---
title: "Aider کے لیے best LLM: ماڈل چننا اور جوڑنا | BroadRouter"
description: "Aider کے لیے بہترین LLM کیسے چنیں: ترمیمی فارمیٹ کی پابندی، کانٹیکسٹ سائز اور فی گھنٹہ لاگت، اپنی ریپو پر ایک گھنٹے کا ٹیسٹ، اور OPENAI_API_BASE کا درست سیٹ اپ۔"
url: https://broadrouter.com/ur/blog/best-llm-for-aider/
lang: ur
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

یہ صفحہ انگریزی سے AI کی مدد سے ترجمہ کیا گیا ہے۔ [انگریزی اصل پڑھیں](https://broadrouter.com/blog/best-llm-for-aider/) (اپ ڈیٹ: 2026-11-14).

# Aider کے لیے بہترین LLM: ماڈل کیسے چنیں اور جوڑیں

BroadNet Inference ٹیم · 6 منٹ کی پڑھائی · شائع شدہ 2026-11-14

Aider کے لیے بہترین ماڈل وہ ہے جو اس کے ترمیمی فارمیٹ کی قابلِ اعتماد پیروی کرے، آپ کا repo map کانٹیکسٹ میں رکھ سکے اور سارا دن چلانے کے لائق سستا ہو۔ Aider کسی بھی OpenAI-compatible API سے جڑتا ہے: OPENAI\_API\_BASE کو https://inference.broadnet.ai/v1 پر سیٹ کریں، OPENAI\_API\_KEY سیٹ کریں، اور aider --model openai/broadnet/deepseek-v4.1-flash چلائیں۔ Full Moon پلان پر اس ماڈل کا کوئی ٹوکن میٹر نہیں۔

## اہم نکات

-   Aider فائلوں میں ترمیم ٹیکسٹ ترمیمی فارمیٹس (whole، diff، udiff) سے کرتا ہے، اس لیے ماڈل کو صرف اچھا کوڈ لکھنا نہیں، فارمیٹ کی پیروی بھی کرنی ہوتی ہے۔
-   کوئی بھی OpenAI-compatible اینڈپوائنٹ چلتا ہے: OPENAI\_API\_BASE اور OPENAI\_API\_KEY، پھر --model openai/<model-id>۔
-   DeepSeek V4.1 Flash کا کانٹیکسٹ 1,048,576 ٹوکن ہے اور یہ لامحدود پلانز پر دستیاب واحد ماڈل ہے۔
-   Aider ہر ٹرن پر repo map اور چیٹ ہسٹری دوبارہ بھیجتا ہے، اس لیے فی ٹوکن بل میں ان پٹ ٹوکن حاوی رہتے ہیں۔
-   کسی ماڈل کو اپنانے سے پہلے اسے اپنی ریپوزٹری پر ایک گھنٹہ آزمائیں۔

**اس صفحے پر**

1.  Aider کو ماڈل سے کیا چاہیے؟
2.  اپنے کوڈ پر ماڈلز کا موازنہ کیسے کریں؟
3.  Aider کو OpenAI-compatible API سے کیسے جوڑیں؟
4.  BroadNet کے کون سے ماڈلز Aider کے لیے موزوں ہیں؟
5.  کیا دو ماڈلز کے ساتھ architect موڈ استعمال کریں؟
6.  Aider فی ٹوکن سستا ہے یا مقررہ پلان پر؟
7.  Aider کی کون سی سیٹنگز ٹرنز بچاتی ہیں؟
8.  اپنانے سے پہلے ماڈل کو کیسے آزمائیں؟

Aider ٹرمینل میں چلنے والا پیئر پروگرامر ہے: آپ فائلیں چیٹ میں شامل کرتے ہیں، تبدیلی بیان کرتے ہیں، اور وہ فائلوں میں ترمیم کر کے نتیجہ git میں کمٹ کر دیتا ہے۔ یہ کسی ایک ماڈل سے بندھا نہیں، جو اس کی طاقت بھی ہے اور پہلا سوال بھی۔ آخر کون سا ماڈل لگائیں؟

کوئی ایک درست جواب نہیں، لیکن فیصلہ کرنے کا ایک درست طریقہ ہے۔ یہ پوسٹ بتاتی ہے کہ Aider اصل میں ماڈل سے کیا مانگتا ہے، امیدواروں کا موازنہ کیسے کریں، اور کسی بھی OpenAI-compatible API کو دو انوائرنمنٹ ویری ایبلز سے کیسے جوڑیں۔

