AnythingLLM frente a Open WebUI: RAG, implementación y costes de modelos

Elija AnythingLLM cuando quiera un producto RAG con forma de espacio de trabajo que llegue ensamblado: documentos, un embebedor local, un almacén vectorial local y agentes en una sola instalación. Elija Open WebUI cuando quiera una plataforma de chat multiusuario con control de acceso gratuito basado en roles y, de todos modos, vaya a aportar su propio endpoint de modelo. Ambos son gratuitos para alojarlos uno mismo, ambos aceptan una URL base compatible con OpenAI de terceros más una clave y, en ambos casos, la factura recurrente corresponde al alojamiento más los tokens del modelo, no al software.

Esta página responde a la comparación en ambas direcciones; no existe una página independiente en orden inverso, porque “AnythingLLM vs Open WebUI” y “Open WebUI vs AnythingLLM” son la misma decisión. Todo lo que se afirma a continuación se ha tomado del sitio, la documentación o el repositorio propios de cada proyecto y se comprobó el 18 de septiembre de 2026. Kunavo no ha probado ninguno de los dos clientes en tiempo de ejecución, por lo que aquí no hay benchmark, cifra de latencia ni veredicto sobre la calidad de recuperación.

Una nota sobre los nombres antes de la comparación: Open WebUI se llamaba anteriormente Ollama WebUI y cambió de nombre después de que el equipo de Ollama dijera que quería evitar que los usuarios confundieran el proyecto con un producto oficial de la marca registrada Ollama, en la propia discusión pública sobre el nombre del proyecto, que su página del equipo indica que está liderado por su creador y fundador, Tim J. Baek. Las bifurcaciones que aún conservan el eslogan antiguo no son un competidor activo independiente. Tampoco lo son text-generation-webui, la interfaz web de Stable Diffusion, ni la biblioteca any-llm de Mozilla AI.

Quién debería elegir cuál

La migración entre ellos es más barata de lo que parece en una dirección y no en la otra. La conexión de chat es portable: la misma URL base y la misma clave se trasladan en minutos. Sus documentos no; cada producto tiene su propio modelo de espacio de trabajo o conocimiento y su propio almacén vectorial, por lo que cambiar implica volver a ingerir y a generar embeddings para el corpus. Conviene conocer dos decisiones irreversibles antes de comprometerse: la documentación de AnythingLLM indica que, una vez que una instancia está en modo multiusuario, no se puede volver al modo de usuario único, y AnythingLLM Desktop se describe como una aplicación para un solo usuario, por lo que un piloto de escritorio que crece hasta convertirse en una implementación para equipos requiere pasar a Docker, no una actualización.

Cuánto cuesta cada uno

Fuentes, todas comprobadas el 18 de septiembre de 2026: precios de AnythingLLM, la descripción general de Desktop Pro, la licencia empresarial de Open WebUI y su página de licencia. Tres advertencias. Primero, “AnythingLLM Pro” designa dos productos no relacionados: el nivel Cloud alojado de $99 y la clave de licencia de Desktop Pro, por lo que un precio citado sin indicar cuál de los dos es carece de sentido. Segundo, no se publica ningún precio de Desktop Pro en ninguna parte a la que pudiéramos acceder: la única URL de pago rechazó solicitudes que no procedían de un navegador en la fecha de comprobación, por lo que debe tratar el importe como no verificado y consultarlo en el proceso de pago. Tercero, las propias páginas del proveedor discrepan sobre los nombres de los niveles: la página de precios dice Basic y Pro, mientras que la página de limitaciones de la nube denomina a esos mismos niveles Starter y Professional. Confirme qué nivel está comprando durante el proceso de pago, no por el nombre.

AnythingLLM Cloud también es la edición con las limitaciones funcionales más marcadas, y no son evidentes por el precio. Esa página indica que la nube alojada no incluye un LLM integrado, que subir un documento grande —grande en número de palabras, no en tamaño de archivo— puede saturar la CPU, finalizar el proceso y producir un 502, que los agentes personalizados no son compatibles y que MCP tampoco es compatible. Si MCP o los agentes personalizados son el motivo por el que está evaluando AnythingLLM, el nivel alojado es la edición equivocada independientemente del presupuesto.

