Alternativas a AnythingLLM: qué se migra realmente al cambiar

La alternativa adecuada a AnythingLLM depende de cuál de sus tres ediciones abandones — Desktop, Docker autohospedado o Cloud — porque fallan por razones diferentes. Open WebUI y LibreChat son los reemplazos más parecidos para el chat multiusuario sobre documentos; RAGFlow es la opción cuando el problema es la calidad de recuperación; Onyx encaja en las búsquedas empresariales mediante conectores; LM Studio y Jan son adecuados para quien solo quería una ventana de chat local.

La parte que omiten las listas de marcas es el coste de cambiar. AnythingLLM exporta el historial de chat y nada más, ninguna alternativa de aquí documenta un importador para ello, y la herramienta que abandonas no está en problemas — Mintplex-Labs/anything-llm tiene licencia MIT, no está archivada, contiene commits en su rama predeterminada hasta el 17 de septiembre de 2026 y publicó v1.16.1 el 27 de agosto de 2026 (API de GitHub, comprobado de nuevo el 21 de septiembre de 2026). Así que tienes tiempo para hacerlo correctamente.

Por qué la gente se va y qué edición abandona

Cuatro quejas explican la mayor parte de los casos, y cada una es una propiedad documentada de una edición concreta, no un defecto general.

Consulta la página de limitaciones de la nube, la descripción general de Desktop y la página de precios el 19 de septiembre de 2026. Antes de comparar nada, hay dos trampas de nomenclatura. Las propias superficies de AnythingLLM no coinciden en los nombres de los niveles — la página de precios dice Basic y Pro, la documentación dice Starter y Professional, y nada los reconcilia — así que confirma cuál tiene tu cuenta. Además, «Pro» designa dos productos no relacionados: Cloud Pro a $99/mensuales y AnythingLLM Desktop Pro, una clave de licencia para Desktop v1.15.0 y posteriores. La página de Desktop Pro describe sus funciones, pero no publica ningún precio, y anythingllm.com/pro devuelve 404, así que cualquier cifra que veas asociada a ese nombre procede de otro lugar. Tampoco se publica el número de usuarios, la cuota de almacenamiento ni la cuota de uso de Cloud Basic o Pro.

Observa qué no aparece en esa lista: el coste de los propios modelos. Esa factura no desaparece con ninguna herramienta autohospedada a la que cambies, porque todas esperan que proporciones la clave. Sin embargo, no es idéntica: los valores predeterminados de recuperación difieren entre estos productos y determinan cuánto contexto lleva cada pregunta.

Qué alternativa encaja con cada tarea

Precios y metadatos de los repositorios comprobados el 19 de septiembre de 2026 frente a la página empresarial de Open WebUI, librechat.ai, onyx.app/pricing, ragflow.io, dify.ai/pricing, la publicación sobre la licencia de LM Studio, msty.ai/pricing y la API de GitHub. Tres advertencias. Los $29 y $129 de RAGFlow son cifras promocionales mostradas tachadas desde $59 y $259, sin fecha de finalización indicada, y la página nunca define qué compra uno de sus «créditos». La cláusula de marca de Open WebUI, detallada en su página de licencia y en el archivo LICENSE del repositorio, es el detalle que más gente pasa por alto: conservar la marca intacta es la vía gratuita, y eliminarla o alterarla solo está permitido cuando la implementación tiene cincuenta o menos usuarios finales en cualquier periodo móvil de treinta días, cuando dispones de un permiso previo y específico por escrito del titular del copyright o bajo una licencia empresarial. Además, Onyx es un nombre muy ambiguo: solo onyx.app puede proporcionar los precios de Onyx; una búsqueda sin el dominio devuelve una utilidad de mantenimiento de macOS, un proveedor de RIP para impresión y varias empresas más.

Cuatro proyectos que no son lo que afirman los artículos antiguos

Las listas de alternativas envejecen más rápido que los productos que incluyen. Estos cuatro todavía se recomiendan ampliamente y no deberían entrar en tu lista sin conocer su estado actual, comprobado el 19 de septiembre de 2026.

Hay otro que debes tratar con cuidado: el repositorio de Quivr ahora resuelve a una organización de GitHub diferente, y su README describe una biblioteca central de RAG en lugar de una aplicación para usuarios finales. No se encontró ningún anuncio fechado que explique el cambio, así que esto es un hecho sobre la redirección, no sobre una adquisición.

Qué se migra y qué no

Este es el coste que debería decidir tu lista de candidatos, y es el mismo para todos los destinos de esta página.

