AnythingLLM vs LibreChat: spazi di lavoro della conoscenza o agenti multimodello

AnythingLLM e LibreChat sono entrambi gratuiti, con licenza MIT e installabili in self-hosting, quindi la scelta non riguarda il prezzo — riguarda il fatto che il recupero sia integrato nel prodotto o distribuito accanto a esso. AnythingLLM fa dei documenti l'unità di lavoro: inserisci i file in un workspace e l'embedder e il vector store sono già disponibili. LibreChat fa della conversazione l'unità di lavoro: molti modelli, molti utenti, autorizzazioni per ruolo e ricerca dei documenti come servizio separato da predisporre autonomamente.

Una correzione di prospettiva prima del confronto, perché cambia il modo in cui si legge il progetto. LibreChat è ora un progetto ClickHouse: ClickHouse, Inc. ha annunciato l'acquisizione il 4 novembre 2025, affermando che per le installazioni esistenti "le operazioni continuano senza modifiche, con investimenti continui nel progetto open source e nella community", e librechat.ai mostra ancora oggi il banner. AnythingLLM rimane un prodotto di Mintplex Labs. Ogni fonte citata sotto riporta una data di verifica del 21 settembre 2026; la nota conclusiva indica quelle rilette direttamente per questa pagina.

Quale si adatta effettivamente all'attività che devi svolgere

Quanto costa ciascuno e cosa significa "Pro"

Prezzi letti da anythingllm.com/cloud e dalle pagine collegate sopra il 21 settembre 2026. In quella tabella ci sono due trappole. Primo, "AnythingLLM Pro" indica due cose non correlate — il livello Cloud ospitato da $99/mese e una licenza Desktop Pro che richiede Desktop v1.15.0 o successivo e il cui prezzo non appare su alcuna pagina ufficiale raggiungibile — quindi un prezzo citato senza specificare quale dei due è privo di significato. Secondo, il vocabolario del fornitore è incoerente: la pagina dei prezzi dice Basic e Pro, mentre la pagina sui limiti Cloud dice "Starter" e "Professional". Nessuna fonte ufficiale collega un insieme all'altro, quindi conferma al checkout invece di presumere che siano gli stessi livelli

C'è anche un conflitto temporale da conoscere sul lato LibreChat: una discussione GitHub del 12 febbraio 2026 cita il piano di "far evolvere questa offerta e interrompere questa API nella sua forma attuale", con obiettivo 1 maggio 2026, tuttavia la pagina dei prezzi del 21 settembre 2026 dice ancora agli abbonati esistenti che possono gestire le proprie sottoscrizioni. Questa pagina non può confermare se quella data sia stata rispettata

La distinzione del recupero, che è la vera decisione

AnythingLLM. I documenti vengono inseriti in un workspace e l'app li indicizza autonomamente. Il file env del server include VECTOR_DB="lancedb" come unico valore non commentato, con Chroma, Pinecone, Astra, pgvector, Weaviate, Qdrant, Milvus e Zilliz commentati accanto. Il limite riguarda l'ambito: la documentazione sugli embedder dice che "I modelli di embedding sono impostati a livello di sistema e non possono essere configurati atomicamente per workspace come gli LLM" e che modificare in seguito la scelta significa che "dovrai eliminare i documenti caricati e incorporarli nuovamente". Questo è il costo di migrazione del prodotto, pagato in tempo di reindicizzazione anziché in denaro

LibreChat. La ricerca nei documenti non è affatto nell'app di chat. L'API RAG "funziona come servizio FastAPI separato supportato da un database PostgreSQL + pgvector", configurato tramite RAG_API_URL e EMBEDDINGS_PROVIDER (openai, azure, huggingface, huggingfacetei o ollama), con valori predefiniti di suddivisione in blocchi pari a 1500 e sovrapposizione pari a 100. Gli agenti la raggiungono come funzionalità file_search, che un amministratore può negare per ruolo. Più componenti da distribuire; più controllo

Kunavo non fornisce embedding, sintesi vocale o sintesi testo-voce — nessun modello abilitato espone questi endpoint — quindi in entrambi i prodotti lo slot dell'embedder, e gli slot separati di trascrizione e sintesi vocale di AnythingLLM, puntano a un provider che li fornisce, mentre lo slot della chat è quello coperto da una chiave Kunavo. Implementazione RAG descrive come suddividere queste fasi

Agenti, MCP e chi può modificare cosa

Due precisazioni su quella tabella. L'elenco delle autorizzazioni di LibreChat segue la documentazione 0.8.8-rc e, poiché il progetto non pubblica alcun tag di release stabile, un'immagine fissata a una versione precedente non le includerà tutte — verifica la versione effettivamente in esecuzione. Inoltre, i nomi dei ruoli di AnythingLLM provengono dalla sua pagina Security and Access, che si apre con "SOLO VERSIONE DOCKER! Queste impostazioni sono disponibili solo nella versione Docker di AnythingLLM" — una frase su dove risiedono le impostazioni, non un'affermazione che Cloud ospitato sia per singolo utente, poiché la documentazione Cloud lo descrive come distribuzione multiutente

