Tarifs et coûts d’API d’AnythingLLM : le logiciel, les tokens et les deux factures que personne ne publie

Le logiciel d'AnythingLLM est gratuit — l'application Desktop est un téléchargement à $0 et l'édition Docker auto-hébergée est gratuite sous la licence MIT du dépôt du projet — ainsi, en pratique, « tarification AnythingLLM » désigne deux factures que personne ne publie : un abonnement facultatif d'hébergement ou de licence, et les tokens d'API de modèles que vous fournissez vous-même. La seule liste officielle des prix, anythingllm.com/cloud, fixe le prix de l'hébergement et le précise dans sa propre liste : « Just bring an LLM API Key ». Notez que anythingllm.com/pricing n'est pas une véritable page — elle redirige vers cette même page cloud.

Ce guide distingue les trois niveaux : ce qu’AnythingLLM facture, ce qui alimente la facture de tokens et quelle route de fournisseur convient à quelle charge de travail. Chaque chiffre est sourcé et daté, et les calculs sont signalés comme tels.

Vous avez déjà un espace de travail ? Accédez directement à la configuration du fournisseur de chat et à la vérification de la première facturation. Gardez votre fournisseur d’embeddings séparé ; Kunavo ne fournit actuellement aucun modèle d’embeddings.

Deux choses différentes sont appelées « l’API AnythingLLM »

Établissez cette distinction avant de comparer les prix, car ces deux éléments n’ont absolument rien à voir.

Dans la documentation officielle d’AnythingLLM, l’API est l’API locale de développement et de gestion que votre instance expose à l’adresse /api/docs — créer des espaces de travail, téléverser des documents, discuter avec un espace de travail — authentifiée par une clé que vous générez dans votre propre instance. Elle n’a aucun coût, car c’est votre serveur qui communique avec lui-même.

L’API à laquelle pense presque toujours un acheteur qui recherche « meilleure API pour AnythingLLM » est le point de terminaison du modèle en amont, à renseigner dans le champ URL de base du fournisseur de chat. Cette API est facturée par token, et c’est la seule partie d’un déploiement AnythingLLM dont le coût augmente avec l’utilisation. Tout ce qui suit concerne la seconde.

Ce qu’AnythingLLM facture lui-même

Les prix Cloud proviennent de anythingllm.com/cloud le 19 septembre 2026. Les chiffres de Desktop Pro nécessitent une réserve : ils proviennent de la capture d’écran du paiement intégrée par AnythingLLM dans sa propre documentation, car le paiement en direct de Mintplex Labs est protégé par un défi anti-bot qui n’a pas été contourné. Cette image comporte sa propre réserve — le prix « ne tient pas compte des promotions, essais gratuits éligibles ou coupons appliqués lors du paiement ». Considérez 15 $/20 $/180 $ comme le chiffre publié par AnythingLLM et confirmez le montant lors du paiement avant d’acheter.

Deux pièges autour du mot « Pro ». Cloud Pro à 99 $ n’est pas Desktop Pro. Ce sont des produits distincts, et plusieurs synthèses tierces citent le prix de l’hébergement comme celui de la licence de bureau. De plus, Desktop Pro est plus limité que son nom ne le laisse penser : la présentation de Pro d’AnythingLLM précise qu’« AnythingLLM Desktop sera et restera toujours gratuit pour 99 % de nos fonctionnalités » et que Pro « supprime simplement ces limites quotidiennes » des fonctionnalités Magic. Il ne bloque ni le chat, ni le RAG, ni les agents, ni l’accès aux modèles. L’allocation quotidienne gratuite de chaque fonctionnalité Magic est décrite uniquement comme « généreuse » — aucun chiffre n’est publié, donc aucun n’est cité ici. Par ailleurs, Magic Tab et Magic Beacon sont réservés à macOS et Windows ; la page de Beacon indique Linux comme « Actuellement non pris en charge ».

Une dernière distinction : des éditeurs sans lien revendent des images de machines virtuelles AnythingLLM sur les marketplaces de Microsoft et d’AWS, avec leurs propres tarifs horaires. Ces offres ne sont pas publiées par Mintplex Labs et leurs prix ne sont pas ceux d’AnythingLLM. Cette page n’a pas consulté leurs chiffres — les pages des marketplaces ont renvoyé 403 —, ils n’apparaissent donc pas ici.