## Aider کو ماڈل سے کیا چاہیے؟

Aider فائلوں میں ترمیم کے لیے API ٹول کالنگ استعمال نہیں کرتا۔ وہ ماڈل سے کہتا ہے کہ جواب ایک **ترمیمی فارمیٹ** میں دے، پھر جواب کو پارس کر کے لاگو کرتا ہے۔ اس کی دستاویزات میں کئی فارمیٹس ہیں:

| ترمیمی فارمیٹ | ماڈل کیا لوٹاتا ہے | کس کے لیے اچھا |
| --- | --- | --- |
| `whole` | ہر بدلی گئی فائل کا پورا نیا مواد | چھوٹی فائلیں، کمزور ماڈلز |
| `diff` | بدلے ہوئے حصوں کے search-and-replace بلاکس | زیادہ تر ماڈلز، زیادہ تر ریپوز |
| `diff-fenced` | وہی، مگر فائل پاتھ fence کے اندر | پاتھ غلط جگہ رکھنے والے ماڈلز |
| `udiff` | سادہ کیا ہوا unified diff | `diff` میں بھٹکنے والے ماڈلز |

اس لیے Aider کے اچھے ماڈل کو چار چیزیں چاہییں:

1.  **فارمیٹ کا نظم۔** اگر search بلاک فائل سے بالکل میل نہیں کھاتا، تو ترمیم ناکام ہوتی ہے اور Aider دوبارہ پوچھتا ہے۔ ہر دوبارہ کوشش ایک اور پوری درخواست ہے۔
2.  **کانٹیکسٹ کی گنجائش۔** Aider ایک repository map (پوری ریپو کے symbols کا مختصر خلاصہ)، آپ کی شامل کردہ فائلیں اور اب تک کی چیٹ بھیجتا ہے۔ بڑے کوڈ بیس پر یہ ہر ٹرن میں دسیوں ہزار ٹوکن ہوتا ہے۔
3.  **بجٹ میں سمانے والی ریزننگ۔** ریزننگ ماڈلز جواب سے پہلے سوچتے ہیں، اور وہ سوچ `max_tokens` میں گنی جاتی ہے۔ بہت چھوٹی حد خالی جواب دیتی ہے۔
4.  **ایسی قیمت جس پر اسے چلتا چھوڑ سکیں۔** Aider جان بوجھ کر باتونی بنایا گیا ہے۔ قیمتوں کے صفحے پر فی ٹوکن قیمت سے زیادہ اصل کام کے فی گھنٹہ لاگت اہم ہے۔

Aider کے اپنے [لیڈر بورڈز](https://aider.chat/docs/leaderboards/) ناپتے ہیں کہ ماڈلز اس کے ترمیمی فارمیٹس میں کوڈنگ مشقیں کتنی بار مکمل کرتے ہیں۔ یہ پہلی چھانٹی کے لیے مفید ہیں، لیکن آپ کی ریپوزٹری، زبان اور عادتیں نتیجہ بدل دیں گی۔ کسی بھی بینچ مارک کو فیصلہ نہیں، شارٹ لسٹ سمجھیں۔

## اپنے کوڈ پر ماڈلز کا موازنہ کیسے کریں؟

ایک عملی ٹیسٹ میں تقریباً ایک گھنٹہ لگتا ہے:

1.  اپنے بیک لاگ سے پانچ اصل ٹاسکس چنیں: ایک بگ فکس، ایک چھوٹا فیچر، دو فائلوں پر پھیلا ری فیکٹر، لکھنے کے لیے ایک ٹیسٹ، اور ایک ڈاک اپ ڈیٹ۔
2.  ہر امیدوار ماڈل کو انہی ٹاسکس پر اسی git کمٹ سے چلائیں، ہر ماڈل کے لیے ایک برانچ۔
3.  ہر ٹاسک کے لیے تین باتیں درج کریں: کیا وہ مکمل ہوا، کتنے ٹرنز لگے، اور کتنی ترامیم لاگو نہیں ہو سکیں۔
4.  diffs پڑھیں۔ جو ماڈل پھیلی ہوئی تبدیلی کر کے “مکمل” کرتا ہے، وہ اس ماڈل سے بدتر ہے جو ایک ٹرن زیادہ لیتا ہے مگر تبدیلی چھوٹی رکھتا ہے۔

