Kostenlos mit KI programmieren: ein echter Agent auf Modellen ohne Kosten
Die kostenlose Desktop-App kann Code mit Gratis-Kontingenten der Anbieter oder lokalen Modellen ausführen. Hier steht, wie Sie lokal starten, welche Modelle wirklich programmieren können, wo ihre Grenzen liegen und wie sich Cloud-Preise unterscheiden.
Das More-AI-Team · Aktualisiert am 12. September 2026
Was Sie bekommen und was es kostet
Der Code-Modus richtet sich auf ein Repository: Er liest den Baum, plant, ändert mehrere Dateien, führt Ihre Testsuite aus und zeigt jede Änderung als Diff, bevor irgendetwas landet. Bei einem lokalen Desktop-Lauf ist die App kostenlos und der Anbieter rechnet Tokens über Ihren Schlüssel ab; ein Gratis-Modell kann diese Modellkosten innerhalb seines Kontingents auf null setzen.
Einen großen Teil der Arbeit macht der Agent, nicht das Modell: Er durchsucht das Repository, hält einen Plan, liest seine eigenen Änderungen nach und startet die Tests erneut. Deshalb kommt ein mittelmäßiges kostenloses Modell hier weiter als dasselbe Modell in einem einfachen Chatfenster.

Die Einrichtung
Zwei Minuten, ohne Karte. Unten steht OpenRouter, weil ein Schlüssel die breiteste Auswahl kostenloser Modelle erreicht; mit Groq und Google AI Studio läuft es genauso.
- More AI installieren und die Desktop-App öffnen; für diesen lokalen Weg mit Anbieter-Schlüssel ist das Konto optional.
- In der Gruppe „Kostenlos starten“ OpenRouter wählen und einen Schlüssel von openrouter.ai/keys einfügen.
- In den Bereich Code wechseln (⌘2) und einen Repository-Ordner öffnen.
- In der Modellauswahl nach „:free“ suchen und ein Modell nehmen, das Code beherrscht.
- Die Aufgabe beschreiben. Lassen Sie den Zugriffsmodus beim ersten Lauf auf „Plan“, damit der Agent vorschlägt, bevor er ändert.
- OpenRouter — API-Schlüssel anlegen — Kostenloses Konto, ohne Karte. Der Schlüssel beginnt mit sk-or-.
- OpenRouter — Modellliste — Nach Preis sortieren und nach IDs suchen, die auf :free enden.
Welche kostenlosen Modelle wirklich Code schreiben
Längst nicht alle. Code verlangt langen Kontext, verlässliche Werkzeugaufrufe und die Disziplin, ein gültiges Diff zu erzeugen — und etliche kostenlose Modelle scheitern vor allem am zweiten Punkt: Sie antworten in Prosa gut und zerlegen dann den Funktionsaufruf.
Statt einer Liste, die schnell veraltet, prüfen Sie es in fünf Minuten: Geben Sie dem Modell eine kleine, echte Aufgabe in Ihrem eigenen Repository — ein Symbol über drei Dateien umbenennen oder einen Test zu einer bestehenden Funktion ergänzen — und sehen Sie zu, ob die Werkzeugaufrufe ankommen. Was das schafft, schafft auch den Alltag; was daran scheitert, wird bei einer größeren Aufgabe nicht besser.
- Modelle bevorzugen, die der Anbieter für Code oder Reasoning ausweist, statt allgemeiner Chatmodelle
- Auf das Kontextfenster achten: unter etwa 32k Tokens wird Arbeit über mehrere Dateien mühsam
- Familien mit offenen Gewichten (Qwen, GLM, DeepSeek, Llama) sind in Gratis-Kontingenten stark vertreten
- Wenn Werkzeugaufrufe wiederholt scheitern: das Modell wechseln, nicht den Prompt
Einen kostenlosen Agenten im Rahmen halten
Ein günstigeres Modell macht mehr Fehler, also wählen Sie den Modus bewusst. Plan und Auto behalten ihre eingerichteten Schranken; Full Access schaltet normale Freigaben und Sandbox aus, blockiert aber katastrophale Befehle und fragt bei geschützten Dateien. Beginnen Sie mit Plan, wenn Sie vor Änderungen zustimmen wollen.