Lo que te acompaña: el historial de chat, exactamente en cuatro formatos — CSV, JSON, JSONL y JSON (Alpaca) — servido desde el endpoint /system/export-chats de AnythingLLM. Esa es la lista completa de tipos de exportación del código distribuido.

Lo que no: todo lo demás. Se buscó en la documentación de AnythingLLM una exportación de documentos, una exportación de vectores o un procedimiento documentado de copia de seguridad y restauración, y no se encontró ninguno. Esto es ausencia de pruebas, no una demostración de imposibilidad; pero no puedes planificar una migración basándote en una ruta no documentada. Los espacios de trabajo, las incrustaciones y los propios documentos no tienen una vía de salida documentada. Las cadenas de importación del Community Hub trasladan habilidades de agentes, indicaciones del sistema y comandos de barra — los tres tipos de elementos que la documentación enumera como compatibles — pero solo entre instancias de AnythingLLM, y en instalaciones autohospedadas las importaciones de habilidades fallan a menos que se establezca COMMUNITY_HUB_BUNDLE_DOWNLOADS_ENABLED. Ninguna alternativa de esta página documenta un importador para datos de AnythingLLM; eso es lo que comprobé en la documentación propia de cada producto. LibreChat es el único que documenta un importador de conversaciones, y las fuentes que menciona son ChatGPT, Claude y ChatbotUI v1, no AnythingLLM.

Por tanto, migrar significa volver a ingerir, y volver a ingerir tiene un requisito previo ineludible: tus archivos fuente originales deben existir fuera de la aplicación. En la práctica:

1. Exporta primero el historial de chat, mientras la instancia siga ejecutándose. Es la única exportación que tiene AnythingLLM y constituye el registro de lo que la gente preguntó realmente, útil más adelante para juzgar si la sustituta responde igual de bien.
2. Reúne los documentos originales de donde procedan — la unidad compartida, la wiki, el sistema de tickets — no desde dentro de AnythingLLM.
3. Copia la carpeta de almacenamiento de Desktop al almacenamiento en frío antes de desinstalar nada. Las ubicaciones documentadas son /Users/<usr>/Library/Application Support/anythingllm-desktop/storage en macOS, ~/.config/anythingllm-desktop/storage/ en Linux y C:\Users\<usr>\AppData\Roaming\anythingllm-desktop\storage en Windows, y dentro de ella se encuentra anythingllm.db, la base de datos SQLite. Trátalo estrictamente como una copia de seguridad: la documentación no ofrece instrucciones de migración, copia de seguridad ni restauración, y aquí no se comprobó si esa carpeta puede trasladarse a otra máquina o a Docker.
4. Pon la sustituta junto a la antigua y vuelve a ingerir los datos. Después, haz diez preguntas a ambas instancias cuyas respuestas ya conozcas y compáralas. Los valores predeterminados de recuperación difieren entre estos productos, por lo que el mismo corpus no garantiza las mismas respuestas.
5. Revierte sin hacer nada. Mantén AnythingLLM en ejecución hasta que el paso 4 se complete correctamente; AnythingLLM almacena los vectores en una instancia local de LanceDB de forma predeterminada, así que el índice antiguo está en tu propio disco, no en un servicio que hayas cancelado.

Conectar el nuevo cliente a un endpoint de modelo

Cada uno de los siete productos siguientes acepta un endpoint de terceros en su propio campo de proveedor y cada uno tiene un requisito diferente. El campo es compatible con OpenAI en todos los casos; Jan y LibreChat también utilizan el formato Anthropic Messages si se lo pides. LM Studio y Msty Studio están ausentes de esta tabla intencionadamente: esta página no estableció una ruta documentada hacia un endpoint remoto para ninguno de los dos. Este es el paso de reconfiguración, y conocer de antemano el requisito es lo que permite mantenerlo breve.

Cada criterio anterior se cita de la propia página de configuración del producto: el proveedor OpenAI (genérico) de AnythingLLM, la guía de Open WebUI para OpenAI compatible, la referencia de endpoints personalizados de LibreChat, la página del proveedor de inferencia personalizado de Onyx, la configuración de la clave de API del modelo de RAGFlow, la página de endpoints personalizados de Jan y la README de PrivateGPT.

