AnythingLLM vs Open WebUI: RAG, implementazione e costi dei modelli

Scegli AnythingLLM quando vuoi un prodotto RAG strutturato attorno agli spazi di lavoro e già assemblato — documenti, un embedder locale, un archivio vettoriale locale e agenti in un'unica installazione. Scegli Open WebUI quando vuoi una piattaforma di chat multiutente con controllo degli accessi basato sui ruoli gratuito e intendi comunque fornire il tuo endpoint del modello. Entrambi sono gratuiti da ospitare autonomamente, entrambi accettano un URL di base compatibile con OpenAI di terze parti insieme a una chiave e, in entrambi i casi, la spesa ricorrente è hosting più token del modello, non il software.

Questa pagina risponde al confronto in entrambe le direzioni; non esiste una pagina separata con l'ordine inverso, perché «AnythingLLM vs Open WebUI» e «Open WebUI vs AnythingLLM» rappresentano la stessa decisione. Tutto ciò che viene affermato di seguito è tratto dal sito, dalla documentazione o dal repository dei rispettivi progetti ed è stato verificato il 18 settembre 2026. Kunavo non ha testato in esecuzione nessuno dei due client, quindi qui non sono presenti benchmark, dati sulla latenza o valutazioni sulla qualità del recupero.

Una nota sui nomi prima del confronto: Open WebUI si chiamava in precedenza Ollama WebUI ed è stato rinominato dopo che il team Ollama ha dichiarato di voler evitare che gli utenti confondessero il progetto con un prodotto ufficiale protetto dal marchio Ollama, nella discussione pubblica sui nomi del progetto — un progetto che, secondo la sua pagina del team, è guidato dal suo creatore e fondatore, Tim J. Baek. I fork che mantengono ancora il vecchio slogan non sono un concorrente attivo distinto. E non lo sono nemmeno text-generation-webui, Stable Diffusion web UI o la libreria di Mozilla AI any-llm.

Chi dovrebbe scegliere quale

La migrazione tra i due prodotti è più economica di quanto sembri in una direzione e non nell'altra. La connessione di chat è portabile: lo stesso URL di base e la stessa chiave si trasferiscono in pochi minuti. I tuoi documenti no — ogni prodotto ha il proprio modello di spazio di lavoro o di conoscenza e il proprio archivio vettoriale, quindi il passaggio richiede di ingerire e incorporare nuovamente il corpus. Prima di impegnarti, è utile conoscere due passaggi senza ritorno: la documentazione di AnythingLLM stabilisce che, una volta che un'istanza è in modalità multiutente, non puoi tornare alla modalità singolo utente, e AnythingLLM Desktop è descritto come un'applicazione per un singolo utente; pertanto, un progetto pilota desktop che cresce fino a una distribuzione in team richiede il passaggio a Docker, non un aggiornamento.

Quanto costa ciascuno

Fonti, tutte verificate il 18 settembre 2026: prezzi di AnythingLLM, panoramica di Desktop Pro, licenze enterprise di Open WebUI e pagina della licenza. Tre avvertenze. Primo, «AnythingLLM Pro» indica due prodotti non correlati — il livello Cloud ospitato da $99 e la chiave di licenza Desktop Pro — quindi un prezzo citato senza specificare quale dei due sia privo di significato. Secondo, non è pubblicato alcun prezzo di Desktop Pro in nessuna pagina accessibile: l'unico URL di pagamento ha rifiutato le richieste non effettuate da un browser alla data della verifica, quindi considera l'importo non verificato e leggilo durante il pagamento. Terzo, le pagine dello stesso fornitore non concordano sui nomi dei livelli — la pagina dei prezzi indica Basic e Pro, mentre la pagina sulle limitazioni del cloud chiama gli stessi livelli Starter e Professional. Conferma quale livello stai acquistando durante il pagamento, non in base al nome.

AnythingLLM Cloud è anche l'edizione con i limiti funzionali più stringenti, che non sono evidenti dal prezzo. La pagina stabilisce che il cloud ospitato non include un LLM integrato, che il caricamento di un documento di grandi dimensioni — grande in termini di parole, non di dimensione del file — può sovraccaricare la CPU, terminare il processo e produrre un 502, che gli agenti personalizzati non sono supportati e che MCP non è supportato. Se MCP o gli agenti personalizzati sono il motivo per cui stai valutando AnythingLLM, il livello ospitato è l'edizione sbagliata indipendentemente dal budget.

Il costo del RAG, riga per riga

L'assunzione comune è che una configurazione di chat sui documenti fatturi separatamente l'inferenza, l'embedding, il reranking e l'archiviazione. Questi elementi sono separatamente configurabili in entrambi i prodotti, ma pronti all'uso solo uno di essi viene separatamente fatturato: entrambi utilizzano per impostazione predefinita un embedder MiniLM locale e un archivio locale, e nessuno dei due invia il reranking a un'API, a meno che tu non lo indirizzi verso una.

