AnythingLLM vs LibreChat: Knowledge Workspace atau Multi-Model Agent

AnythingLLM dan LibreChat sama-sama gratis, berlisensi MIT, dan dapat di-self-host, jadi pilihannya bukan soal harga — melainkan apakah retrieval sudah terintegrasi ke dalam produk atau diterapkan di sampingnya. AnythingLLM menjadikan dokumen sebagai unit kerja: masukkan file ke workspace, dan embedder serta vector store sudah tersedia. LibreChat menjadikan percakapan sebagai unit kerja: banyak model, banyak pengguna, izin per peran, dan pencarian dokumen sebagai layanan terpisah yang harus Anda siapkan sendiri.

Satu koreksi kerangka sebelum perbandingan, karena hal ini mengubah cara Anda membaca proyeknya. LibreChat kini merupakan proyek ClickHouse: ClickHouse, Inc. mengumumkan akuisisi tersebut pada 4 November 2025, dengan menyatakan bahwa untuk deployment yang sudah ada, "operasi berlanjut tanpa perubahan dengan investasi berkelanjutan pada proyek open-source dan komunitasnya", dan librechat.ai masih memuat banner tersebut hingga kini. AnythingLLM tetap merupakan produk Mintplex Labs. Setiap sumber yang dikutip di bawah memiliki tanggal pemeriksaan 21 September 2026; catatan penutup menyebutkan sumber yang dibaca ulang secara langsung untuk halaman ini.

Mana yang sesuai dengan tugas yang benar-benar Anda miliki

Biaya masing-masing, dan arti "Pro"

Harga dibaca dari anythingllm.com/cloud dan halaman yang ditautkan di atas pada 21 September 2026. Ada dua jebakan dalam tabel tersebut. Pertama, "AnythingLLM Pro" menyebut dua hal yang tidak berkaitan — tingkatan Cloud ter-host seharga $99/bulanan, dan lisensi Desktop Pro yang memerlukan Desktop v1.15.0 atau lebih baru dan harganya tidak tercantum di halaman resmi mana pun yang dapat diakses — sehingga harga yang dikutip tanpa menyebutkan yang mana menjadi tidak bermakna. Kedua, kosakata vendor sendiri tidak konsisten: halaman harga menyebut Basic dan Pro, sedangkan halaman batasan Cloud menyebut "Starter" dan "Professional". Tidak ada sumber pihak pertama yang memetakan satu kelompok ke kelompok lainnya, jadi konfirmasikan saat checkout alih-alih menganggap keduanya adalah tingkatan yang sama.

Ada pula konflik waktu yang perlu diketahui di sisi LibreChat: sebuah diskusi GitHub pada 12 Februari 2026 mengutip rencana untuk "mengembangkan penawaran ini dan menghentikan API ini dalam bentuknya saat ini", dengan target 1 Mei 2026, tetapi halaman harga pada 21 September 2026 masih memberi tahu pelanggan yang sudah ada bahwa mereka dapat mengelola langganannya. Apakah tanggal tersebut benar-benar diterapkan bukan sesuatu yang dapat dikonfirmasi oleh halaman ini.

Perbedaan retrieval, yang merupakan keputusan sebenarnya

AnythingLLM. Dokumen dimasukkan ke workspace dan aplikasi mengindeksnya sendiri. File env server menyediakan VECTOR_DB="lancedb" sebagai satu-satunya nilai yang tidak dikomentari, dengan Chroma, Pinecone, Astra, pgvector, Weaviate, Qdrant, Milvus, dan Zilliz dikomentari di sebelahnya. Kendalanya adalah cakupan: dokumentasi embedder menyatakan "Model embedding ditetapkan di seluruh sistem dan tidak dapat dikonfigurasi secara atomik per-workspace seperti LLM", dan bahwa perubahan pilihan nantinya berarti Anda "harus menghapus dokumen yang diunggah dan melakukan embed ulang". Itulah biaya migrasi produk ini, yang dibayar dalam waktu pengindeksan ulang, bukan uang.