Un límite que conviene dejar claro antes de configurar nada. En AnythingLLM, LibreChat, RAGFlow, Dify y Cherry Studio, el embedder se registra como un proveedor independiente del modelo de chat, con su propia ruta base y su propia clave. Kunavo no ofrece ningún modelo de embeddings ni ningún modelo de conversión de voz a texto, por lo que apuntar un embedder hacia él devuelve un error de "model is not available". Las completaciones de chat son la única etapa de una canalización RAG que Kunavo puede responder. Deja el embedder en el modelo local incluido o en otro proveedor:

# Chat goes to an OpenAI-compatible endpoint.
LLM_PROVIDER='generic-openai'
GENERIC_OPEN_AI_BASE_PATH='https://api.kunavo.com/v1'
GENERIC_OPEN_AI_API_KEY='sk-...'
GENERIC_OPEN_AI_MODEL_PREF='claude-haiku-4-5'
GENERIC_OPEN_AI_MODEL_TOKEN_LIMIT=200000

# Embeddings do NOT. Kunavo serves no embedding model, so the
# embedder stays on the bundled local one (or another vendor).
EMBEDDING_ENGINE='native'
EMBEDDING_MODEL_PREF='Xenova/all-MiniLM-L6-v2'

Esta separación no es una particularidad de AnythingLLM: la API RAG de LibreChat tiene su propio EMBEDDINGS_PROVIDER y su propio RAG_OPENAI_BASEURL, y RAGFlow, Dify y Cherry Studio registran los modelos de embeddings en un lugar distinto al de los modelos de chat. Presupuesta también ambas partes por separado. Para conocer el lado de recuperación del diseño, consulta Implementación de RAG; para saber qué cubre y qué no cubre la superficie compatible, consulta API compatible con OpenAI.

Cuánto cuesta un mes de chat después del cambio

El cliente es gratuito en casi todas las filas anteriores, así que la cifra recurrente son los tokens. Esto es una aritmética ilustrativa de tokens, no un coste medido ni un límite de facturación. Supongamos un equipo pequeño que realiza 1.200 preguntas al mes, donde cada turno envía 6.000 tokens de entrada (fragmentos recuperados, prompt del sistema y un poco de historial) y devuelve 500 tokens de salida: 7.2M tokens de entrada y 0.6M de salida al mes. Las tarifas son los precios vigentes del catálogo de Kunavo por millón de tokens.

Dos lecturas. Primero, con esta configuración, la elección del modelo cambia la factura aproximadamente en un factor de 2,0 entre la fila más barata y la más cara, mientras que los ajustes de recuperación que determinan cuántos fragmentos entran en esos 6.000 tokens de entrada se configuran en el cliente, no en el proveedor; por tanto, ajusta el cliente antes de buscar tarifas. Segundo, compáralo con las cifras de alojamiento: un plan Cloud de $50/mensuales incluye el alojamiento y aun así exige que aportes la clave, de modo que la comparación es alojamiento más tokens frente a tu propio host Docker más los mismos tokens.

El importe del catálogo de Kunavo es un mínimo de facturación, no un límite: cuando el upstream informa de su cargo, la factura es el mayor entre el coste del catálogo y el coste del upstream multiplicado por el margen aplicable. Los cargos de caché, las llamadas de imagen o vídeo y cualquier coste del embedder en otro lugar quedan fuera de este ejemplo. La recarga mínima es $10 de crédito prepago: un mínimo de financiación, no una tarifa por tarea ni una suscripción. Consulta los detalles de facturación.

Configuración del reemplazo

Si acabas usando Open WebUI, Kunavo publica una referencia de configuración: la guía de configuración de Open WebUI. Es un documento de configuración publicado, no una prueba de compatibilidad: ninguno de los clientes de esta página se ha probado en tiempo de ejecución contra el endpoint de Kunavo, y todo lo anterior se ha extraído de la documentación, los archivos de licencia, el código fuente publicado y los metadatos del repositorio de cada proyecto. Mantén disponible una ruta operativa mientras lo pruebas, ejecuta una tarea acotada y después revisa el cargo que tu cuenta haya registrado realmente. Crea una cuenta de Kunavo cuando estés listo para financiar una clave.

¿Sigues decidiendo entre dos herramientas concretas en lugar de todo el sector? AnythingLLM frente a Open WebUI compara directamente la pareja más cercana, y LibreChat frente a Open WebUI cubre la otra lista corta habitual. Optimización de costes de IA explica cómo reducir la parte de tokens una vez que hayas elegido.

Preguntas frecuentes

Páginas de precios de proveedores, documentación de productos, archivos de licencia, código fuente publicado y metadatos de repositorios de todos los proyectos mencionados anteriormente, comprobados el 19 de septiembre de 2026 y revisados de nuevo el 21 de septiembre de 2026, únicamente de fuentes propias. Las tarifas de tokens de Kunavo proceden del catálogo vigente, y todos los ejemplos en dólares son aritmética ilustrativa de tokens, no un coste medido. Ningún cliente de esta página se ha probado en tiempo de ejecución contra el endpoint de Kunavo.