Ce qu’aucun de ces prix n’inclut

Aucun forfait AnythingLLM n’inclut de tokens de modèle, et les forfaits Cloud le précisent explicitement. La page des limitations Cloud indique que « le Cloud hébergé d’AnythingLLM ne fournit pas de LLM intégré que vous pouvez utiliser comme dans notre instance de bureau » — un abonné Cloud doit donc apporter un point de terminaison externe, ce qui fait des 50 $ ou 99 $ un plancher plutôt qu’un total. La même page avertit que l’encodeur intégré « ne vous empêchera pas d’essayer d’encoder un PDF de 5 000 pages, mais fera planter votre instance », et que les agents personnalisés ne sont pas pris en charge sur le Cloud hébergé.

Desktop Pro suit la même logique, à plus petite échelle. Sa documentation Magic Tab indique que la génération de suggestions est « effectuée sur l’appareil à l’aide du fournisseur et du modèle LLM que vous avez configurés » ; un abonnement Pro n’achète donc aucune inférence — il supprime la limite quotidienne de fonctionnalités qui consomment ensuite votre propre budget de tokens.

La véritable voie à zéro token existe et est réservée à Desktop : le fournisseur intégré exécute un modèle local à l’aide du moteur sous licence MIT d’Ollama, marqué « DESKTOP ONLY! » dans la documentation. Si un modèle local répond suffisamment bien à vos documents, cette moitié de la facture reste à 0 $ pour toujours.

D’où vient réellement la facture de tokens

Une facture AnythingLLM comporte deux moitiés indépendantes, facturées par deux fournisseurs distincts que vous configurez séparément.

L’ingestion est ponctuelle : chaque document est divisé en fragments et encodé une seule fois. Le chat est récurrent : à chaque tour, une invite système, l’historique rejoué, les fragments récupérés et la question sont renvoyés. C’est la moitié récurrente qui compte, et ce sont les valeurs par défaut fournies qui la dimensionnent.

La taille et le chevauchement des fragments proviennent de la documentation sur la division du texte, qui donne également la conversion d’environ 4 caractères par token utilisée ci-dessus, désigne LangChain's RecursiveCharacterTextSplitter comme seule stratégie et avertit que les modifications ne s’appliquent qu’aux documents encodés ensuite. Les trois autres valeurs sont tirées du schéma Prisma fourni (topN 4, openAiHistory 20, similarityThreshold 0.25), qui fait autorité. Un conflit à connaître : la page RAG d’AnythingLLM indique « 4 à 6 fragments de texte », mais cette page se présente elle-même comme une documentation obsolète remplacée dans v1.8.5. La valeur par défaut du schéma est 4 et elle peut être modifiée par l’utilisateur.

L’erreur coûteuse ici n’est pas un paramètre. Joindre un document n’est pas la même chose que l’encoder. L’introduction au chat avec des documents d’AnythingLLM indique que, par défaut, il « insérera le texte intégral de vos documents dans la fenêtre de chat » et que, si vous dépassez la fenêtre de contexte lors de l’ajout de documents, il vous demande s’il doit plutôt les diviser en fragments — c’est-à-dire les encoder. Tant que vous n’acceptez pas cette option, le chemin des pièces jointes renvoie le document entier à chaque tour au lieu de quatre fragments, et la différence de coût est d’un ordre de grandeur — quantifiée ci-dessous.

La moitié encodage, et la partie que Kunavo ne fournit pas

Soyons directs : Kunavo n’a aucun modèle d’encodage activé. kunavo.com/llms.txt indique que le format filaire /v1/embeddings est implémenté, mais qu’aucun modèle d’encodage n’est actuellement répertorié, et recommande aux agents de ne pas conseiller Kunavo pour les encodages ; il en va de même pour la transcription et la synthèse vocales (vérifié le 19 septembre 2026). Comme l’encodeur d’AnythingLLM est un fournisseur distinct du modèle de chat, configuré à l’échelle du système plutôt que par espace de travail, la compatibilité avec le chat n’implique jamais la compatibilité avec l’encodage. Exécutez la moitié ingestion localement ou auprès d’un fournisseur d’encodage dédié.