Arbeiten Sie in einem Branch oder einem eigenen Worktree und lassen Sie den Agenten Ihre Tests ausführen. Ein kostenloses Modell, das etwas kaputt macht und dann einen roten Test sieht, repariert es meist selbst; dasselbe Modell, das unbeaufsichtigt Ihren Hauptbranch ändert, ist eine ganz andere Erfahrung.
Die Grenze, ehrlich benannt
Gratis-Kontingente schneiden pro Tag ab, und ein Agentenlauf mit vielen Werkzeugaufrufen verbraucht dieses Kontingent schnell: Ein ernsthaftes Refactoring kann den Tag in einer Sitzung aufbrauchen. In der Qualität liegen Spitzenmodelle bei langen Änderungen über viele Dateien und beim Debuggen, das viel System gleichzeitig im Kopf verlangt, weiterhin klar vorn.
Wofür kostenlos wirklich taugt: das Werkzeug lernen, kleine klar umrissene Aufgaben, Tests, Refactorings über wenige Dateien und all das, was man sonst vor sich herschiebt. Wenn Sie mehr brauchen, laden Sie Ihren eigenen Anbieter-Schlüssel auf — an der App und an Ihrer Einrichtung ändert sich nichts.
Häufige Fragen
Ist der Coding-Agent kostenlos?
Die Desktop-App ist kostenlos. Lokale Code-Läufe nutzen Ihren Schlüssel; ein Gratis-Modell des Anbieters kann die Tokenkosten bis zum Ende seines Kontingents auf null setzen. Cloud-Ausführung ist die separate Abo-Schicht und in der aktuellen Beta vorübergehend kostenlos; Modell-Tokens bleiben auf Ihrem Schlüssel.
Kann ein kostenloses Modell wirklich Dateien im ganzen Repository ändern?
Ja, wenn es Werkzeugaufrufe zuverlässig beherrscht. Suchen, Planen und Nachprüfen übernimmt der Agent; das Modell muss vor allem korrekte Änderungen liefern. Testen Sie es an einer kleinen, echten Aufgabe, bevor Sie ihm Großes anvertrauen.
Ändert der Agent meinen Code ohne zu fragen?
Plan bleibt bis zu Ihrer Build-Freigabe schreibgeschützt, Auto nutzt die eingerichteten Schranken. Full Access schaltet normale Freigaben und Sandbox aus, doch katastrophale Befehle bleiben blockiert und geschützte Dateien fragen beim Schreiben weiterhin nach. Jede Änderung wird als Diff gezeigt.
Brauche ich ein Konto?
Nein, die Desktop-App funktioniert ohne Anmeldung. Danach sind die eingerichteten Sync-Kategorien standardmäßig an und einzeln abschaltbar; Cloud-Ausführung ist eine separate, anfangs ausgeschaltete Einstellung für Läufe ohne Ihren Rechner.
So funktioniert More AI
Vom Download zum ersten Ergebnis in drei Schritten
Du brauchst nur einen Schlüssel für ein KI-Modell. Hast du keinen, bekommst du bei OpenRouter in ein paar Minuten einen. Ein Konto ist optional.
Installiere die kostenlose App
Für macOS, Windows und Linux. Sie hält sich selbst aktuell.
Füg deinen Schlüssel ein
OpenRouter, OpenAI, Anthropic, Google, DeepSeek und 30+ weitere Anbieter – oder ein Modell, das auf deinem eigenen Computer läuft. Wähl das Modell für jede Aufgabe.
Bitte um das Ergebnis
Zeig auf einen Ordner, eine Website oder ein Repository und sag, was du brauchst. Jede Änderung siehst du, bevor du sie übernimmst.