Indirizzare entrambi a una singola chiave

Entrambi accettano un endpoint compatibile con OpenAI, motivo per cui eseguirli affiancati con una sola chiave è un modo equo per decidere. Le configurazioni differiscono in modi importanti per un 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

La documentazione propria di AnythingLLM descrive quel provider come un "provider llm orientato agli sviluppatori - non dovresti usarlo a meno che tu non sappia cosa stai facendo" che "potrebbe non funzionare come previsto se inserisci erroneamente una qualsiasi impostazione di configurazione". Non dichiara se il tool calling, gli agenti o lo streaming sopravvivano all'instradamento, quindi questa pagina non afferma nessuno dei due esiti. Il riferimento agli endpoint personalizzati di LibreChat richiede name, apiKey, baseURL e models, e aggiunge l'opzione senza corrispettivo documentato in AnythingLLM: provider: anthropic instrada lo stesso blocco tramite il client Anthropic nativo, al costo di elencare manualmente gli ID dei modelli, perché "models.fetch in stile OpenAI non viene utilizzato per endpoint personalizzati Anthropic nativi". Un altro limite se consenti a ogni utente di portare il proprio endpoint: con baseURL: "user_provided", LibreChat non inoltra a quella destinazione i modelli di intestazione configurati

Anche la visibilità dei costi è asimmetrica. LibreChat documenta tokenConfig come ciò che definisce le tariffe per milione e le finestre di contesto di un endpoint personalizzato, oltre a essere l'input per l'utilizzo del contesto, la suddivisione dei costi e le transazioni del saldo — quindi un amministratore lo compila manualmente per modello, come sopra; AnythingLLM non dispone di una propria tabella documentata delle tariffe per modello. Nessuno dei due prodotti dovrebbe essere considerato il tuo registro contabile. La configurazione di entrambi è pubblicata: AnythingLLM e LibreChat

Una stima mensile con numeri concreti

Questa è un'aritmetica illustrativa dei token, non un costo misurato né un limite massimo di fatturazione. Supponi che un workspace risponda a 600 domande al mese, ciascuna inviando 12.000 token di input di prompt di sistema, passaggi recuperati e cronologia breve, e restituendo 600 token di output. Le tariffe sono i prezzi attuali del catalogo Kunavo per milione di token. La colonna di destra raddoppia il contesto recuperato per mostrare la leva che conta qui — quanto recuperi per domanda è una decisione di prezzo, ed è identica in entrambi i prodotti

Confrontalo con la voce dell'abbonamento, non al suo posto. In queste ipotesi Claude Haiku 4.5 costa $6,30 al mese in token, molto meno del livello Basic di AnythingLLM Cloud da $50/mese — ma le due cose non sono sostituti, perché quel livello acquista un'istanza privata gestita e richiede comunque di portare una chiave. Un'istanza LibreChat o AnythingLLM Docker autogestita sposta quei $50 sulla fattura del tuo server

L'importo del catalogo Kunavo è un minimo di fatturazione, non un tetto: quando l'upstream comunica il proprio addebito, la fattura è il maggiore tra il costo di catalogo e il costo upstream moltiplicato per il markup applicabile. Gli addebiti per la cache e gli strumenti esterni non rientrano in questo esempio. La ricarica minima è $10 di credito prepagato — un minimo di finanziamento, non una tariffa per attività né un abbonamento. Consulta i dettagli di fatturazione oppure crea un account Kunavo quando avrai scelto un client. Per una suddivisione più approfondita della spesa su entrambi i lati, consulta Costo API di AnythingLLM e Costo API di LibreChat

Valuti una terza opzione? AnythingLLM vs Open WebUI e LibreChat vs Open WebUI eseguono lo stesso confronto con un'alternativa condivisa

Domande frequenti

Fonti verificate il 21 settembre 2026. Rilette direttamente durante la stesura di questa pagina: anythingllm.com/cloud, le limitazioni AnythingLLM Cloud, Desktop Pro, gli agenti, MCP, Security and Access e la documentazione sulla configurazione dell'embedder, l'esempio env del server AnythingLLM, i riferimenti di LibreChat a endpoint personalizzati, interfaccia, MCP e RAG API, l'elenco delle release di LibreChat e package.json, code.librechat.ai/pricing, lo stato HTTP di librechat.ai/pricing e /enterprise, la discussione Code Interpreter e i post sull'acquisizione da parte di ClickHouse e sulla beta di ClickHouse Agents. Le tariffe dei token Kunavo provengono dal catalogo attuale, ogni esempio in dollari è aritmetica illustrativa dei token e Kunavo non ha testato a runtime nessuno dei due client — le pagine di configurazione collegate sono riferimenti di configurazione, non test di compatibilità