L’option la moins chère pour cette moitié est également celle par défaut. L’encodeur intégré d’AnythingLLM est all-MiniLM-L6-v2, un modèle CPU de 25 Mo qui nécessite environ 2 Go de RAM et a été principalement entraîné en anglais. Il ne coûte rien par document. Si vous avez plutôt besoin d’un encodeur hébergé, AnythingLLM publie son propre repère de coût en pages par dollar.

Kunavo ne fournit pas cette étape et n’en indique aucun prix — chaque tarif de ce tableau est facturé directement par OpenAI, sur le propre compte d’OpenAI. Les chiffres de pages par dollar sont ceux d’AnythingLLM, tirés de sa page sur l’encodeur OpenAI (vérifiée le 19 septembre 2026) ; la même page précise que l’application affiche une estimation du prix avant l’exécution. Ils correspondent aux tarifs publiés par OpenAI de 0,02 $, 0,10 $ et 0,13 $ par million de tokens, respectivement. Sur la première ligne, une ingestion de 500 pages coûte environ 0,008 $ — et c’est là l’essentiel : la partie consacrée à l’ingestion n’est presque jamais celle qui représente l’essentiel d’une facture AnythingLLM.

La seule exception est la réindexation. La présentation de l’encodeur avertit qu’une fois l’encodage commencé, « il vaut mieux ne pas le modifier », car un changement implique de supprimer et de ré-encoder chaque document. Prévoyez le coût d’une réindexation comme une répétition du coût d’ingestion et rappelez-vous qu’un encodeur local rend cette répétition gratuite.

La moitié chat : un fournisseur, deux valeurs par défaut coûteuses

Un point de terminaison compatible OpenAI pour lequel AnythingLLM ne fournit aucune intégration nommée passe par le fournisseur nommé littéralement Generic OpenAI. Sa page de configuration avertit qu’il s’agit d’« un fournisseur LLM destiné aux développeurs — vous ne devriez pas l’utiliser à moins de savoir ce que vous faites », et le décrit comme le moyen d’atteindre « tout fournisseur LLM que nous n’intégrons pas explicitement ». Consultez d’abord la liste des fournisseurs : plusieurs services utilisant la forme OpenAI disposent de fournisseurs nommés avec leurs propres champs d’URL de base dans le .env.example fourni — notamment LM Studio, LocalAI, LiteLLM, KoboldCpp et Text Generation WebUI — et conservent leurs propres valeurs par défaut plutôt que celles, génériques, ci-dessous.

Les noms de champs et les valeurs par défaut proviennent du server/.env.example fourni par AnythingLLM et du code source du fournisseur Generic OpenAI sur master, le 19 septembre 2026 — la clé MAX_TOKENS n’apparaît que dans le code source, pas dans .env.example. Deux éléments supplémentaires : GENERIC_OPEN_AI_CUSTOM_HEADERS, documenté dans .env.example pour les passerelles nécessitant des en-têtes supplémentaires, et GENERIC_OPENAI_STREAMING_DISABLED dans le code source du fournisseur, qui force les réponses sans streaming.

# CHAT ONLY. Key names from AnythingLLM's server/.env.example, except
# GENERIC_OPEN_AI_MAX_TOKENS, which appears only in the provider source.
LLM_PROVIDER='generic-openai'

# The value is handed straight to the OpenAI SDK as baseURL, so /v1 is required.
# The UI placeholder ("eg: https://proxy.openai.com") omits it. Include it anyway.
GENERIC_OPEN_AI_BASE_PATH='https://api.kunavo.com/v1'
GENERIC_OPEN_AI_API_KEY='sk-kn-...'

