AnythingLLM vs Open WebUI：RAG、デプロイ、モデル料金

ドキュメント、ローカル埋め込みモデル、ローカルベクトルストア、エージェントが1回のインストールにまとまった、ワークスペース型のRAG製品を求めるならAnythingLLMを選んでください。無料のロールベースアクセス制御を備えた複数ユーザー向けチャットプラットフォームを求め、いずれにせよ自分でモデルエンドポイントを用意するなら、Open WebUIを選んでください。どちらもセルフホストは無料で、どちらもサードパーティのOpenAI互換ベースURLとキーを受け付けます。いずれの場合も、継続的な請求はソフトウェアではなく、ホスティング費用とモデルのトークン費用です。

このページでは比較を両方向から扱っています。「AnythingLLM vs Open WebUI」と「Open WebUI vs AnythingLLM」は同じ判断であるため、順序を逆にした別ページはありません。以下で主張している内容はすべて、各プロジェクト自身のサイト、ドキュメント、リポジトリから引用し、2026年9月18日に確認したものです。Kunavoはどちらのクライアントも実行時テストしていないため、ここにベンチマーク、レイテンシーの数値、検索品質の判定はありません。

比較の前に、名称について1点。Open WebUIは以前はOllama WebUIと呼ばれていましたが、プロジェクト自身の公開名称に関する議論で、Ollamaチームが公式のOllama商標品だとユーザーが混同するのを避けたいと述べた後に改称されました。チームページによれば、プロジェクトは作成者兼創設者のTim J. Baekが率いています。古いキャッチフレーズを引き続き使用しているフォークは、別の現行競合製品ではありません。text-generation-webuiも、Stable Diffusion web UIも、Mozilla AIのany-llmライブラリも別の競合製品ではありません。

どの製品を誰が選ぶべきか

移行は、一方向では見た目より安く、もう一方向ではそうではありません。チャット接続は移植可能で、同じベースURLとキーを数分で移せます。しかし、ドキュメントは移植できません。各製品には独自のワークスペースまたはナレッジモデルと独自のベクトルストアがあるため、切り替えにはコーパスの再取り込みと再埋め込みが必要です。導入前に知っておくべき、一度進むと戻れない道が2つあります。AnythingLLMのドキュメントには、インスタンスを複数ユーザーモードにするとシングルユーザーモードには戻せないと記載されています。また、AnythingLLM Desktopは単一ユーザー向けアプリケーションと説明されているため、チーム展開へ成長するデスクトップでの試験導入は、アップグレードではなくDockerへの移行になります。

それぞれの料金

出典（すべて2026年9月18日に確認）：AnythingLLMの料金、Desktop Proの概要、Open WebUIのエンタープライズ向けライセンス、ライセンスページ。注意点は3つあります。第1に、「AnythingLLM Pro」という名称は、互いに無関係な2つの製品を指しています。$99のホスト型Cloudプランと、Desktop Proのライセンスキーです。そのため、どちらを指すのかを明示せずに価格を示しても意味がありません。第2に、私たちがアクセスできた範囲では、Desktop Proの価格はどこにも公開されていません。唯一の購入手続き用URLは、確認日にブラウザ以外からのリクエストを拒否したため、金額は未確認として扱い、購入手続き画面で確認してください。第3に、ベンダー自身のページ間でプラン名が一致していません。料金ページではBasicとProと表記されていますが、クラウドの制限事項のページでは、同じプランがStarterとProfessionalと呼ばれています。購入するプランは、名称だけで判断せず、購入手続き画面で確認してください。

AnythingLLM Cloudは、機能上の制限が最も厳しいエディションでもあり、それらは価格からは明らかではありません。そのページによれば、ホスト型クラウドには組み込みLLMが付属していません。また、大きなドキュメント（ファイルサイズではなく単語数が大きいもの）をアップロードするとCPUを圧迫し、プロセスが終了して502が発生する可能性があります。カスタムエージェントとMCPにも対応していません。AnythingLLMを評価する理由がMCPやカスタムエージェントであるなら、予算にかかわらずホスト型ティアは適切なエディションではありません。

RAGの料金を項目ごとに見る

一般的には、ドキュメントチャットの構成では、推論、埋め込み、再ランキング、ストレージにそれぞれ料金がかかると考えられています。両製品でこれらの要素は個別に設定可能ですが、初期状態で個別に請求されるのは1つだけです。両製品ともデフォルトではローカルのMiniLM埋め込みモデルとローカルストアを使用し、再ランキングをAPIに向けない限りAPIには送信しません。

