AnythingLLM vs Open WebUI: RAG, implantação e custos dos modelos

Escolha o AnythingLLM quando quiser um produto RAG estruturado em espaços de trabalho que já venha montado — documentos, gerador de embeddings local, armazenamento vetorial local e agentes em uma única instalação. Escolha o Open WebUI quando quiser uma plataforma de chat multiusuário com controle de acesso gratuito baseado em funções e já estiver trazendo seu próprio endpoint de modelo. Ambos são gratuitos para auto-hospedagem, ambos aceitam uma URL base compatível com OpenAI de terceiros mais uma chave e, nos dois casos, a cobrança recorrente é hospedagem mais tokens de modelo, e não software.

Esta página responde à comparação nos dois sentidos; não há uma página separada na ordem inversa, porque “AnythingLLM vs Open WebUI” e “Open WebUI vs AnythingLLM” são a mesma decisão. Tudo o que é afirmado abaixo foi extraído do próprio site, da documentação ou do repositório de cada projeto e verificado em 18 de setembro de 2026. O Kunavo não testou nenhum dos clientes em tempo de execução, portanto não há benchmark, número de latência nem parecer sobre qualidade de recuperação aqui.

Uma observação sobre nomes antes da comparação: o Open WebUI anteriormente se chamava Ollama WebUI e foi renomeado depois que a equipe do Ollama disse que queria evitar que os usuários confundissem o projeto com um item oficial com marca registrada Ollama, na própria discussão pública sobre nomes do projeto — um projeto que, segundo sua página da equipe, é liderado por seu criador e fundador, Tim J. Baek. Forks que ainda carregam o slogan antigo não são um concorrente ativo separado. Tampouco são text-generation-webui, a interface web do Stable Diffusion, ou a biblioteca any-llm da Mozilla AI.

Quem deve escolher qual

A migração entre eles é mais barata do que parece em uma direção, mas não na outra. A conexão de chat é portátil: a mesma URL base e a mesma chave podem ser transferidas em minutos. Seus documentos não — cada produto tem seu próprio modelo de espaço de trabalho ou de conhecimento e seu próprio armazenamento vetorial, portanto a troca exige ingerir e gerar embeddings do corpus novamente. Vale conhecer duas portas de mão única antes de se comprometer: a documentação do AnythingLLM afirma que, depois que uma instância entra no modo multiusuário, você não pode voltar ao modo de usuário único, e o AnythingLLM Desktop é descrito como um aplicativo para uma única pessoa; portanto, um piloto no desktop que cresça para uma implantação em equipe exige migrar para Docker, e não fazer um upgrade.

Quanto custa cada um

Fontes, todas verificadas em 18 de setembro de 2026: preços do AnythingLLM, a visão geral do Desktop Pro, o licenciamento empresarial do Open WebUI e sua página de licença. Três ressalvas. Primeiro, “AnythingLLM Pro” nomeia dois produtos não relacionados — o nível Cloud hospedado de $99 e a chave de licença do Desktop Pro — portanto, um preço citado sem dizer qual deles é não tem significado. Segundo, nenhum preço do Desktop Pro é publicado em nenhum lugar que pudemos acessar: a única URL de checkout recusou solicitações que não fossem de navegador na data da verificação; portanto, trate o valor como não verificado e confira-o no checkout. Terceiro, as próprias páginas do fornecedor divergem quanto aos nomes dos níveis — a página de preços diz Basic e Pro, enquanto a página de limitações da nuvem chama os mesmos níveis de Starter e Professional. Confirme qual nível você está comprando no checkout, e não pelo nome.

AnythingLLM Cloud também é a edição com as limitações funcionais mais severas, e elas não são óbvias pelo preço. Essa página afirma que a nuvem hospedada não vem com um LLM integrado, que carregar um documento grande — grande em número de palavras, não em tamanho de arquivo — pode sobrecarregar a CPU, encerrar o processo e produzir um 502, que agentes personalizados não são compatíveis e que MCP não é compatível. Se MCP ou agentes personalizados são o motivo pelo qual você está avaliando o AnythingLLM, o nível hospedado é a edição errada, independentemente do orçamento.

A conta do RAG, linha por linha

A suposição comum é que uma configuração de chat com documentos cobra separadamente por inferência, embeddings, reranking e armazenamento. Esses componentes podem ser separadamente configurados nos dois produtos, mas, prontos para uso, apenas um deles é separadamente cobrado: ambos usam por padrão um embedder MiniLM local e um armazenamento local, e nenhum deles envia o reranking para uma API, a menos que você o aponte para uma.