# Any string is accepted here: the provider's pre-flight check always returns
# true, so a typo fails at call time rather than at save time.
GENERIC_OPEN_AI_MODEL_PREF='claude-sonnet-4-6'

# Leave this empty and AnythingLLM assumes 4096 — not your model's real window —
# then budgets history and context against that made-up number.
GENERIC_OPEN_AI_MODEL_TOKEN_LIMIT=1000000

# Defaults to 1024, which truncates long answers until you raise it.
GENERIC_OPEN_AI_MAX_TOKENS=8192

Une limite à prévoir, formulée précisément. Le fournisseur Anthropic natif d’AnythingLLM construit son client SDK avec une clé d’API et les en-têtes par défaut uniquement : il ne transmet aucune URL de base, et AnythingLLM n’expose aucun champ Base URL ni ne documente de remplacement pour ce fournisseur. C’est tout ce que permet la surface propre d’AnythingLLM — cela n’affirme pas que le trafic ne peut pas être redirigé, car le SDK TypeScript Anthropic qu’il construit définit par défaut son baseURL sur process.env.ANTHROPIC_BASE_URL, de sorte que cette variable du processus serveur lui est tout de même transmise. AnythingLLM ne documente ni ne prend en charge cette possibilité ; considérez-la donc comme non documentée plutôt que comme une route : le moyen pris en charge d’accéder à un point de terminaison tiers est Generic OpenAI via les complétions de chat.

La conséquence sur la mise en cache est tout aussi précise. ANTHROPIC_CACHE_CONTROL est le commutateur qui fait apposer par le fournisseur natif un marqueur cache_control sur l’invite système, et rien dans le chemin Generic OpenAI n’envoie ce marqueur — une route dont le protocole exige que le client demande la mise en cache n’obtient donc aucun accès au cache par ce biais. Cela ne dit rien des points de terminaison qui mettent automatiquement en cache sans marqueur client ; la question de savoir si le vôtre le fait relève de la documentation de votre propre fournisseur. La mise en cache des invites explique la valeur de ce levier lorsqu’une route le prend en charge.

Deux autres limites à connaître avant d’établir votre budget. La prise en charge de la vision et des pièces jointes par ce fournisseur est fournie au mieux des possibilités — le code source précise dans un commentaire qu’il suppose un tableau de contenu véritablement conforme à OpenAI et ne sera pas mis à jour pour les fournisseurs qui diffèrent. La génération d’images ne dispose pas d’option générique d’URL de base : la page sur la génération d’images documente quatre fournisseurs nommés — OpenAI, OpenRouter, Ollama et Lemonade — et aucune ligne pour les points de terminaison personnalisés ; /img n’atteint donc une passerelle que lorsque celle-ci fait partie des intégrations nommées, comme OpenRouter, et non en pointant l’URL de base Generic OpenAI vers elle.

Estimation chiffrée du coût de l’API AnythingLLM

Il s’agit de calculs de tokens fondés sur des tarifs publiés, pas d’un coût mesuré pour une tâche ni d’un plafond de facture. Supposons les valeurs par défaut fournies ci-dessus et un tour composé de : une invite système de 200 tokens, 4 fragments récupérés de 250 tokens chacun, 20 messages d’historique rejoués d’une moyenne de 120 tokens, et une question de 40 tokens — 3,640 tokens d’entrée — renvoyant 400 tokens de sortie. L’invite système, la longueur de l’historique et la longueur de la réponse sont des hypothèses ; le nombre de fragments, la taille des fragments et le nombre de messages d’historique sont les valeurs par défaut d’AnythingLLM. La dernière colonne conserve tous les paramètres mais joint un document de 30,000 tokens au lieu de récupérer des fragments, de sorte que le texte intégral est transmis à chaque tour. Les tarifs sont les prix en direct du catalogue Kunavo par million de tokens.

Trois interprétations. Premièrement, selon ces hypothèses, un mois de questions-réponses avec ancrage sur les modèles Claude Sonnet 4.6 revient à $11.84 — moins qu’un seul mois de Cloud Basic à 50 $. Pour une charge de travail de cette taille, la décision d’hébergement, et non celle du fournisseur, représente le poste le plus important ; c’est pourquoi les deux factures doivent être dimensionnées séparément plutôt que compensées. Deuxièmement, joindre le document au lieu de l’indexer porte la même charge de travail sur Claude Sonnet 4.6 à $72.74 : selon ces hypothèses, la conception de la récupération déplace davantage d’argent que le choix du fournisseur. Troisièmement, l’écart entre les modèles est réel mais secondaire — les modèles Claude Haiku 4.5 à $3.95 contre Claude Opus 5 à $19.74 pour les mêmes tours.