2つの結果があります。埋め込みの項目を予算に計上していたなら、意図的に有効化するまで削除してください。Kunavoは埋め込みモデルを提供しておらず、text-to-speechモデルやspeech-to-textモデルも提供していません。カタログに掲載されているのはチャット、画像、動画、音楽モデルだけです。そのため、どちらかの製品の埋め込みモデル、文字起こしプロバイダー、音声プロバイダーをKunavoに向けることは、現時点ではできません。ローカルのデフォルトを使用してください。Open WebUIで埋め込みを外部プロバイダーに移す場合、同じリファレンスには、RAG_EMBEDDING_BATCH_SIZEのデフォルト値が1であり、チャンクごとに1リクエストになると記載されています。そのため、大量の取り込みでは、費用が高くなる前に処理が遅くなります。同じページでは、デフォルトのChromaストアが、複数のワーカーやレプリカ間では安全でないSQLiteクライアントを使用すると警告しています。これはコストではなくスケーリングに関する判断ですが、同じプロジェクトに影響します。パイプライン設計そのものについては、RAG実装ガイドをご覧ください。

どちらの製品も1つのエンドポイントに接続する

どちらもOpenAI互換のベースURLとキーを受け取りますが、両者の違いは概念よりも設定形式にあります。

# 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

これが初回で機能するかどうかを決める詳細は4つあります。URLのサフィックス：AnythingLLM独自の.env.exampleでは、ベースパスに/v1を記述します。また、プロバイダーソースが残りを決めます。値はbaseURLとして変更されずにOpenAI SDKへ渡されるため、SDKは入力した内容に独自のルートを追加します。/v1ルートを使用してください。次にプロバイダーの警告です。AnythingLLMはこの接続を開発者向けプロバイダーとして扱い、「設定値を誤って入力した場合、意図したとおりに機能しない可能性がある」と注意しています。これが3つ目の詳細である、問題を引き起こすデフォルト値です。上記でリンクしたプロバイダーソースでは、対応する環境変数が未設定の場合、max tokensは1024、プロンプトウィンドウは4096にフォールバックします。これらのデフォルト値による回答の切り詰めは、ゲートウェイ障害とまったく同じように見えます。4つ目は、どちらでもモデル検出は任意であることです。AnythingLLMのGeneric OpenAIプロバイダーはモデルIDを事前検証しません。上記でリンクしたソースでは、ファイル自体の言葉どおり、モデルが有効かどうかを判断できないためチェックを短絡しています。これはこのプロバイダーの動作であり、AnythingLLMの名前付きプロバイダーに関する主張ではありません。一方、Open WebUIは、/modelsを実装していないプロバイダーは接続検証に失敗すると説明しています。また、これは「プロバイダーに互換性がないという意味ではなく、チャット補完は引き続き機能する」とし、その後、モデル名をModel IDsの許可リストに手動で追加するよう案内しています。

同じページにはエンドポイントの契約が明確に記載されています。/v1/chat/completionsは必須ルートで、/v1/models、/v1/embeddings、/v1/audio/speech、/v1/audio/transcriptions、/v1/images/generationsは任意で、それぞれ1つの機能を有効にします。任意の5つのうち、特定のエンドポイントがどれに応答するかはそのエンドポイント次第です。ここでの答えは限定的です。Kunavoは埋め込みモデルを提供しておらず、テキスト読み上げも音声認識も提供していません。そのため、リストにあるRAG、TTS、STTの項目は、設定済みの対象にそのまま残ります。また、Open WebUIは「コアでプロバイダー固有の非標準APIを実装していない」とし、そのようなプロバイダーはミドルウェアプロキシまたは同製品のpipe関数でブリッジする必要があると説明しています。AnythingLLMには同等の契約は公開されていませんが、その.env.exampleとプロバイダーソースには、2つの有用な回避策があります。追加認証が必要なゲートウェイ向けのGENERIC_OPEN_AI_CUSTOM_HEADERSと、プロバイダーのイベントストリームに問題がある場合にストリーミングを無効にするGENERIC_OPENAI_STREAMING_DISABLEDです。

Open WebUIに固有のデプロイ上の注意点が1つあります。同製品のDirect Connections機能では、管理者が有効にすると、通常のユーザーが自分のベースURLとキーを追加できます。ただし、ブラウザーはAPIプロバイダーと直接通信するため、そのプロバイダーは使用中のOpen WebUIドメインからのクロスオリジンリクエストを許可する必要があります。このページでは、厳格なプロバイダーはCORSを理由にブラウザーからの直接リクエストをブロックする可能性があると記載されています。これはOpen WebUIではなく、選択したAPIの性質です。チームにこの機能を約束する前にテストしておく価値があります。Claudeを目的にここへ来た場合は、もう1つ知っておくべきホスト名のルールがあります。Open WebUIのAnthropicページでは、api.anthropic.comを含むURLを検出し、そのホストに特別なモデルリスト処理と/api/v1/messagesのパススルー処理を適用すると説明しています。それ以外のホスト名は、ゲートウェイを含め、通常のOpenAI互換接続として扱われます。一般に「互換性」が何をカバーし、何をカバーしないかについては、OpenAI互換APIガイドを参照してください。