La factura de RAG, línea por línea

La suposición habitual es que una configuración de chat con documentos factura por separado la inferencia, los embeddings, el reranking y el almacenamiento. Esos componentes se pueden configurar por separado en ambos productos, pero de fábrica solo uno se factura por separado: ambos utilizan de forma predeterminada un embebedor MiniLM local y un almacén local, y ninguno envía el reranking a una API salvo que lo dirija a una.

Dos consecuencias. Si estaba presupuestando una partida para embeddings, elimínela hasta que active deliberadamente una. Kunavo no ofrece ningún modelo de embeddings, ni ningún modelo de texto a voz o de voz a texto; su catálogo solo incluye modelos de chat, imagen, vídeo y música, por lo que actualmente no es posible dirigir el embebedor, el proveedor de transcripción o el proveedor de voz de ninguno de los dos productos a Kunavo; mantenga el valor local predeterminado. Si traslada los embeddings a un proveedor externo en Open WebUI, su propia referencia señala que RAG_EMBEDDING_BATCH_SIZE tiene el valor predeterminado 1, una solicitud por fragmento, lo que hace que una ingesta grande sea lenta antes de volverla costosa. La misma página advierte que el almacén Chroma predeterminado utiliza un cliente SQLite que no es seguro entre varios workers o réplicas: una decisión de escalado, no de costes, pero que afecta al mismo proyecto. Para el diseño del pipeline en sí, consulte nuestra guía de implementación de RAG.

Apuntar cualquiera de los dos a un endpoint

Ambos aceptan una URL base compatible con OpenAI y una clave, y las dos configuraciones difieren más en la forma que en el concepto.

# AnythingLLM — LLM Preference -> provider "Generic OpenAI"
Base URL              https://api.kunavo.com/v1   # the /v1 root, handed verbatim to the OpenAI SDK
API Key               sk-kn-...
Model context window  <your model's context window>   # defaults to 4096 if left blank
Max Tokens            4096                        # defaults to 1024 if left blank
Selected Model        claude-sonnet-5

# …or as environment variables on the Docker build:
LLM_PROVIDER='generic-openai'
GENERIC_OPEN_AI_BASE_PATH='https://api.kunavo.com/v1'
GENERIC_OPEN_AI_API_KEY=sk-kn-...
GENERIC_OPEN_AI_MODEL_PREF='claude-sonnet-5'
GENERIC_OPEN_AI_MODEL_TOKEN_LIMIT=<your model's context window>   # falls back to 4096

# Open WebUI — Settings -> Admin -> Connections -> Manage OpenAI API Connections -> Add
URL                   https://api.kunavo.com/v1
API Key               sk-kn-...

# …or at container start:
docker run -d -p 3000:8080 \
  -e OPENAI_API_BASE_URL=https://api.kunavo.com/v1 \
  -e OPENAI_API_KEY=sk-kn-... \
  -v open-webui:/app/backend/data \
  --name open-webui ghcr.io/open-webui/open-webui:main

Cuatro detalles determinan si esto funciona al primer intento. El sufijo de la URL: el propio .env.example de AnythingLLM escribe la ruta base con /v1, y el origen del proveedor resuelve el resto: el valor se pasa al SDK de OpenAI como baseURL sin cambios, por lo que el SDK añade su propia ruta a lo que hayas escrito. Usa la raíz /v1. La advertencia del proveedor: AnythingLLM etiqueta esta conexión como un proveedor orientado a desarrolladores y advierte que «puede no funcionar según lo previsto si introduces incorrectamente cualquier ajuste de configuración»; ese es el tercer detalle: los valores predeterminados que causan problemas. En el código fuente del proveedor enlazado arriba, el número máximo de tokens vuelve a 1024 y la ventana de contexto a 4096 cuando las variables de entorno correspondientes no están definidas, y las respuestas truncadas por esos valores predeterminados tienen exactamente el aspecto de un fallo de gateway. Cuarto, la detección de modelos es opcional en ambos. El proveedor Generic OpenAI de AnythingLLM nunca valida previamente el ID del modelo; el código fuente enlazado arriba omite la comprobación porque, en palabras del propio archivo, no tiene forma de saber si el modelo es válido. Ese es el comportamiento de este proveedor, no una afirmación sobre los proveedores con nombre de AnythingLLM. Open WebUI, por su parte, documenta que un proveedor que no implemente /models no superará la verificación de conexión, que esto «no significa que el proveedor sea incompatible: las finalizaciones de chat seguirán funcionando», y que después debes añadir manualmente los nombres de los modelos a la lista de permitidos de Model IDs.