LibreChat. Pencarian dokumen sama sekali tidak berada di aplikasi chat. RAG API "berjalan sebagai layanan FastAPI terpisah yang didukung oleh database PostgreSQL + pgvector", dikonfigurasi melalui RAG_API_URL dan EMBEDDINGS_PROVIDER (openai, azure, huggingface, huggingfacetei, atau ollama), dengan default chunking 1500 dan overlap 100. Agen mengaksesnya sebagai kapabilitas file_search, dan admin dapat menahan kapabilitas tersebut per peran. Lebih banyak yang harus di-deploy; lebih banyak pula yang dapat dikendalikan.

Kunavo tidak menyediakan embedding, speech-to-text, atau text-to-speech — tidak ada model yang diaktifkan yang memiliki endpoint tersebut — sehingga pada kedua produk, slot embedder, serta slot transkripsi dan speech terpisah milik AnythingLLM, diarahkan ke penyedia yang menyediakannya, sementara slot chat adalah slot yang dicakup oleh kunci Kunavo. Implementasi RAG mencakup cara membagi tahapan-tahapan tersebut.

Agen, MCP, dan siapa yang boleh mengubah apa

Dua catatan mengenai tabel tersebut. Daftar izin LibreChat mengikuti dokumentasi 0.8.8-rc, dan karena proyek ini tidak menerbitkan tag rilis stabil, image lama yang dipatok tidak akan memiliki seluruhnya — periksa versi yang benar-benar Anda jalankan. Nama peran AnythingLLM berasal dari halaman Security and Access-nya, yang dibuka dengan "HANYA UNTUK VERSI DOCKER! Pengaturan ini hanya tersedia dalam versi Docker AnythingLLM" — kalimat tentang tempat pengaturan berada, bukan pernyataan bahwa Cloud ter-host adalah single-user, karena dokumentasi Cloud menjelaskannya sebagai deployment multi-user.

Mengarahkah keduanya ke satu kunci

Keduanya menerima endpoint yang kompatibel dengan OpenAI, sehingga menjalankannya berdampingan dengan satu kunci adalah cara yang adil untuk menentukan pilihan. Konfigurasinya berbeda dalam hal-hal yang penting bagi gateway.

# AnythingLLM — LLM Preference -> provider "OpenAI (generic)".
# Self-host env names, from server/.env.example on master:
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'      # typed by hand; no model-list fetch is documented
GENERIC_OPEN_AI_MODEL_TOKEN_LIMIT=1000000
# Embeddings are a SEPARATE provider slot with its own key and its own base
# path (EMBEDDING_ENGINE / EMBEDDING_BASE_PATH / EMBEDDING_MODEL_PREF), and so
# are the transcription and speech slots. A working chat endpoint proves
# nothing about any of them.

# LibreChat — librechat.yaml in the project root, beside your .env.
endpoints:
  custom:
    - name: "Kunavo"                      # required
      apiKey: "${KUNAVO_API_KEY}"        # required; resolved from .env
      baseURL: "https://api.kunavo.com/v1"  # required
      models:                             # required
        default: ["claude-sonnet-5", "claude-haiku-4-5"]
        fetch: true
      # tokenConfig is what the docs say supplies a custom endpoint's rates and
      # context windows — read by context usage, cost breakdowns and balance
      # transactions. prompt/completion are USD per million tokens; context is
      # that model's own window. All three are required, per model.
      tokenConfig:
        claude-sonnet-5:
          prompt: 1.4
          completion: 7
          context: 1000000

Dokumentasi AnythingLLM sendiri menjelaskan penyedia tersebut sebagai "penyedia llm yang berfokus pada developer — Anda tidak boleh menggunakannya kecuali Anda tahu apa yang Anda lakukan" yang "mungkin tidak berfungsi sebagaimana mestinya jika Anda memasukkan pengaturan konfigurasi apa pun secara keliru". Dokumentasi itu tidak menyatakan apakah pemanggilan alat, agen, atau streaming tetap berfungsi melalui rute tersebut, sehingga halaman ini tidak mengklaim hasil mana pun. Referensi endpoint kustom LibreChat memerlukan name, apiKey, baseURL, dan models, serta menambahkan opsi yang tidak memiliki padanan terdokumentasi di AnythingLLM: provider: anthropic merutekan blok yang sama melalui klien native Anthropic, dengan konsekuensi ID model harus dicantumkan secara manual, karena "models.fetch bergaya OpenAI tidak digunakan untuk endpoint kustom Anthropic native". Ada satu pembatasan lagi jika Anda mengizinkan setiap pengguna membawa endpoint mereka sendiri: dengan baseURL: "user_provided", LibreChat tidak meneruskan template header yang dikonfigurasi ke tujuan tersebut.