ناکام ترامیم اور اضافی ٹرنز ہی میں لاگت چھپی ہوتی ہے۔ کم فی ٹوکن قیمت والا ماڈل جو ہر ترمیم پر تین کوششیں لے، اس مہنگے ماڈل سے زیادہ پڑ سکتا ہے جو پہلی بار میں درست کر دے۔

## Aider کو OpenAI-compatible API سے کیسے جوڑیں؟

Aider کے [OpenAI-compatible سیٹ اپ](https://aider.chat/docs/llms/openai-compat.html) کو ایک base URL، ایک کلید، اور `openai/` پری فکس والا ماڈل نام چاہیے:

```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
```

`openai/` پری فکس Aider کو (LiteLLM کے ذریعے) بتاتا ہے کہ آپ کے base URL پر OpenAI وائر فارمیٹ استعمال کرے۔ پری فکس کے بعد سب کچھ فراہم کنندہ کا ماڈل ID ہے، سلیش سمیت۔ Windows سمیت قدم بہ قدم طریقہ [Aider گائیڈ](https://broadrouter.com/ur/guides/aider-unlimited-deepseek/) میں ہے۔

اسے مستقل بنانے کے لیے یہی سیٹنگز اپنی ہوم ڈائریکٹری یا ریپو روٹ میں `.aider.conf.yml` میں رکھیں:

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

کلید انوائرنمنٹ میں رکھیں، کسی ایسی فائل میں نہیں جو غلطی سے کمٹ ہو جائے۔

### نامعلوم ماڈل والا انتباہ بند کرنا

Aider صرف مقبول ماڈلز کے کانٹیکسٹ سائز اور قیمتیں جانتا ہے۔ باقی کے لیے وہ انتباہ چھاپتا ہے۔ اس کی ڈاکس کہتی ہیں کہ عموماً اسے نظر انداز کیا جا سکتا ہے، کیونکہ Aider “never enforces token limits” (ترجمہ: ٹوکن کی حدیں کبھی نافذ نہیں کرتا)؛ وہ صرف فراہم کنندہ کے ایررز بتاتا ہے۔ اسے درست اعداد دینے کے لیے ہوم ڈائریکٹری، ریپو روٹ یا لانچ ڈائریکٹری میں `.aider.model.metadata.json` شامل کریں:

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

وہاں آؤٹ پٹ کا عدد آپ کی چنی ہوئی سیٹنگ ہے، شائع شدہ حد نہیں۔ ریزننگ کے لیے جگہ چھوڑیں۔

## BroadNet کے کون سے ماڈلز Aider کے لیے موزوں ہیں؟

BroadNet Inference تین چیٹ ماڈلز فراہم کرتا ہے جو کوڈنگ کے کام کے لائق ہیں۔ قیمتیں فی 1M ٹوکن ہیں، شائع شدہ قیمتوں کی فائل سے:

| ماڈل | کانٹیکسٹ | ان پٹ | کیش شدہ ان پٹ | آؤٹ پٹ |
| --- | --- | --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ur/models/deepseek-v4.1-flash/) | 1,048,576 | $0.175 | $0.0055 | $0.52 |
| [GLM 5.3](https://broadrouter.com/ur/models/glm-5.3/) | 1,048,576 | $0.78 | $0.173 | $3.46 |
| [Qwen3.8 27B](https://broadrouter.com/ur/models/qwen3.8-27b/) | 262,144 | $0.175 | $0.0435 | $2.17 |

تینوں جواب سے پہلے ریزننگ کرتے ہیں۔ BroadNet Gemma 4 VL 26B کا کانٹیکسٹ 32,768 ٹوکن ہے، جو Aider کے repo map اور کئی فائلوں کے لیے تنگ ہے، اس لیے اسے ہلکے کاموں کے لیے رکھنا بہتر ہے۔

**DeepSeek V4.1 Flash** یہاں ایک سیدھی وجہ سے ڈیفالٹ انتخاب ہے: یہ BroadNet کے لامحدود پلانز پر دستیاب واحد ماڈل ہے۔ Full Moon سیشن $60 ماہانہ کا ہے، بغیر ٹوکن میٹر کے، اور Aider کی ہر ٹرن پر کانٹیکسٹ دوبارہ بھیجنے کی عادت لاگت کا مسئلہ نہیں رہتی۔ اس کی 1M ٹوکن ونڈو کا مطلب یہ بھی ہے کہ آپ کاٹ چھانٹ کے بغیر معمول سے زیادہ فائلیں شامل کر سکتے ہیں۔