La misma página publica claramente el contrato del endpoint: /v1/chat/completions es la ruta obligatoria, mientras que /v1/models, /v1/embeddings, /v1/audio/speech, /v1/audio/transcriptions y /v1/images/generations son opcionales y cada una habilita una función. Cuáles de las cinco rutas opcionales responde un endpoint concreto depende de ese endpoint, y la respuesta aquí es limitada: Kunavo no ofrece ningún modelo de embeddings, ni ofrece texto a voz ni voz a texto, por lo que las entradas de RAG, TTS y STT de esa lista siguen utilizando lo que hubieras configurado para ellas. También afirma que Open WebUI «no implementa APIs no estándar específicas de proveedores en el núcleo» y que esos proveedores deben conectarse mediante un proxy de middleware o una de sus funciones pipe. AnythingLLM no publica un contrato equivalente, pero su .env.example y el código fuente del proveedor ofrecen dos vías de escape útiles: GENERIC_OPEN_AI_CUSTOM_HEADERS para gateways que necesitan autenticación adicional y GENERIC_OPENAI_STREAMING_DISABLED para desactivar el streaming cuando el flujo de eventos de un proveedor se comporta incorrectamente.

Una trampa de implementación es específica de Open WebUI. Su función Direct Connections permite que los usuarios normales añadan su propia URL base y clave una vez que un administrador la habilita, pero el navegador se comunica directamente con el proveedor de la API, por lo que dicho proveedor debe permitir solicitudes entre orígenes desde tu dominio de Open WebUI; la página señala que los proveedores estrictos pueden bloquear las solicitudes directas del navegador por motivos de CORS. Esa es una propiedad de la API que hayas elegido, no de Open WebUI, y conviene probarla antes de prometer la función a un equipo. Hay otra regla de nombres de host que conviene conocer si has llegado aquí buscando Claude: la página de Anthropic de Open WebUI indica que detecta cualquier URL que contenga api.anthropic.com y aplica a ese host un tratamiento especial de lista de modelos y transferencia directa de /api/v1/messages; cualquier otro nombre de host, incluido un gateway, es una conexión normal compatible con OpenAI. Para saber qué cubre y qué no cubre «compatible» en general, consulta la guía de la API compatible con OpenAI.

Cuánto cuesta un mes de chat con documentos

Como el software es gratuito en ambos productos, los tokens de los modelos son la variable. Los turnos con generación aumentada mediante recuperación consumen muchos tokens de entrada: cada pregunta incluye sus fragmentos recuperados, el prompt del sistema y parte del historial. Supón 200 turnos en un mes, 6.000 tokens de entrada y 500 tokens de salida por turno: 1,2 millones de tokens de entrada y 100.000 tokens de salida.

Esto es aritmética de tokens basada en las suposiciones anteriores y en las tarifas actuales del catálogo de Kunavo: una estimación ilustrativa, no un uso medido ni un límite máximo de tu factura. Tu propio número de fragmentos, la longitud del historial y el comportamiento de los reintentos influyen más que la elección del modelo. Ten en cuenta también que la tarifa más barata publicada y el menor coste para completar una tarea son afirmaciones distintas: un modelo más débil que necesita tres intentos para una pregunta de recuperación difícil puede costar más que uno que responde una sola vez. El importe del catálogo de Kunavo es un mínimo de facturación: cuando el proveedor ascendente informa de su cargo, la factura es el mayor entre el coste del catálogo y el coste del proveedor ascendente con el margen aplicable; y la recarga mínima es de $10 en crédito prepago, no una suscripción. Los cargos de caché y cualquier herramienta externa quedan fuera de este ejemplo; consulta los detalles de facturación.