Visibilitas biaya juga tidak simetris. LibreChat mendokumentasikan tokenConfig sebagai hal yang menentukan tarif per juta dan jendela konteks endpoint kustom, serta sebagai input untuk penggunaan konteks, rincian biaya, dan transaksi saldo — sehingga admin menulisnya secara manual per model, seperti di atas; AnythingLLM tidak memiliki tabel tarif per model terdokumentasi miliknya sendiri. Tidak satu pun produk sebaiknya dianggap sebagai buku besar Anda. Setup untuk keduanya dipublikasikan: AnythingLLM dan LibreChat.

Perkiraan bulanan dengan contoh perhitungan

Ini adalah perhitungan token ilustratif, bukan biaya terukur dan bukan batas maksimum tagihan. Anggap satu workspace menjawab 600 pertanyaan per bulan, masing-masing mengirim 12.000 token input yang terdiri dari system prompt, bagian yang diambil, dan riwayat singkat, serta mengembalikan 600 token output. Tarifnya adalah harga live katalog Kunavo per juta token. Kolom di sebelah kanan menggandakan konteks yang diambil untuk menunjukkan faktor yang penting di sini — seberapa banyak yang Anda ambil untuk setiap pertanyaan adalah keputusan harga, dan nilainya identik pada kedua produk.

Baca ini bersama baris langganan, bukan sebagai penggantinya. Berdasarkan asumsi ini, Claude Haiku 4.5 berbiaya $6,30 per bulan dalam token, yang jauh di bawah tingkatan Basic AnythingLLM Cloud sebesar $50/bulanan — tetapi keduanya bukan pengganti satu sama lain, karena tingkatan tersebut membeli instance privat terkelola dan tetap mengharuskan Anda membawa kunci sendiri. Instance LibreChat atau AnythingLLM Docker yang di-self-host memindahkan $50 tersebut ke tagihan server Anda sendiri.

Jumlah katalog Kunavo adalah batas minimum penagihan, bukan batas maksimum: ketika upstream melaporkan biayanya, tagihan adalah nilai yang lebih besar antara biaya katalog dan biaya upstream dikalikan markup yang berlaku. Biaya cache dan alat eksternal berada di luar contoh ini. Top-up minimum adalah $10 dalam kredit prabayar — minimum pendanaan, bukan biaya tugas atau langganan. Lihat detail penagihan, atau buat akun Kunavo setelah Anda memilih klien. Untuk rincian pengeluaran yang lebih mendalam di kedua sisi, lihat biaya API AnythingLLM dan biaya API LibreChat.

Menimbang opsi ketiga? AnythingLLM vs Open WebUI dan LibreChat vs Open WebUI menjalankan perbandingan yang sama dengan alternatif bersama.

Pertanyaan umum

Sumber diperiksa pada 21 September 2026. Dibaca ulang secara langsung saat menulis halaman ini: anythingllm.com/cloud, batasan AnythingLLM Cloud, dokumentasi Desktop Pro, agent, MCP, Security and Access, dan konfigurasi embedder, contoh env server AnythingLLM, referensi custom-endpoint, interface, MCP, dan RAG API LibreChat, daftar rilis LibreChat dan package.json, code.librechat.ai/pricing, status HTTP librechat.ai/pricing dan /enterprise, diskusi Code Interpreter, serta tulisan beta akuisisi ClickHouse dan ClickHouse Agents. Tarif token Kunavo berasal dari katalog live, setiap contoh dolar adalah perhitungan token ilustratif, dan Kunavo belum menguji runtime kedua klien — halaman setup yang ditautkan adalah referensi konfigurasi, bukan pengujian kompatibilitas.