**GLM 5.3** فی آؤٹ پٹ ٹوکن زیادہ مہنگا ہے۔ مشکل ڈیزائن مراحل کے لیے architect ماڈل کے طور پر، جہاں حجم سے زیادہ فی ٹرن معیار اہم ہے، اسے استعمال کے مطابق ادائیگی پر آزمانا مناسب ہے۔

**Qwen3.8 27B** کی ان پٹ قیمت Flash جتنی ہے اور کانٹیکسٹ 262K ہے۔ اگر آپ اپنے کوڈ بیس پر رویے کا موازنہ کرنا چاہتے ہیں تو یہ ایک معقول دوسرا ماڈل ہے۔

## کیا دو ماڈلز کے ساتھ architect موڈ استعمال کریں؟

Aider کا [architect موڈ](https://aider.chat/docs/usage/modes.html) ایک ٹرن کو دو حصوں میں بانٹتا ہے: architect ماڈل تبدیلی کا منصوبہ بناتا ہے، اور editor ماڈل اس منصوبے کو فائل ترامیم میں بدلتا ہے۔ اس سے آپ زیادہ مضبوط ریزننگ ماڈل کو ایک سستے، فارمیٹ پر قابلِ اعتماد editor کے ساتھ جوڑ سکتے ہیں:

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

Aider کی ڈاکس بتاتی ہیں کہ اب ہر ٹرن دو LLM درخواستیں استعمال کرتا ہے۔ پلان سیشن پر اس کا اثر لاگت پر نہیں، بیک وقت درخواستوں پر پڑتا ہے: دونوں درخواستیں ایک کے بعد ایک چلتی ہیں، اس لیے ایک Aider ونڈو کے لیے ایک سیشن کافی ہے۔

## Aider فی ٹوکن سستا ہے یا مقررہ پلان پر؟

Aider کا ان پٹ سے بھرا ٹریفک بالکل وہیں ہے جہاں مقررہ قیمت فائدہ دیتی ہے۔ کوڈنگ ایجنٹ عموماً جتنا پاتا ہے، اس سے کہیں زیادہ ان پٹ بھیجتا ہے، اور اس ان پٹ کا بڑا حصہ دہرایا ہوا ہوتا ہے۔ پرامپٹ کیشنگ کے ساتھ دہرائے گئے ان پٹ کا بل کیش شدہ شرح پر بنتا ہے (Flash پر فی 1M $0.0055)، اس لیے فی ٹوکن کلید پر پہلا لیور مستحکم پرامپٹ پری فکس ہے۔ [کیش شدہ ان پٹ کا بل کیسے بنتا ہے](https://broadrouter.com/ur/blog/cached-input-tokens-explained/)۔

دوسرا لیور پلان ہے۔ پورا وقت چلنے والے کوڈنگ ایجنٹ کے لیے BroadNet کی حل شدہ مثال استعمال کے مطابق ادائیگی پر تقریباً $65.40 ماہانہ بنتی ہے، جبکہ Full Moon سیشن $60 کا ہے، اس لیے اس پروفائل کے لیے Full Moon سستا ہے۔ ہلکا، کبھی کبھار کا استعمال اس کی الٹی صورت ہے۔ اپنے اعداد [مقررہ قیمت بمقابلہ فی ٹوکن کیلکولیٹر](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) میں ڈالیں، یا [مقررہ قیمت بمقابلہ فی ٹوکن ادائیگی](https://broadrouter.com/ur/blog/flat-rate-vs-pay-per-token-llm-api/) پڑھیں۔ کسی بھی کوڈنگ ایجنٹ پر لاگو ہونے والے مزید لیورز کے لیے دیکھیں [کوڈنگ ایجنٹ کی LLM لاگت کم کرنے کے 10 طریقے](https://broadrouter.com/ur/blog/cut-coding-agent-llm-costs/)۔

