AnythingLLM vs LibreChat: espaços de trabalho de conhecimento ou agentes multimodelo

AnythingLLM e LibreChat são gratuitos, licenciados sob a MIT e podem ser autohospedados, portanto a escolha não é o preço — é saber se a recuperação está integrada ao produto ou implantada ao lado dele. O AnythingLLM transforma documentos na unidade de trabalho: você coloca arquivos em um workspace e o embedder e o armazenamento vetorial já estão disponíveis. O LibreChat transforma a conversa na unidade de trabalho: muitos modelos, muitos usuários, permissões por função e busca em documentos como um serviço separado que você mesmo precisa instalar.

Uma correção de perspectiva antes da comparação, porque ela muda a forma como você lê o projeto. O LibreChat agora é um projeto da ClickHouse: a ClickHouse, Inc. anunciou a aquisição em 4 de novembro de 2025, dizendo que, para implantações existentes, "as operações continuam sem alterações, com investimento contínuo no projeto e na comunidade de código aberto", e librechat.ai ainda exibe o banner atualmente. O AnythingLLM continua sendo um produto da Mintplex Labs. Todas as fontes citadas abaixo têm a data de verificação de 21 de setembro de 2026; a nota final identifica aquelas relidas diretamente para esta página.

Qual deles se encaixa na tarefa que você realmente tem

Quanto cada um custa e o que significa "Pro"

Preços consultados em anythingllm.com/cloud e nas páginas vinculadas acima em 21 de setembro de 2026. Há duas armadilhas nessa tabela. Primeiro, "AnythingLLM Pro" nomeia duas coisas sem relação — o nível Cloud hospedado de US$ 99/mês e uma licença Desktop Pro que exige o Desktop v1.15.0 ou posterior e cujo preço não aparece em nenhuma página oficial acessível — portanto, um preço informado sem dizer qual deles é não tem significado. Segundo, o vocabulário do próprio fornecedor diverge: a página de preços diz Basic e Pro, enquanto a página de limitações do Cloud diz "Starter" e "Professional". Nenhuma fonte oficial relaciona um conjunto ao outro; portanto, confirme no checkout em vez de presumir que são os mesmos níveis.

Também há um conflito de datas que vale conhecer no lado do LibreChat: uma discussão do GitHub de 12 de fevereiro de 2026 cita o plano de "evoluir esta oferta e descontinuar esta API em sua forma atual", com meta para 1º de maio de 2026, mas a página de preços em 21 de setembro de 2026 ainda informa aos assinantes existentes que eles podem gerenciar suas assinaturas. Esta página não pode confirmar se essa data foi cumprida.

A divisão da recuperação, que é a decisão real

AnythingLLM. Os documentos entram em um workspace e o aplicativo os indexa por conta própria. O arquivo de ambiente do servidor inclui VECTOR_DB="lancedb" como o único valor não comentado, com Chroma, Pinecone, Astra, pgvector, Weaviate, Qdrant, Milvus e Zilliz comentados ao lado. A questão é o escopo: a documentação do embedder diz que "os modelos de embedding são definidos em todo o sistema e não podem ser configurados atomicamente por workspace como os LLMs podem", e que mudar a escolha posteriormente significa que você "terá de excluir seus documentos enviados e incorporá-los novamente". Esse é o custo de migração deste produto, pago em tempo de reindexação, não em dinheiro.

LibreChat. A busca em documentos não está no aplicativo de chat. A API RAG "é executada como um serviço FastAPI separado, apoiado por um banco de dados PostgreSQL + pgvector", configurado por meio de RAG_API_URL e EMBEDDINGS_PROVIDER (openai, azure, huggingface, huggingfacetei ou ollama), com padrões de chunking de 1500 e sobreposição de 100. Os agentes a acessam como o recurso file_search, e um administrador pode impedir seu uso por função. Mais coisas para implantar; mais controle.

O Kunavo não fornece embeddings, conversão de fala em texto ou conversão de texto em fala — nenhum modelo habilitado oferece esses endpoints — portanto, em qualquer um dos produtos, o slot do embedder e os slots separados de transcrição e fala do AnythingLLM apontam para um provedor que os ofereça, enquanto o slot de chat é aquele coberto por uma chave do Kunavo. A implementação de RAG explica como dividir essas etapas.

Agentes, MCP e quem pode alterar o quê

Duas ressalvas sobre essa tabela. A lista de permissões do LibreChat corresponde à documentação da versão 0.8.8-rc e, como o projeto não publica uma tag de release estável, uma imagem antiga fixada não terá tudo isso — verifique em relação à versão que você realmente executa. E os nomes das funções do AnythingLLM vêm de sua página Security and Access, que começa com "DOCKER VERSION ONLY! These settings are only available in the Docker version of AnythingLLM" — uma frase sobre onde as configurações ficam, não uma afirmação de que o Cloud hospedado é para um único usuário, já que a documentação do Cloud o descreve como uma implantação multiusuário.

