NeuSo erkennen wir Verkäufer, die das falsche Modell anbieten – und du bekommst dein Geld zurück.

Kilo Code mit MartLLM: fügen Sie einen benutzerdefinierten Anbieter in 1 Minute hinzu

Öffnen Sie in Kilo Code Einstellungen → Anbieter → Benutzerdefinierter Anbieter, setzen Sie Provider API auf OpenAI Compatible, Base URL auf https://api.martllm.com/v1,, fügen Sie Ihren MartLLM key ein, drücken Sie Modelle abrufen, wählen Sie die gewünschten aus und senden Sie ab. Dieselbe Einrichtung kann in ~/.config/kilo/kilo.jsonc gespeichert werden.

Die aktuelle Version von Kilo Code (7.x) nutzt eine gemeinsame Einstellungsdatei zwischen VS Code, JetBrains und der kilo CLI, sodass Sie MartLLM nur einmal einrichten müssen. Ältere Anleitungen, die ein provider dropdown mit model-info fields zeigen, beschreiben die legacy extension.

Am schnellsten: ein Befehl

npx uberllm init --tool kilo-code

Für VS Code, JetBrains und die kilo CLI auf einmal: Es erstellt einen Schlüssel in Ihrem Browser, fügt den Anbieter zu ~/.config/kilo/kilo.jsonc mit den tatsächlichen Kontext- und Ausgabegrenzen jedes Modells hinzu und fügt eine Zeile zu Ihrem Shell-Profil hinzu, die den Schlüssel lädt. Die Datei wird zuerst gesichert, und npx uberllm init --undo stellt sie wieder her. Was es ändert. Um es manuell zu tun, folgen Sie den Schritten unten.

Schritte (im Editor)

  1. Erstellen Sie einen Schlüssel auf Ihrer Schlüsselseite und fügen Sie Guthaben hinzu.
  2. Öffnen Sie Kilo Code, klicken Sie auf das Zahnradsymbol → Registerkarte Providers, scrollen Sie nach unten und klicken Sie auf Custom provider.
  3. Füllen Sie aus:
    • Provider ID: uberllm
    • Anzeigename: MartLLM
    • Provider API: OpenAI Compatible
    • Base URL: https://api.martllm.com/v1
    • API key: Ihr ull_… key
  4. Drücken Sie Fetch models. Die Liste stammt von MartLLM; behalten Sie die gewünschten bei, zum Beispiel moonshotai/kimi-k3.
  5. Klicken Sie auf Submit, wählen Sie dann das Modell in Kilos model picker aus.

Schritte (Konfigurationsdatei)

Derselbe Anbieter in ~/.config/kilo/kilo.jsonc (Windows: C:\Users\<you>\.config\kilo\kilo.jsonc; für ein Projekt, .kilo/kilo.jsonc im Projekt):

{
  "provider": {
    "uberllm": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "MartLLM",
      "env": ["UBERLLM_API_KEY"],
      "options": { "baseURL": "https://api.martllm.com/v1" },
      "models": {
        "moonshotai/kimi-k3": {
          "name": "moonshotai/kimi-k3",
          "tool_call": true,
          "limit": { "context": 200000, "output": 32000 }
        }
      }
    }
  },
  "model": "uberllm/moonshotai/kimi-k3"
}

Setzen Sie dann UBERLLM_API_KEY=ull_your_key in Ihrer Umgebung. Die limit Zahlen sind ein Beispiel: kopieren Sie die tatsächliche Kontextlänge von der Modellseite auf martllm.com/models.

Zwei Einstellungen, die oft übersehen werden

  • limit: Ohne sie behandelt Kilo den Kontext als 0 und komprimiert eine lange Aufgabe nie, sodass sie schließlich fehlschlägt. Der Editor-Dialog kann sie nicht einstellen; fügen Sie sie in der Datei hinzu ("Erweiterte Einstellungen in der JSON-Konfigurationsdatei bearbeiten").
  • tool_call: true: Kilos Agent arbeitet über Tools. Wenn das Modell in einfachem Text antwortet, anstatt Dateien zu bearbeiten, fehlt dies.

Bevorzugen Sie das Anthropic-Format?