## Aider کی کون سی سیٹنگز ٹرنز بچاتی ہیں؟

-   **ریزننگ کے لیے جگہ چھوڑیں۔** اگر Aider کو خالی جواب ملتا ہے، تو ماڈل نے اپنا آؤٹ پٹ بجٹ سوچنے میں خرچ کر دیا۔ [جوابات خالی کیوں آتے ہیں](https://broadrouter.com/ur/guides/reasoning-tokens-empty-response/)۔
-   **صرف وہ فائلیں شامل کریں جو بدلیں گی۔** Aider کا repo map ماڈل کو پہلے ہی بتا دیتا ہے کہ چیزیں کہاں ہیں۔ اضافی فائلیں کانٹیکسٹ اور توجہ دونوں کھاتی ہیں۔
-   **غیر متعلقہ ٹاسکس کے درمیان `/clear` استعمال کریں۔** پرانی چیٹ ہسٹری ہر ٹرن پر ان پٹ بنتی ہے۔
-   **auto-commit آن رکھیں۔** Aider کی ہر ترمیم ایک git کمٹ بنتی ہے، اس لیے ماڈل غلط جائے تو `/undo` بس ایک کمانڈ دور ہے۔
-   **ہر سیشن پر ایک ونڈو۔** ایک پلان سیشن پر Aider کی دو ونڈوز باری باری چلتی ہیں۔ اگر آپ ایک ساتھ دو ریپوز میں کام کرتے ہیں تو دوسرا سیشن لیں؛ دیکھیں [متوازی کوڈنگ ایجنٹس چلانا](https://broadrouter.com/ur/blog/run-parallel-coding-agents-flat-rate/)۔

## اپنانے سے پہلے ماڈل کو کیسے آزمائیں؟

سب سے سستا ٹیسٹ $1 کا Meteor گھنٹہ ہے: ایک گھنٹے کے لیے لامحدود DeepSeek V4.1 Flash، اوپر والا پانچ ٹاسکس کا موازنہ چلانے کے لیے کافی۔ نئے اکاؤنٹس کو $5 کا ابتدائی کریڈٹ بھی ملتا ہے، لیکن چیٹ ماڈلز میں یہ صرف BroadNet Gemma 4 VL 26B کا احاطہ کرتا ہے؛ DeepSeek V4.1 Flash، GLM 5.3 اور Qwen3.8 27B کے لیے ٹاپ اپ یا پلان چاہیے۔ تمام ماڈلز [ماڈلز کے صفحے](https://broadrouter.com/ur/models/) پر ہیں۔ اگر آپ ابھی ماڈل نہیں، ایجنٹ چن رہے ہیں، تو [Cline بمقابلہ Roo Code بمقابلہ Aider](https://broadrouter.com/ur/blog/cline-vs-roo-code-vs-aider/) پڑھیں۔

اس موضوع کے مفت ٹولز (انگریزی میں)

-   [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.

[مفت ٹولز (انگریزی میں)](https://broadrouter.com/tools/)

## اس مضمون کی اصطلاحات

[ٹوکن (token)](https://broadrouter.com/ur/glossary/token/)

ٹوکن متن کی وہ اکائی ہے جسے لینگویج ماڈل پڑھتا اور لکھتا ہے: کوئی لفظ، لفظ کا حصہ، رموزِ اوقاف کی کوئی علامت یا بائٹس کا سلسلہ، جو ماڈل کا ٹوکنائزر بناتا ہے۔ LLM API استعمال کو ٹوکنز میں گنتے ہیں، انہی میں حدیں لگاتے ہیں اور عموماً بل بھی بناتے ہیں۔

[AI ایجنٹ (AI agent)](https://broadrouter.com/ur/glossary/agent/)

AI ایجنٹ ایسا نظام ہے جس میں لینگویج ماڈل کسی ہدف کی طرف اپنے قدم خود طے کرتا ہے: کون سے ٹولز کال کرنے ہیں، یہ چنتا ہے، نتائج پڑھتا ہے اور حتمی جواب یا کسی حد تک دہراتا رہتا ہے۔ مقررہ مقامات پر ماڈل کو کال کرنے والی اسکرپٹ کو عموماً workflow کہا جاتا ہے۔

[استعمال کے مطابق ادائیگی (pay-as-you-go)](https://broadrouter.com/ur/glossary/pay-as-you-go/)

استعمال کے مطابق ادائیگی (pay-as-you-go) قیمت طے کرنے کا ایک ماڈل ہے جس میں آپ صرف اتنا دیتے ہیں جتنا استعمال کرتے ہیں، ٹوکن، درخواستوں یا آڈیو منٹ جیسی اکائیوں میں ناپ کر، بغیر سبسکرپشن یا کم از کم وابستگی کے۔ زیادہ تر LLM API اسی طرح بل بناتے ہیں، پری پیڈ بیلنس یا وقتاً فوقتاً بننے والی انوائس سے۔

