A maioria das listas de “melhor modelo aberto para programar” ordena os modelos por pontuação em benchmarks. Isso ajuda a escolher uma família de modelos. Não diz qual modelo vai funcionar no seu agente, pelo seu provedor, a um custo que você aguenta. Este post reduz a escolha aos quatro modelos de chat que a BroadNet Inference serve e decide por quatro testes práticos: tool calling, contexto, raciocínio e custo por tarefa. Não publicamos pontuações de benchmark aqui; usamos só o que a documentação e o arquivo de preços da BroadNet informam.
Quais modelos estão na mesa?
| Modelo | ID | Contexto | Ferramentas listadas | Entrada de imagem | Raciocina antes |
|---|---|---|---|---|---|
| GLM 5.3 | broadnet/glm-5.3 |
1.048.576 | Sim | Não | Sim |
| DeepSeek V4.1 Flash | broadnet/deepseek-v4.1-flash |
1.048.576 | Não listadas | Sim | Sim |
| Qwen3.8 27B | broadnet/qwen3.8-27b |
262.144 | Sim | Sim | Sim |
| Gemma 4 VL 26B | broadnet/gemma-4-26b-a4b |
32.768 | Não listadas | Sim | Não listado |
Os quatro são modelos open-weight servidos por uma única API compatível com a OpenAI em https://inference.broadnet.ai/v1, então trocar de modelo é uma mudança de uma linha nas configurações do agente.
Teste 1: o seu agente precisa de chamadas de ferramenta nativas?
Essa é a pergunta que inclui ou exclui modelos. Tool calling é como um agente pede à sua máquina para ler um arquivo, rodar um comando ou aplicar uma edição. Os agentes usam isso de três jeitos diferentes:
- Chamadas de ferramenta nativas. O agente envia uma lista
toolse esperatool_callsde volta. A documentação do Roo Code (o projeto foi encerrado em 15 de maio de 2026; o fork dele, Zoo Code, segue em frente) diz que o tool calling nativo é “the only supported tool protocol” (tradução: o único protocolo de ferramentas suportado), sem alternativa em XML. A referência de configuração do Continue diz que a capabilitytool_useé “required for Agent mode” (tradução: obrigatória para o modo Agent). O opencode também trabalha com as chamadas de ferramenta da API. - Ferramentas descritas no prompt. O Cline passou a usar tool calling nativo na v3.35 para uma lista de provedores e modelos de ponta específicos; o post de lançamento diz que os outros modelos “continue using the text-based approach” (tradução: continuam usando a abordagem baseada em texto). O modelo ainda precisa seguir um formato de ferramenta rígido, então a qualidade em seguir ferramentas importa.
- Formatos de edição em texto. O Aider pede ao modelo que devolva as edições como texto: arquivos inteiros, blocos search/replace ou diffs unificados, segundo a documentação de formatos de edição. Ele não depende do campo de tool calling da API. As escolhas de modelo para o Aider estão em o melhor LLM para o Aider.
Então a primeira regra é simples. Para um agente guiado por ferramentas, como o opencode, o modo Agent do Continue ou o Zoo Code, use um modelo que a BroadNet lista com ferramentas: GLM 5.3 ou Qwen3.8 27B. O Cline é mais tolerante, mas os mesmos dois modelos são o ponto de partida mais seguro. Para o Aider, qualquer um dos modelos de contexto grande funciona, inclusive o DeepSeek V4.1 Flash. Se você quer o DeepSeek V4.1 Flash num agente guiado por ferramentas, rode uma tarefa real nele antes. Uma chamada de ferramenta que falha costuma aparecer nos dois ou três primeiros passos.
Teste 2: o contexto é grande o bastante?
A janela de contexto de um agente enche mais rápido do que se imagina. Antes de ler qualquer código, uma requisição já carrega um system prompt, os schemas das ferramentas e a conversa até ali. Depois vêm leituras de arquivos e saídas de comandos. O nosso detalhamento do orçamento de tokens de um agente mostra para onde vão, e a calculadora de janela de contexto confere se os seus arquivos cabem.
- 1.048.576 tokens (GLM 5.3, DeepSeek V4.1 Flash): uma sessão longa num repositório médio sem cortes agressivos.
- 262.144 tokens (Qwen3.8 27B): bom para tarefas focadas; sessões longas precisam de resumo ou de um mapa de repositório menor.
- 32.768 tokens (Gemma 4 VL 26B): pouco demais para a maioria dos loops de agente. Use para testar uma configuração com o crédito inicial de $5.
