk penaakulan.** Jika Aider mendapat balasan kosong, model telah menghabiskan bajet outputnya untuk berfikir. [Mengapa jawapan kembali kosong](https://broadrouter.com/ms/guides/reasoning-tokens-empty-response/).
-   **Tambah hanya fail yang berubah.** Peta repo Aider sudah memberitahu model di mana sesuatu berada. Fail tambahan memakan konteks dan perhatian.
-   **Gunakan `/clear` antara tugas yang tidak berkaitan.** Sejarah chat lama menjadi input pada setiap giliran.
-   **Biarkan auto-commit dihidupkan.** Setiap suntingan Aider menjadi commit git, jadi `/undo` hanya satu arahan jauhnya apabila model tersilap.
-   **Satu tetingkap setiap sesi.** Dua tetingkap Aider pada satu sesi pelan akan bergilir-gilir. Beli sesi kedua jika anda bekerja dalam dua repo serentak; lihat [menjalankan ejen pengekodan selari](https://broadrouter.com/ms/blog/run-parallel-coding-agents-flat-rate/).

## Bagaimanakah anda menguji model sebelum membuat komitmen?

Ujian paling murah ialah satu jam Meteor pada $1: DeepSeek V4.1 Flash tanpa had selama sejam, cukup untuk menjalankan perbandingan lima tugas di atas. Akaun baharu juga mendapat $5 kredit permulaan, tetapi antara model chat ia hanya meliputi BroadNet Gemma 4 VL 26B; DeepSeek V4.1 Flash, GLM 5.3 dan Qwen3.8 27B memerlukan tambah nilai atau pelan. Semua model disenaraikan di [halaman model](https://broadrouter.com/ms/models/). Jika anda masih memilih antara ejen dan bukan model, baca [Cline vs Roo Code vs Aider](https://broadrouter.com/ms/blog/cline-vs-roo-code-vs-aider/).

Alat percuma untuk topik ini (Bahasa Inggeris)

-   [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.

[Alatan percuma (Bahasa Inggeris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

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

Token ialah unit teks yang dibaca dan ditulis oleh model bahasa: satu perkataan, sebahagian perkataan, tanda baca atau jujukan bait yang dihasilkan oleh tokenizer model itu. API LLM mengira, mengehadkan dan biasanya mengebil penggunaan dalam token.

[Tetingkap konteks (context window)](https://broadrouter.com/ms/glossary/context-window/)

Tetingkap konteks ialah bilangan maksimum token yang boleh dikendalikan oleh model bahasa dalam satu permintaan. Ia meliputi prompt, sejarah perbualan, definisi alatan, imej dan output yang dijana, termasuk token penaakulan. Apa-apa yang tidak muat mesti dipotong, diringkaskan atau dipecahkan kepada beberapa permintaan.

[Ejen pengekodan AI (AI coding agent)](https://broadrouter.com/ms/glossary/coding-agent/)

Ejen pengekodan AI ialah alat perisian di mana model bahasa bekerja pada codebase dalam satu gelung: ia membaca fail, menyuntingnya, menjalankan arahan seperti ujian, membaca output dan menentukan langkah seterusnya sehingga tugas selesai atau had dicapai.

[Bayar ikut guna (pay-as-you-go)](https://broadrouter.com/ms/glossary/pay-as-you-go/)

Bayar ikut guna ialah model harga di mana anda hanya membayar apa yang anda guna, dimeter mengikut unit seperti token, permintaan atau minit audio, tanpa langganan atau komitmen minimum. Kebanyakan API LLM mengebil dengan cara ini, daripada baki prabayar atau invois berkala.

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

Token input cache ialah token prompt yang baru sahaja diproses oleh penyedia LLM dan boleh diguna semula daripada cache tanpa dikira semula, biasanya awalan yang berulang seperti prompt sistem atau dokumen. Penyedia mengebilnya pada kadar lebih rendah daripada token input baharu.

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

API serasi OpenAI ialah API HTTP yang menerima format permintaan dan respons yang sama seperti OpenAI API, contohnya POST /v1/chat/completions, jadi SDK dan alat OpenAI boleh menggunakannya dengan hanya menukar base URL, kunci API dan nama model.

[Base URL (URL asas)](https://broadrouter.com/ms/glossary/base-url/)

Base URL ialah alamat akar tetap sesuatu API, seperti https://api.example.com/v1, yang diletakkan oleh klien di hadapan setiap laluan endpoint, seperti /chat/completions. Dalam SDK serasi OpenAI, menukar base URL, bersama kunci API dan ID model, menghalakan kod yang sama kepada penyedia lain.