[AI کوڈنگ ایجنٹ (AI coding agent)](https://broadrouter.com/ur/glossary/coding-agent/)

AI کوڈنگ ایجنٹ ایک سافٹ ویئر ٹول ہے جس میں لینگویج ماڈل کوڈ بیس پر لوپ میں کام کرتا ہے: فائلیں پڑھتا ہے، انہیں بدلتا ہے، ٹیسٹ جیسی کمانڈز چلاتا ہے، آؤٹ پٹ پڑھتا ہے اور اگلا قدم طے کرتا ہے، جب تک کام مکمل نہ ہو یا کوئی حد نہ آ جائے۔

[base URL](https://broadrouter.com/ur/glossary/base-url/)

base URL کسی API کا مقررہ بنیادی پتہ ہے، جیسے https://api.example.com/v1، جسے کلائنٹ /chat/completions جیسے ہر اینڈپوائنٹ پاتھ کے آگے لگاتا ہے۔ OpenAI-compatible SDK میں base URL کو API کلید اور ماڈل ID کے ساتھ بدلنے سے وہی کوڈ کسی دوسرے فراہم کنندہ سے جڑ جاتا ہے۔

[ٹول کالنگ (tool calling)](https://broadrouter.com/ur/glossary/tool-calling/)

ٹول کالنگ، جسے function calling بھی کہتے ہیں، LLM API کی وہ سہولت ہے جس میں ماڈل ڈویلپر کے طے کردہ کسی فنکشن کو چلانے کی ایک منظم درخواست، JSON آرگیومنٹس کے ساتھ، لوٹاتا ہے۔ ایپلیکیشن فنکشن چلا کر نتیجہ واپس بھیجتی ہے؛ ماڈل خود کبھی کوڈ نہیں چلاتا۔

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

OpenAI-compatible API ایسا HTTP API ہے جو OpenAI API والی ہی درخواست اور ریسپانس کی ساخت قبول کرتا ہے، جیسے POST /v1/chat/completions، تاکہ OpenAI کے SDK اور ٹولز صرف base URL، API کلید اور ماڈل کا نام بدل کر اسے استعمال کر سکیں۔

[ان پٹ اور آؤٹ پٹ ٹوکن (input and output tokens)](https://broadrouter.com/ur/glossary/input-and-output-tokens/)

ان پٹ ٹوکن وہ ٹوکن ہیں جو لینگویج ماڈل کسی درخواست میں پڑھتا ہے، جن میں سسٹم پرامپٹ، گفتگو کی تاریخ، ٹول ڈیفینیشنز اور تصاویر شامل ہیں۔ آؤٹ پٹ ٹوکن وہ ہیں جو وہ جواب میں بناتا ہے، ریزننگ سمیت۔ LLM API عموماً دونوں کی قیمت الگ رکھتے ہیں، اور آؤٹ پٹ عموماً مہنگا ہوتا ہے۔

## عام سوالات

### کیا Aider کو ٹول کالنگ والا ماڈل چاہیے؟

نہیں۔ Aider ماڈل سے کہتا ہے کہ ترامیم کسی ٹیکسٹ فارمیٹ میں لوٹائے، جیسے search-and-replace diff، اور پھر انہیں خود لاگو کرتا ہے۔ اہم یہ ہے کہ ماڈل اس فارمیٹ کی مسلسل پیروی کرے۔

### Aider یہ انتباہ کیوں دیتا ہے کہ وہ میرے ماڈل کو نہیں جانتا؟

Aider صرف مقبول ماڈلز کا میٹا ڈیٹا ساتھ لاتا ہے۔ کسی بھی دوسرے ماڈل کے لیے وہ نامعلوم کانٹیکسٹ سائز اور لاگت کا انتباہ دیتا ہے۔ آپ انتباہ نظر انداز کر سکتے ہیں یا .aider.model.metadata.json میں اندراج شامل کر سکتے ہیں۔

### Aider میں BroadNet کا کون سا ماڈل پہلے آزماؤں؟

DeepSeek V4.1 Flash، کیونکہ اس کا کانٹیکسٹ 1M ٹوکن ہے، فی ٹوکن قیمتیں کم ہیں، اور یہ واحد ماڈل ہے جسے لامحدود پلان پر چلایا جا سکتا ہے۔ مشکل ترامیم پر دوسری رائے چاہیے تو استعمال کے مطابق ادائیگی پر GLM 5.3 یا Qwen3.8 27B آزمائیں۔