Kilo bietet auch Provider API → Anthropic Messages an. Mit MartLLM verwenden Sie dort ebenfalls https://api.martllm.com/v1 als Base URL (nicht den reinen Host) und denselben Key. Model fetching ist in diesem Modus nicht verfügbar, geben Sie die IDs daher selbst ein.

Fehlerbehebung

  • "Authentifizierung fehlgeschlagen. Überprüfen Sie den API key oben und versuchen Sie es erneut." beim Abrufen: der Schlüssel fehlt oder enthält ein Leerzeichen.
  • Modell nicht in der Auswahl: der Modell-key muss uberllm/<model id> entsprechen. Führen Sie kilo models aus, um zu sehen, was Kilo geladen hat.
  • Agent bearbeitet niemals Dateien: fügen Sie "tool_call": true zum Modell hinzu.
  • Aufgabe schlägt nach einer langen Sitzung fehl: setzen Sie limit.context.
  • 402 unzureichende Credits: fügen Sie Credits auf der Credits-Seite hinzu.

Weiterlesen

Coding-Modelle für Kilo Code

Tool-Aufrufe und langer Kontext. Der erste befindet sich in der untenstehenden Konfiguration.

ModellModell-ID (zum Einfügen)Aktueller Preis
Kimi K3moonshotai/kimi-k3$0.0384 Eingabe · $0.2021 Ausgabe / 1M
DeepSeek V4.1 Flashdeepseek/deepseek-v4.1-flash$0.0075 Eingabe · $0.0282 Ausgabe / 1M
GLM 5.3z-ai/glm-5.3$0.0029 Eingabe · $0.0100 Ausgabe / 1M
Claude Sonnet 5.5anthropic/claude-sonnet-5.5$0.3600 Eingabe · $1.80 Ausgabe / 1M
Qwen 3 Coder 480bqwen/qwen3-coder$0.0030 Eingabe · $0.0099 Ausgabe / 1M
GPT-5.5openai/gpt-5.5$1.25 Eingabe · $7.50 Ausgabe / 1M
Claude Opus 5.5anthropic/claude-opus-5.5$0.6780 Eingabe · $3.39 Ausgabe / 1M
DeepSeek V4 Prodeepseek/deepseek-v4-pro$0.0634 Eingabe · $0.1268 Ausgabe / 1M
MiniMax M3minimax/minimax-m3$0.0230 Eingabe · $0.0920 Ausgabe / 1M

Preise vom letzten stündlichen Update, ohne Aufschlag · alle Modelle →

Günstigere Modelle für Routinebearbeitungen

ModellModell-ID (zum Einfügen)Aktueller Preis
DeepSeek V4.1 Flashdeepseek/deepseek-v4.1-flash$0.0075 Eingabe · $0.0282 Ausgabe / 1M
GLM 5.3z-ai/glm-5.3$0.0029 Eingabe · $0.0100 Ausgabe / 1M
Qwen 3 Coder 480bqwen/qwen3-coder$0.0030 Eingabe · $0.0099 Ausgabe / 1M
DeepSeek V3.2deepseek/deepseek-v3.2$0.0026 Eingabe · $0.0038 Ausgabe / 1M
GPT-OSS 120Bopenai/gpt-oss-120b$0.000069 Eingabe · $0.00030 Ausgabe / 1M
Kimi K2 Thinkingmoonshotai/kimi-k2-thinking$0.0059 Eingabe · $0.0248 Ausgabe / 1M

Preise vom letzten stündlichen Update, ohne Aufschlag · alle Modelle →

Häufige Fragen

Wie füge ich MartLLM zu Kilo Code hinzu?

Einstellungen → Anbieter → Benutzerdefinierter Anbieter: Anbieter-API OpenAI-kompatibel, Basis-URL https://api.martllm.com/v1, Ihr MartLLM-Schlüssel, Modelle abrufen, Senden. Oder fügen Sie denselben Anbieter zu ~/.config/kilo/kilo.jsonc hinzu.

Warum stoppt Kilo Code bei langen Aufgaben mit einem benutzerdefinierten Anbieter?

Ohne limit.context in kilo.jsonc geht Kilo von einem Kontext von 0 aus und kann nicht komprimieren. Fügen Sie die tatsächlichen Kontext- und Ausgabebeschränkungen des Modells hinzu.