Due conseguenze. Se avevi previsto nel budget una voce per gli embedding, eliminala finché non ne attivi deliberatamente una. Kunavo non offre alcun modello di embedding, né alcun modello di sintesi vocale o di riconoscimento vocale; il suo catalogo elenca solo modelli di chat, immagini, video e musica, quindi oggi non è possibile indirizzare verso Kunavo l'embedder, il provider di trascrizione o il provider vocale di nessuno dei due prodotti — mantieni l'impostazione locale predefinita. Se sposti gli embedding verso un provider esterno in Open WebUI, il relativo riferimento indica che RAG_EMBEDDING_BATCH_SIZE ha come valore predefinito 1, una richiesta per chunk, il che rende un'ingestione di grandi dimensioni lenta prima ancora che diventi costosa. La stessa pagina avverte che l'archivio Chroma predefinito utilizza un client SQLite che non è sicuro con più worker o repliche — una decisione di scalabilità, non di costo, ma riguarda lo stesso progetto. Per la progettazione della pipeline in sé, consulta la nostra guida all'implementazione del RAG.

Indicare l'uno o l'altro a un endpoint

Entrambi accettano un base URL compatibile con OpenAI e una chiave, e le due configurazioni differiscono più nella forma che nel concetto.

# 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

Quattro dettagli determinano se tutto funzionerà al primo tentativo. Il suffisso dell'URL: il .env.example di AnythingLLM scrive il percorso di base con /v1, mentre l'origine del provider determina il resto: il valore viene passato all'SDK OpenAI come baseURL senza modifiche, quindi l'SDK aggiunge il proprio percorso a ciò che hai digitato. Usa la radice /v1. L'avviso del provider: AnythingLLM definisce questa connessione un provider orientato agli sviluppatori e avverte che «potrebbe non funzionare come previsto se inserisci erroneamente una qualsiasi impostazione di configurazione» — il che porta al terzo dettaglio, i valori predefiniti problematici. Nel codice del provider collegato sopra, il numero massimo di token torna a 1024 e la finestra del prompt a 4096 quando le variabili d'ambiente corrispondenti non sono impostate; le risposte troncate dovute a questi valori predefiniti sembrano esattamente un errore del gateway. Quarto: la rilevazione del modello è facoltativa in entrambi. Il provider Generic OpenAI di AnythingLLM non convalida preventivamente l'ID del modello: il codice collegato sopra interrompe il controllo perché, con le parole del file, non ha modo di sapere se il modello è valido. Questo è il comportamento di questo provider, non un'affermazione sui provider denominati di AnythingLLM. Open WebUI, dal canto suo, documenta che un provider che non implementa /models non supererà la verifica della connessione, che ciò «non significa che il provider sia incompatibile: i completamenti chat continueranno a funzionare» e che dovrai quindi aggiungere manualmente i nomi dei modelli alla allowlist degli ID modello.

La stessa pagina pubblica in modo chiaro il contratto dell'endpoint: /v1/chat/completions è il percorso obbligatorio, mentre /v1/models, /v1/embeddings, /v1/audio/speech, /v1/audio/transcriptions e /v1/images/generations sono facoltativi e ciascuno abilita una funzionalità. A quali dei cinque endpoint facoltativi risponda un determinato endpoint dipende da quell'endpoint, e qui la risposta è circoscritta: Kunavo non offre alcun modello di embedding e non offre né text-to-speech né speech-to-text, quindi le voci RAG, TTS e STT dell'elenco restano configurate come lo erano. La pagina afferma inoltre che Open WebUI «non implementa API non standard specifiche dei provider nel core» e che tali provider dovrebbero essere collegati tramite un proxy middleware o una delle sue funzioni pipe. AnythingLLM non pubblica un contratto equivalente, ma il suo .env.example e il codice del provider aggiungono due utili vie d'uscita: GENERIC_OPEN_AI_CUSTOM_HEADERS per i gateway che richiedono un'autenticazione aggiuntiva e GENERIC_OPENAI_STREAMING_DISABLED per disattivare lo streaming quando il flusso di eventi di un provider si comporta in modo anomalo.

Una trappola di deployment è specifica di Open WebUI. La funzionalità Direct Connections consente agli utenti ordinari di aggiungere il proprio base URL e la propria chiave dopo che un amministratore l'ha abilitata, ma il browser comunica direttamente con il provider API, quindi quest'ultimo deve consentire richieste cross-origin dal dominio Open WebUI: la pagina osserva che i provider più restrittivi potrebbero bloccare le richieste dirette del browser per motivi CORS. Questa è una proprietà dell'API scelta, non di Open WebUI, e vale la pena verificarla prima di promettere la funzionalità a un team. Se sei arrivato qui per Claude, c'è un'altra regola sugli hostname che conviene conoscere: la pagina Anthropic di Open WebUI afferma che rileva qualsiasi URL contenente api.anthropic.com e offre a quell'host una gestione speciale dell'elenco dei modelli e del passthrough /api/v1/messages; ogni altro hostname, incluso un gateway, è una connessione ordinaria compatibile con OpenAI. Per capire in generale cosa copre e cosa non copre la «compatibilità», consulta la guida all'API compatibile con OpenAI.