### Aider میں کسٹم OpenAI-compatible ماڈل کیسے استعمال کروں؟

OPENAI\_API\_BASE کو فراہم کنندہ کے base URL پر اور OPENAI\_API\_KEY کو اپنی کلید پر سیٹ کریں، پھر aider کو --model کے ساتھ چلائیں جس میں openai/ کے بعد ماڈل ID ہو؛ Aider کی ڈاکس یہ openai/ پری فکس لگانے کو کہتی ہیں۔ Windows پر setx استعمال کریں اور شیل دوبارہ شروع کریں۔

### کیا میں ایک پلان سیشن پر Aider کی دو ونڈوز چلا سکتا ہوں؟

چلا سکتے ہیں، لیکن ایک سیشن ایک وقت میں ایک ہی درخواست چلاتا ہے، اس لیے جب پہلی ونڈو ماڈل سے بات کر رہی ہو، دوسری انتظار کرتی ہے۔ جتنی ونڈوز ایک ساتھ کام کرتی ہیں، اتنے سیشن لیں۔

## مزید پڑھیں

-   [مقررہ قیمت والے LLM API پر متوازی کوڈنگ ایجنٹس کیسے چلائیں](https://broadrouter.com/ur/blog/run-parallel-coding-agents-flat-rate/)
-   [مقررہ قیمت بمقابلہ فی ٹوکن ادائیگی والا LLM API: بریک ایون کا حساب](https://broadrouter.com/ur/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [کیش شدہ ان پٹ ٹوکن کیا ہیں: LLM API کا بل کیسے کم کریں](https://broadrouter.com/ur/blog/cached-input-tokens-explained/)
-   [کوڈنگ ایجنٹس کو رات بھر بغیر نگرانی محفوظ طریقے سے کیسے چلائیں](https://broadrouter.com/ur/blog/overnight-coding-agent-runs/)
-   [AI کوڈنگ ایجنٹ کے ایک رن کی لاگت: مراحل، کانٹیکسٹ اور کیشنگ](https://broadrouter.com/ur/blog/ai-coding-agent-run-cost/)
-   [اوپن ماڈلز کے ساتھ Claude Code: پراکسی، نیٹو اینڈپوائنٹس اور حدیں](https://broadrouter.com/ur/blog/claude-code-with-openai-compatible-models/)
-   [گائیڈ: Aider کو لامحدود DeepSeek V4.1 Flash پر چلائیں](https://broadrouter.com/ur/guides/aider-unlimited-deepseek/)
-   [گائیڈ: ریزننگ ماڈل خالی جواب کیوں لوٹاتا ہے](https://broadrouter.com/ur/guides/reasoning-tokens-empty-response/)
-   [گائیڈ: ایجنٹس کے لیے لامحدود LLM API پلانز کیسے کام کرتے ہیں](https://broadrouter.com/ur/guides/unlimited-llm-api-sessions/)

اسے اپنے اصل کام پر آزمائیں۔ نئے اکاؤنٹس Gemma اور ٹرانسکرپشن کے لیے US$5 کے کریڈٹ سے شروع ہوتے ہیں۔ DeepSeek، GLM، اور Qwen3.8 کے لیے ٹاپ اپ ضروری ہے۔

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

**ذرائع**

-   [Aider ڈاکس، OpenAI compatible APIs (2026-11-14 کو دیکھا گیا)](https://aider.chat/docs/llms/openai-compat.html)
-   [Aider ڈاکس، ترمیمی فارمیٹس (2026-11-14 کو دیکھا گیا)](https://aider.chat/docs/more/edit-formats.html)
-   [Aider ڈاکس، ایڈوانسڈ ماڈل سیٹنگز اور ماڈل میٹا ڈیٹا (2026-11-14 کو دیکھا گیا)](https://aider.chat/docs/config/adv-model-settings.html)
-   [Aider ڈاکس، چیٹ موڈز اور architect موڈ (2026-11-14 کو دیکھا گیا)](https://aider.chat/docs/usage/modes.html)
-   [Aider LLM لیڈر بورڈز (2026-11-14 کو دیکھا گیا)](https://aider.chat/docs/leaderboards/)
-   [BroadNet Inference کا API ریفرنس (2026-11-14 کو چیک کیا گیا) (انگریزی میں)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-best-llm-for-aider&utm_content=sources)