Duas consequências. Se você estava orçando uma linha de custo para embeddings, remova-a até ativar deliberadamente um. A Kunavo não oferece nenhum modelo de embeddings, nem modelos de texto para fala ou fala para texto; seu catálogo lista apenas modelos de chat, imagem, vídeo e música. Portanto, apontar o embedder, o provedor de transcrição ou o provedor de fala de qualquer um dos produtos para a Kunavo não é uma opção hoje — mantenha o padrão local. Se você transferir os embeddings para um provedor externo no Open WebUI, a própria referência observa que RAG_EMBEDDING_BATCH_SIZE assume 1 por padrão, uma solicitação por trecho, o que torna uma ingestão grande lenta antes de torná-la cara. A mesma página alerta que o armazenamento Chroma padrão usa um cliente SQLite que não é seguro entre vários workers ou réplicas — uma decisão de escalabilidade, não de custo, mas que surge no mesmo projeto. Para o próprio desenho do pipeline, consulte nosso guia de implementação de RAG.

Apontar qualquer um dos dois para um endpoint

Ambos aceitam uma URL base compatível com OpenAI e uma chave, e os dois formatos diferem mais do que o conceito.

# 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

Quatro detalhes determinam se isso funcionará na primeira tentativa. O sufixo da URL: o próprio .env.example do AnythingLLM grava o caminho base com /v1, e o código-fonte do provedor esclarece o restante: o valor é passado ao SDK da OpenAI como baseURL sem alterações, portanto o SDK acrescenta sua própria rota ao que você digitou. Use a raiz /v1. O alerta do provedor: o AnythingLLM classifica essa conexão como um provedor voltado a desenvolvedores e alerta que ela “pode não funcionar conforme o esperado se você inserir qualquer configuração incorretamente” — o que nos leva ao terceiro detalhe, os padrões que causam problemas. No código-fonte do provedor vinculado acima, o número máximo de tokens volta para 1024 e a janela de prompt para 4096 quando as variáveis de ambiente correspondentes não estão definidas, e respostas truncadas por esses padrões parecem exatamente uma falha de gateway. Quarto, a descoberta de modelos é opcional nos dois. O provedor Generic OpenAI do AnythingLLM nunca valida previamente o ID do modelo — o código-fonte vinculado acima interrompe a verificação porque, nas próprias palavras do arquivo, ele não tem como saber se o modelo é válido. Esse é o comportamento deste provedor, não uma afirmação sobre os provedores nomeados do AnythingLLM. O Open WebUI, por sua vez, documenta que um provedor que não implementa /models falhará na verificação da conexão, que isso “não significa que o provedor seja incompatível: as conclusões de chat continuarão funcionando” e que você deverá então adicionar manualmente os nomes dos modelos à lista de permissões de IDs de modelos.

A mesma página publica claramente o contrato do endpoint: /v1/chat/completions é a rota obrigatória, enquanto /v1/models, /v1/embeddings, /v1/audio/speech, /v1/audio/transcriptions e /v1/images/generations são opcionais e cada um habilita um recurso. Quais dos cinco opcionais um determinado endpoint atende é uma questão desse endpoint, e a resposta aqui é restrita: a Kunavo não oferece nenhum modelo de embeddings, nem modelos de texto para fala ou fala para texto; portanto, as entradas de RAG, TTS e STT dessa lista permanecem no que você já havia configurado para elas. A página também afirma que o Open WebUI “não implementa APIs não padrão específicas de provedores no núcleo” e que esses provedores devem ser conectados por um proxy de middleware ou por uma de suas funções pipe. O AnythingLLM não publica um contrato equivalente, mas seu .env.example e o código-fonte do provedor oferecem duas alternativas úteis: GENERIC_OPEN_AI_CUSTOM_HEADERS para gateways que exigem autenticação adicional e GENERIC_OPENAI_STREAMING_DISABLED para desativar o streaming quando o fluxo de eventos de um provedor apresenta problemas.

Uma armadilha de implantação é específica do Open WebUI. Seu recurso Direct Connections permite que usuários comuns adicionem sua própria URL base e chave depois que um administrador o habilita, mas o navegador se comunica diretamente com o provedor da API; portanto, esse provedor precisa permitir solicitações de origem cruzada do seu domínio do Open WebUI — a página observa que provedores rigorosos podem bloquear solicitações diretas do navegador por motivos de CORS. Isso é uma propriedade da API escolhida, não do Open WebUI, e vale a pena testar antes de prometer o recurso a uma equipe. Há mais uma regra de hostname que vale conhecer se você chegou aqui por causa do Claude: a página do Anthropic do Open WebUI diz que ele detecta qualquer URL que contenha api.anthropic.com e dá a esse host tratamento especial para lista de modelos e passagem direta de /api/v1/messages; qualquer outro hostname, inclusive um gateway, é uma conexão comum compatível com OpenAI. Para saber o que “compatível” abrange e não abrange em geral, consulte o guia da API compatível com OpenAI.