1か月のドキュメントチャットにかかる費用

どちらの製品もソフトウェアは無料なので、変動するのはモデルのトークンです。検索拡張型のターンは入力が多くなります。各質問に、検索されたチャンク、システムプロンプト、履歴の一部が含まれるためです。1か月に200ターン、1ターンあたり入力トークン6,000、出力トークン500と仮定します。入力は120万トークン、出力は100,000トークンです。

これは上記の前提に基づくトークン計算を、現在のKunavoカタログ料金に適用した、説明用の概算です。実測ワークロードではなく、請求額の上限でもありません。実際のチャンク数、履歴の長さ、リトライ動作は、モデルの選択以上に金額を左右します。また、掲載料金が最安であることと、タスク完了までのコストが最も低いことは別の主張です。難しい検索質問で3回の試行が必要な弱いモデルは、1回で回答するモデルより高くつく可能性があります。Kunavoのカタログ料金は請求額の下限です。上流サービスが料金を報告した場合、請求額はカタログ料金と、該当するマークアップを加えた上流コストのうち高い方になります。最低チャージ額は前払いクレジット10ドルであり、サブスクリプションではありません。キャッシュ料金と外部ツールはこの例の対象外です。請求の詳細を参照してください。

マルチユーザー、権限、ライセンスの境界線

ここが2つの製品が最も大きく分かれる点です。違いは機能数ではなく、実行しているビルドです。AnythingLLMのデスクトップ概要では、Desktopを「シングルプレイヤー」アプリケーションと説明し、マルチユーザー対応、ユーザー管理、ワークスペースアクセス管理、パスワード保護、ホワイトラベル化、埋め込み可能なチャットウィジェット、ブラウザーからアクセス可能なUIをDocker専用として列挙しています。表では、ワンクリックインストールと組み込みLLMプロバイダーの2行だけが逆方向、つまりDesktop専用として示されています。したがって、チームでAnythingLLMを使うにはDockerビルドが必要で、マルチユーザーモードへの切り替えは元に戻せません。

Open WebUIは最初から複数ユーザーを前提としています。3つのロール（Admin、User、Pending）に加え、権限グループとモデルごとのアクセス制御について、RBACドキュメントのどこにもライセンスによる制限はありません。制限されるのはブランディングです。30日間のユーザー数が50人を超える場合、エンタープライズライセンスを保有していない限り、Open WebUIの名称とマークを表示し続ける必要があります。また、Terminalsはユーザーごとに1つのワークスペースをプロビジョニングし、ファイルとプロセスを分離しますが、本番利用にはエンタープライズライセンスが必要だと記載されています。大規模組織向けのホワイトラベル化された社内アシスタントが要件である場合、決め手となるのは機能ではなくこの条項です。代替案となるAnythingLLMのDockerホワイトラベル化の費用を、エンタープライズライセンスの見積もりと比較することになります。

チェック日における両プロジェクトの現在の状態をGitHub APIで確認しました。AnythingLLMはMITライセンスで、アーカイブされておらず、最新リリースは2026年8月27日に公開されたv1.16.1です。Open WebUIもアーカイブされておらず、最新リリースは2026年8月31日に公開されたv0.11.3です。ライセンスは標準的なOSSライセンスではなく独自ライセンスであるため、NOASSERTIONと報告されています。直近1か月以内のリリースと、アーカイブされていないリポジトリという2つのシグナルを見る限り、どちらのプロジェクトも休止していません。

ゲートウェイの位置付け

どちらの製品も推論を販売していないため、どちらにもモデルエンドポイントが必要です。また、両方を同じエンドポイントに接続できます。そのため、横並びの試用は安価です。それぞれをインストールし、1つのベースURLと1つのキーを設定し、比較表ではなく同一モデルで比較してください。Kunavoは、両製品が対応するOpenAI互換のインターフェースを提供します。一方については公開されたセットアップガイドがあり、これは当方による互換性テストではなく、手順を説明したガイドです。Open WebUIをKunavoに接続し、キーを設定する準備ができたらKunavoアカウントを作成してください。AnythingLLMでは、上記のGeneric OpenAIフィールドマッピングを使用します。インターフェースをまだ候補に絞り込んでいる段階なら、3つ目の一般的な候補を扱うLibreChatとOpen WebUIの比較も参照してください。

よくある質問

ベンダー料金、ライセンス条件、リリースバージョン、デフォルト設定値、ドキュメントからの引用は、2026年9月18日にanythingllm.com、docs.anythingllm.com、docs.openwebui.com、各プロジェクトのリポジトリ、GitHub APIを照合して確認しました。すべて上記でリンクしています。Kunavoのトークン料金はライブカタログから取得し、月額数値は記載したトークン前提に基づく例示的な見積もりです。Kunavoでは、いずれのクライアントも実行時テストを行っていません。