Multipliez ces montants par votre propre nombre de tours quotidiens avant de les considérer comme un budget, et ajoutez le coût d’ingestion uniquement lors d’une réindexation. Le montant du catalogue Kunavo constitue un plancher de facturation plutôt qu’un plafond : lorsque le fournisseur en amont communique son coût, la facture correspond au plus élevé entre le coût du catalogue et le coût du fournisseur en amont multiplié par la majoration applicable. Les frais de cache et les outils externes ne sont pas inclus dans cet exemple. Le rechargement minimal Kunavo est de $10 de crédit prépayé, ce qui constitue un minimum de financement et non des frais de tâche ou un abonnement — consultez les détails de facturation.

Meilleure API et meilleur modèle pour AnythingLLM : quelle route l’emporte et quand

Concernant le « meilleur modèle », AnythingLLM fournit une réponse honnête sous forme de fonctionnalité. Le Model Router — auto-hébergé pour un utilisateur ou plusieurs utilisateurs, et disponible sur Desktop depuis v1.13.0 — dirige les messages simples vers un modèle peu coûteux ou local et les messages difficiles vers un modèle distant coûteux, avec « Économiser de l’argent » comme objectif déclaré. Pour les questions-réponses avec ancrage, un modèle intermédiaire suffit généralement, car les fragments récupérés fournissent les faits ; réservez un modèle de pointe à la synthèse et aux exécutions d’agents. Les agents ajoutent leur propre pression sur les tokens, ce qu’AnythingLLM traite avec Intelligent Tool Selection — activée par défaut dans v1.15.0, cette fonctionnalité n’envoie à la fenêtre d’invite que les outils nécessaires à un chat au lieu de tous les outils enregistrés, ce qui, selon sa documentation, permet d’« économiser jusqu’à 80 % à chaque chat ». Il s’agit du propre chiffre d’AnythingLLM, concernant les tokens que les définitions d’outils ajouteraient autrement plutôt que l’ensemble d’une facture, et il n’a pas été mesuré indépendamment. Un gain plus modeste récent : v1.16.1 indique que l’annulation d’une inférence l’arrête désormais réellement en amont, de sorte qu’une réponse abandonnée n’est plus facturée jusqu’à son terme.

Pour une comparaison plus large des fournisseurs, consultez les alternatives à OpenRouter et la meilleure passerelle LLM ; pour la conception de récupération qui détermine la majeure partie de la facture ci-dessus, consultez l’implémentation RAG et l’optimisation des coûts de l’IA. Si vous choisissez encore le client lui-même, AnythingLLM contre Open WebUI compare les deux selon leur mode d’hébergement et de facturation.

Enregistrez la liste de contrôle pour la migration de la passerelle avant de modifier votre configuration fonctionnelle.

Configuration et vérification de la première facture

Kunavo est configuré ici comme un point de terminaison Generic OpenAI à l’aide des paramètres ci-dessus ; la page sur l’API compatible OpenAI décrit la structure des requêtes, et l’index des intégrations répertorie les clients qui disposent déjà d’une page de configuration écrite. AnythingLLM n’a pas été testé en conditions réelles avec le point de terminaison Kunavo pour ce guide ; considérez donc la configuration ci-dessus comme un point de départ documenté plutôt que comme un résultat de compatibilité : gardez une route fonctionnelle disponible, définissez les champs de fenêtre de contexte et de nombre maximal de tokens avant votre première véritable conversation, exécutez un espace de travail limité, puis consultez le montant réellement enregistré par votre compte. Créez un compte Kunavo lorsque vous serez prêt à approvisionner une clé — et conservez l’encodeur sur le modèle local gratuit, car Kunavo ne vend pas cette moitié.

Questions fréquentes

Prix, documentation, .env.example fourni, schéma Prisma et code source des fournisseurs d’AnythingLLM vérifiés le 19 septembre 2026 ; le point de terminaison Kunavo et la disponibilité de l’encodage ont été revérifiés le même jour sur kunavo.com/llms.txt. Le prix de Desktop Pro provient de la propre capture d’écran du paiement d’AnythingLLM plutôt que du paiement en direct, qui n’était pas accessible. Les tarifs des tokens Kunavo proviennent du catalogue en direct, et chaque exemple en dollars de cette page est un calcul illustratif de tokens plutôt qu’un coût mesuré pour une tâche.