Defina você mesmo o tamanho do contexto nas configurações de modelo do agente. Os agentes não conseguem detectá-lo para IDs de modelos personalizados, e alguns assumem um padrão errado para o seu modelo.
Teste 3: quanto custa uma tarefa?
Agentes leem muito mais do que escrevem, e quase tudo o que leem se repete do turno anterior. Por isso os preços de entrada e de entrada em cache importam mais que o de saída. Eis um formato de tarefa: 40 chamadas ao modelo, com média de 30.000 tokens de entrada e 1.000 de saída cada, e 80% da entrada servida pelo cache.
| Por tarefa | Tokens | DeepSeek V4.1 Flash | GLM 5.3 | Qwen3.8 27B |
|---|---|---|---|---|
| Entrada nova | 0,24M | $0.175 / 1M | $0.78 / 1M | $0.175 / 1M |
| Entrada em cache | 0,96M | $0.0055 / 1M | $0.173 / 1M | $0.0435 / 1M |
| Saída, com raciocínio | 0,04M | $0.52 / 1M | $3.46 / 1M | $2.17 / 1M |
Multiplique cada linha e some. Nos preços sincronizados 2026-11-14, esta tarefa custa cerca de 7 vezes mais no GLM 5.3 e cerca de 2,5 vezes mais no Qwen3.8 27B do que no DeepSeek V4.1 Flash. A sua proporção depende da sua taxa de cache e de quanto o modelo raciocina, então meça. Coloque as suas contagens de tokens na calculadora de custo de API de LLM ou compare os modelos lado a lado em DeepSeek V4.1 Flash vs GLM 5.3 e GLM 5.3 vs Qwen3.8 27B.
Num plano ilimitado, o DeepSeek V4.1 Flash não tem medidor de tokens: $60 por mês por sessão, uma requisição por vez. Para um agente que roda a maior parte do dia, isso costuma ganhar de qualquer preço por token. Com 80% de cache hits, a conta do ponto de equilíbrio coloca a linha perto de 917 milhões de tokens de entrada e 46 milhões de de saída por mês.
Teste 4: quanto o modelo pensa?
Os três modelos grandes raciocinam antes de responder, e o raciocínio conta no max_tokens. Num agente, isso causa dois problemas: respostas vazias quando o limite de saída é baixo e contas de saída maiores no pagamento por uso. Dê a cada chamada alguns milhares de tokens de saída e defina reasoning_effort como low para passos de rotina, como ler arquivos. Veja por que modelos de raciocínio devolvem respostas vazias.
Então, qual escolher?
- opencode, modo Agent do Continue, Cline, Zoo Code ou o seu próprio loop de ferramentas: GLM 5.3. Ferramentas listadas, contexto de 1M, o maior preço por token dos quatro.
- Aider, ou qualquer agente de longa duração em que a conta pesa mais: DeepSeek V4.1 Flash, de preferência num plano ilimitado.
- Agentes que leem capturas de tela ou trabalham em árabe: Qwen3.8 27B, com ferramentas e entrada de imagem; a página de preços da BroadNet diz que ele foi testado em árabe.
- Um primeiro teste com o crédito inicial de $5: Gemma 4 VL 26B, depois suba de modelo.
Você também pode misturar. O Cline, por exemplo, tem uma configuração para usar modelos diferentes nos modos Plan e Act. Os passos de configuração de cada agente estão no nosso guia de modelos abertos em agentes de código, e uma comparação de recursos está em Cline vs Roo Code vs Aider.
Onde a BroadNet Inference se encaixa
A BroadNet Inference serve esses quatro modelos com retenção zero de dados e uma única chave de API. A declaração de privacidade da BroadNet diz que os modelos open-weight hospedados rodam em hardware próprio ou arrendado da BroadNet nos EUA, e que modelos servidos por parceiros, como o DeepSeek V4.1 Flash, rodam com parceiros de inferência nos EUA. Ela atende equipes que querem um modelo aberto de 1M de tokens para agentes e uma conta fixa para o DeepSeek V4.1 Flash. Não atende se você precisa de um modelo específico que ela não serve, de uma ferramenta hospedada pelo provedor, como busca na web, ou de pontuações de benchmark publicadas para comparar modelos; nesse caso, rode o seu próprio teste no nível da tarefa. Você pode testar qualquer modelo com uma chave de pagamento por uso ou comprar uma hora Meteor de $1 na página de planos.