Apontando qualquer um dos dois para uma única chave

Ambos aceitam um endpoint compatível com OpenAI, razão pela qual executá-los lado a lado usando uma chave é uma maneira justa de decidir. As configurações diferem em aspectos importantes para um 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

A própria documentação do AnythingLLM descreve esse provedor como um "provedor de LLM voltado a desenvolvedores — você não deve usá-lo a menos que saiba o que está fazendo" que "pode não funcionar conforme o esperado se você inserir qualquer configuração incorretamente". Ela não informa se chamadas de ferramentas, agentes ou streaming sobrevivem à rota; portanto, esta página não afirma nenhum dos resultados. A referência de endpoint personalizado do LibreChat exige name, apiKey, baseURL e models, e acrescenta a opção sem equivalente documentado no AnythingLLM: provider: anthropic encaminha o mesmo bloco pelo cliente Anthropic nativo, ao custo de listar manualmente os IDs dos modelos, porque "models.fetch no estilo OpenAI não é usado para endpoints personalizados Anthropic nativos". Há mais uma barreira se você permitir que cada usuário traga seu próprio endpoint: com baseURL: "user_provided", o LibreChat não encaminha modelos de cabeçalho configurados para esse destino.

A visibilidade dos custos também é assimétrica. O LibreChat documenta tokenConfig como aquilo que define as tarifas por milhão e as janelas de contexto de um endpoint personalizado, além de ser a entrada para o uso de contexto, os detalhamentos de custos e as transações de saldo — portanto, um administrador o escreve manualmente por modelo, como acima; o AnythingLLM não possui uma tabela documentada de tarifas por modelo própria. Nenhum dos produtos deve ser tratado como seu livro-caixa. A configuração de ambos está publicada: AnythingLLM e LibreChat.

Uma estimativa mensal calculada

Isto é uma aritmética ilustrativa de tokens, não um custo medido nem um limite de cobrança. Suponha um workspace respondendo a 600 perguntas por mês, cada uma enviando 12,000 tokens de entrada de prompt do sistema, trechos recuperados e histórico curto, e retornando 600 tokens de saída. As tarifas são os preços atuais do catálogo do Kunavo por milhão de tokens. A coluna da direita dobra o contexto recuperado para mostrar o fator que importa aqui — quanto você recupera por pergunta é uma decisão de preço, e é idêntico nos dois produtos.

Leia isso em conjunto com a linha da assinatura, e não em substituição a ela. Sob essas premissas, Claude Haiku 4.5 custa US$6.30 por mês em tokens, o que fica bem abaixo do nível Basic do AnythingLLM Cloud, de US$ 50/mês — mas os dois não são substitutos, porque esse nível compra uma instância privada gerenciada e ainda exige que você forneça uma chave à parte. Uma instância autohospedada do LibreChat ou do AnythingLLM via Docker transfere esses US$ 50 para a sua própria conta do servidor.

O valor do catálogo do Kunavo é um piso de cobrança, não um teto: quando o upstream informa sua cobrança, a fatura é o maior valor entre o custo do catálogo e o custo do upstream multiplicado pela margem aplicável. As cobranças de cache e as ferramentas externas ficam fora deste exemplo. A recarga mínima é de US$10 em crédito pré-pago — um mínimo de financiamento, não uma taxa por tarefa nem uma assinatura. Consulte os detalhes de cobrança ou crie uma conta Kunavo quando tiver escolhido um cliente. Para uma análise mais detalhada dos gastos de qualquer lado, consulte custo da API do AnythingLLM e custo da API do LibreChat.

Considerando uma terceira opção? AnythingLLM vs Open WebUI e LibreChat vs Open WebUI fazem a mesma comparação usando uma alternativa compartilhada.

Perguntas frequentes

Fontes verificadas em 21 de setembro de 2026. Relidas diretamente durante a redação desta página: anythingllm.com/cloud, as limitações do AnythingLLM Cloud, Desktop Pro, agentes, MCP, Security and Access e a documentação de configuração do embedder, o exemplo de ambiente do servidor AnythingLLM, as referências de endpoint personalizado, interface, MCP e API RAG do LibreChat, a lista de releases do LibreChat e package.json, code.librechat.ai/pricing, o status HTTP de librechat.ai/pricing e /enterprise, a discussão sobre o Code Interpreter e as publicações da aquisição pela ClickHouse e do beta do ClickHouse Agents. As tarifas de tokens do Kunavo vêm do catálogo atual, cada exemplo em dólares é uma aritmética ilustrativa de tokens, e o Kunavo não testou nenhum dos dois clientes em runtime — as páginas de configuração vinculadas são referências de configuração, não testes de compatibilidade.