Quanto costa un mese di chat sui documenti

Poiché il software è gratuito in entrambi i prodotti, i token del modello sono la variabile. I turni con recupero aumentato sono pesanti in termini di input: ogni domanda include i blocchi recuperati, il prompt di sistema e parte della cronologia. Supponiamo 200 turni in un mese, 6.000 token di input e 500 token di output per turno: 1,2 milioni di token di input e 100.000 token di output.

Si tratta di un calcolo dei token basato sulle ipotesi precedenti e sulle tariffe attuali del catalogo Kunavo: una stima illustrativa, non un carico di lavoro misurato né un limite massimo della fattura. Il numero di blocchi, la lunghezza della cronologia e il comportamento in caso di nuovi tentativi incidono più della scelta del modello. Nota inoltre che la tariffa più economica dell'elenco e il costo più basso per completare un'attività sono affermazioni diverse: un modello più debole che richiede tre tentativi su una domanda di recupero difficile può costare più di uno che risponde una sola volta. L'importo di catalogo Kunavo è un minimo di fatturazione: quando l'upstream comunica il proprio addebito, la fattura è pari al maggiore tra il costo di catalogo e il costo upstream con il markup applicabile; il ricarico minimo è di $10 in credito prepagato, non un abbonamento. Gli addebiti per la cache e gli eventuali strumenti esterni non rientrano in questo esempio; consulta i dettagli sulla fatturazione.

Multiutente, autorizzazioni e linea della licenza

È qui che i due prodotti divergono maggiormente, e non si tratta del numero di funzionalità: conta quale build stai eseguendo. La panoramica desktop di AnythingLLM definisce Desktop un'applicazione «single-player» ed elenca come disponibili solo in Docker il supporto multiutente, la gestione degli utenti, la gestione degli accessi ai workspace, la protezione con password, il white-labeling, i widget di chat incorporabili e un'interfaccia accessibile dal browser. La tabella contrassegna invece due righe come esclusive di Desktop: installazione con un clic e provider LLM integrato. Quindi, per usare AnythingLLM in un team serve la build Docker, e trasformarla in modalità multiutente è irreversibile.

Open WebUI presuppone più utenti fin dall'inizio. I suoi tre ruoli — Admin, User e Pending, insieme ai gruppi di autorizzazioni e al controllo degli accessi per modello, non presentano alcun vincolo di licenza nella documentazione RBAC. Ciò che è soggetto a vincolo è il branding: oltre 50 utenti in un periodo di 30 giorni devi mantenere visibili il nome e i marchi Open WebUI, a meno che tu non disponga di una licenza enterprise; inoltre Terminals — che configura un workspace per utente, con file e processi separati — dichiara di richiedere una licenza enterprise per l'uso in produzione. Se il requisito è un assistente interno con white label per una grande organizzazione, quella clausola — non una funzionalità — è il dato decisivo, e il white-labeling Docker di AnythingLLM è l'alternativa da confrontare con un preventivo enterprise.

Stato attuale di entrambi i progetti alla data del controllo, secondo l'API GitHub: AnythingLLM è concesso in licenza MIT, non è archiviato e ha come ultima release v1.16.1, pubblicata il 27 agosto 2026; Open WebUI non è archiviato e ha come ultima release v0.11.3, pubblicata il 31 agosto 2026, con la licenza riportata come NOASSERTION perché è personalizzata anziché una licenza OSS standard. In base a questi due segnali — una release nell'ultimo mese e un repository non archiviato — nessuno dei due progetti è inattivo.

Dove si colloca un gateway

Nessuno dei due prodotti ti vende l'inferenza, quindi entrambi richiedono un endpoint del modello, e possono puntare allo stesso endpoint: questo rende economica una prova comparativa. Installa entrambi, fornisci loro un base URL e una chiave e confrontali su modelli identici, anziché basarti su una tabella comparativa. Kunavo offre la superficie compatibile con OpenAI supportata da entrambi. Esiste una guida di configurazione pubblicata per uno dei due, ma si tratta di una procedura scritta, non di un test di compatibilità eseguito da noi: collega Open WebUI a Kunavo, poi crea un account Kunavo quando sei pronto a inserirvi una chiave. Per AnythingLLM, usa la mappatura dei campi Generic OpenAI riportata sopra. Se stai ancora selezionando le interfacce, LibreChat vs Open WebUI tratta il terzo candidato più comune.

Domande frequenti

Prezzi dei vendor, termini di licenza, versioni delle release, valori di configurazione predefiniti e citazioni della documentazione verificati il 18 settembre 2026 rispetto a anythingllm.com, docs.anythingllm.com, docs.openwebui.com, ai repository dei progetti e all'API GitHub; ogni elemento è collegato sopra. Le tariffe dei token Kunavo sono lette dal catalogo attivo; le cifre mensili sono stime illustrative basate sulle ipotesi di token dichiarate. Kunavo non ha eseguito test runtime su nessuno dei due client.