[Keserentakan (concurrency)](https://broadrouter.com/ms/glossary/concurrency/)

Keserentakan ialah bilangan permintaan yang sedang berjalan serentak daripada satu klien. API LLM sering mengehadkannya bagi setiap kunci atau pelan, berasingan daripada permintaan seminit, kerana setiap permintaan yang terbuka memegang kapasiti GPU sehingga responsnya selesai.

## Soalan lazim

### Adakah Aider memerlukan model dengan panggilan alat?

Tidak. Aider meminta model memulangkan suntingan dalam format teks seperti diff cari-dan-ganti, kemudian menggunakannya sendiri. Yang penting ialah model mengikut format itu secara konsisten.

### Mengapakah Aider memberi amaran bahawa ia tidak mengenali model saya?

Aider disertakan dengan metadata untuk model popular sahaja. Untuk model lain, ia memberi amaran tentang saiz konteks dan kos yang tidak diketahui. Anda boleh abaikan amaran itu atau menambah entri dalam .aider.model.metadata.json.

### Model BroadNet manakah yang patut saya mulakan dalam Aider?

DeepSeek V4.1 Flash, kerana ia mempunyai konteks 1M token, harga setiap token yang rendah dan merupakan satu-satunya model yang boleh dijalankan pada pelan tanpa had. Cuba GLM 5.3 atau Qwen3.8 27B secara bayar ikut guna jika anda mahukan pendapat kedua untuk suntingan sukar.

### Bagaimanakah saya menggunakan model serasi OpenAI tersuai dalam Aider?

Tetapkan OPENAI\_API\_BASE kepada base URL penyedia dan OPENAI\_API\_KEY kepada kunci anda, kemudian mulakan aider dengan --model ditetapkan kepada openai/ diikuti ID model; dokumentasi Aider meminta anda menambah awalan openai/ itu. Pada Windows, gunakan setx dan mulakan semula shell.

### Bolehkah saya menjalankan dua tetingkap Aider pada satu sesi pelan?

Boleh, tetapi satu sesi menjalankan satu permintaan pada satu masa, jadi tetingkap kedua menunggu semasa yang pertama berkomunikasi dengan model. Beli satu sesi bagi setiap tetingkap yang bekerja serentak.

## Teruskan membaca

-   [Cara menjalankan ejen pengekodan selari pada API LLM kadar tetap](https://broadrouter.com/ms/blog/run-parallel-coding-agents-flat-rate/)
-   [API LLM kadar tetap vs bayar setiap token: kiraan pulang modal](https://broadrouter.com/ms/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Token input cache: cara mengurangkan bil API LLM](https://broadrouter.com/ms/blog/cached-input-tokens-explained/)
-   [Menjalankan ejen pengekodan semalaman tanpa pengawasan dengan selamat](https://broadrouter.com/ms/blog/overnight-coding-agent-runs/)
-   [Berapakah kos satu larian ejen pengekodan AI: langkah, konteks, cache](https://broadrouter.com/ms/blog/ai-coding-agent-run-cost/)
-   [Claude Code dengan model terbuka: proksi, endpoint asli dan had](https://broadrouter.com/ms/blog/claude-code-with-openai-compatible-models/)
-   [Panduan: Jalankan Aider dengan DeepSeek V4.1 Flash tanpa had](https://broadrouter.com/ms/guides/aider-unlimited-deepseek/)
-   [Panduan: Mengapa model penaakulan memulangkan jawapan kosong](https://broadrouter.com/ms/guides/reasoning-tokens-empty-response/)
-   [Panduan: Cara pelan API LLM tanpa had berfungsi untuk ejen](https://broadrouter.com/ms/guides/unlimited-llm-api-sessions/)

Cuba dengan beban kerja sebenar anda. Akaun baharu bermula dengan kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM dan Qwen3.8 memerlukan tambah nilai.

[Mulakan](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-best-llm-for-aider&utm_content=page-cta) ·

**Sumber**

-   [Dokumentasi Aider, API serasi OpenAI (disemak 2026-11-14)](https://aider.chat/docs/llms/openai-compat.html)
-   [Dokumentasi Aider, format suntingan (disemak 2026-11-14)](https://aider.chat/docs/more/edit-formats.html)
-   [Dokumentasi Aider, tetapan model lanjutan dan metadata model (disemak 2026-11-14)](https://aider.chat/docs/config/adv-model-settings.html)
-   [Dokumentasi Aider, mod chat dan mod architect (disemak 2026-11-14)](https://aider.chat/docs/usage/modes.html)
-   [Papan pendahulu LLM Aider (disemak 2026-11-14)](https://aider.chat/docs/leaderboards/)
-   [Rujukan API BroadNet Inference (disemak 2026-11-14) (Bahasa Inggeris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-best-llm-for-aider&utm_content=sources)