Varios usuarios, permisos y la cuestión de la licencia

Aquí es donde más divergen los dos productos, y no se trata de un recuento de funciones: depende de qué compilación estés ejecutando. La descripción general de Desktop de AnythingLLM califica Desktop como una aplicación «para un solo usuario» y enumera la compatibilidad multiusuario, la gestión de usuarios, la gestión del acceso a espacios de trabajo, la protección mediante contraseña, el etiquetado blanco, los widgets de chat integrables y una interfaz accesible desde el navegador como funciones exclusivas de Docker. La tabla marca otras dos filas al contrario, como exclusivas de Desktop: instalación con un clic y un proveedor de LLM integrado. Por tanto, usar AnythingLLM para un equipo implica la compilación de Docker, y activar el modo multiusuario es irreversible.

Open WebUI parte de la base de que hay varios usuarios. Sus tres roles —Admin, User y Pending—, además de los grupos de permisos y el control de acceso por modelo, no tienen ninguna restricción de licencia en la documentación de RBAC. Lo que sí está restringido es la marca: por encima de 50 usuarios en un periodo de 30 días debes mantener visibles el nombre y las marcas de Open WebUI, salvo que tengas una licencia empresarial; y Terminals —que aprovisiona un espacio de trabajo por usuario, con archivos y procesos separados— indica que requiere una licencia empresarial para uso en producción. Si tu requisito es un asistente interno con marca blanca para una organización grande, esa cláusula —no una función— es el dato decisivo, y el etiquetado blanco de Docker de AnythingLLM es la alternativa cuyo precio debes comparar con una oferta empresarial.

Estado actual de ambos proyectos en la fecha de comprobación, según la API de GitHub: AnythingLLM tiene licencia MIT, no está archivado y su última versión, v1.16.1, se publicó el 27 de agosto de 2026; Open WebUI no está archivado y su última versión, v0.11.3, se publicó el 31 de agosto de 2026, con la licencia informada como NOASSERTION porque es personalizada y no una licencia OSS estándar. Según esas dos señales —una versión publicada en el último mes y un repositorio no archivado— ninguno de los dos proyectos está abandonado.

Dónde encaja un gateway

Ninguno de los dos productos te vende inferencia, así que ambos necesitan un endpoint de modelo, y los dos pueden apuntar al mismo; eso hace que una prueba comparativa sea barata: instala cada uno, dales una URL base y una clave, y compáralos con modelos idénticos en lugar de hacerlo mediante una tabla comparativa. Kunavo ofrece la superficie compatible con OpenAI que ambos utilizan. Existe una guía de configuración publicada para uno de ellos, y se trata de un recorrido escrito, no de una prueba de compatibilidad por nuestra parte: conecta Open WebUI con Kunavo y luego crea una cuenta de Kunavo cuando estés listo para poner una clave detrás. Para AnythingLLM, utiliza la correspondencia de campos de Generic OpenAI indicada arriba. Si todavía estás preseleccionando interfaces, LibreChat frente a Open WebUI cubre el tercer candidato habitual.

Preguntas frecuentes

Precios de proveedores, condiciones de licencia, versiones publicadas, valores de configuración predeterminados y citas de la documentación comprobados el 18 de septiembre de 2026 frente a anythingllm.com, docs.anythingllm.com, docs.openwebui.com, los repositorios de cada proyecto y la API de GitHub; todos están enlazados arriba. Las tarifas por token de Kunavo se leen del catálogo activo; las cifras mensuales son estimaciones ilustrativas basadas en las suposiciones de tokens indicadas. Kunavo no ha probado ninguno de los dos clientes en tiempo de ejecución.