Quanto custa um mês de chat com documentos

Como o software é gratuito nos dois produtos, os tokens dos modelos são a variável. Turnos com recuperação são intensivos em entrada: cada pergunta inclui os trechos recuperados, o prompt do sistema e parte do histórico. Considere 200 turnos em um mês, 6.000 tokens de entrada e 500 tokens de saída por turno — 1,2 milhão de tokens de entrada e 100.000 tokens de saída.

Esta é uma aritmética de tokens baseada nas suposições acima e nas tarifas atuais do catálogo da Kunavo — uma estimativa ilustrativa, não uma carga de trabalho medida nem um teto para sua cobrança. Sua própria quantidade de trechos, o tamanho do histórico e o comportamento de novas tentativas influenciam o resultado mais do que a escolha do modelo. Observe também que a tarifa mais barata listada e o menor custo para concluir uma tarefa são afirmações diferentes: um modelo mais fraco que exige três tentativas em uma pergunta de recuperação difícil pode custar mais do que um que responde uma vez. O valor do catálogo da Kunavo é um piso de cobrança — quando o upstream informa sua cobrança, a fatura é o maior entre o custo do catálogo e o custo do upstream com a margem aplicável — e a recarga mínima é $10 em crédito pré-pago, não uma assinatura. Cobranças de cache e quaisquer ferramentas externas estão fora deste exemplo; consulte os detalhes de cobrança.

Múltiplos usuários, permissões e a questão da licença

É aqui que os dois produtos mais divergem, e não se trata da quantidade de recursos — trata-se de qual build você está executando. A visão geral do desktop do AnythingLLM chama o Desktop de um aplicativo “single-player” e lista o suporte a múltiplos usuários, o gerenciamento de usuários, o gerenciamento de acesso a workspaces, a proteção por senha, o white-labeling, os widgets de chat incorporáveis e uma interface acessível pelo navegador como recursos exclusivos do Docker. A tabela marca duas linhas no sentido oposto, exclusivas do Desktop: instalação com um clique e um provedor de LLM integrado. Portanto, o AnythingLLM para uma equipe significa a build do Docker, e colocá-la no modo multiusuário é irreversível.

O Open WebUI pressupõe múltiplos usuários desde o início. Suas três funções — Admin, User e Pending, além dos grupos de permissões e do controle de acesso por modelo, não têm nenhuma restrição de licença em toda a documentação de RBAC. O que é restrito é a marca: acima de 50 usuários em um período de 30 dias, você deve manter visíveis o nome e as marcas do Open WebUI, a menos que tenha uma licença empresarial, e Terminals — que provisiona um workspace por usuário, com arquivos e processos separados — afirma que exige uma licença empresarial para uso em produção. Se o seu requisito é um assistente interno com white-labeling para uma organização grande, essa cláusula — não um recurso — é o fato decisivo, e o white-labeling do Docker do AnythingLLM é a alternativa cujo preço deve ser comparado com uma cotação empresarial.

Estado atual dos dois projetos na data da verificação, obtido pela API do GitHub: o AnythingLLM é licenciado sob MIT, não está arquivado e teve como lançamento mais recente o v1.16.1, publicado em 27 de agosto de 2026; o Open WebUI não está arquivado e teve como lançamento mais recente o v0.11.3, publicado em 31 de agosto de 2026, com sua licença informada como NOASSERTION porque é personalizada, e não uma licença OSS padrão. Com base nesses dois sinais — um lançamento no último mês e um repositório não arquivado — nenhum dos dois projetos está abandonado.

Onde um gateway se encaixa

Nenhum dos dois produtos vende inferência para você; portanto, ambos precisam de um endpoint de modelo, e ambos podem apontar para o mesmo endpoint — o que torna barato um teste lado a lado: instale cada um, forneça a mesma URL base e a mesma chave e compare-os com modelos idênticos, em vez de usar uma tabela comparativa. A Kunavo oferece a superfície compatível com OpenAI que ambos utilizam. Existe um guia de configuração publicado para um deles, e ele é um passo a passo escrito, não um teste de compatibilidade realizado por nós: conecte o Open WebUI à Kunavo e, quando estiver pronto para colocar uma chave por trás dele, crie uma conta na Kunavo. Para o AnythingLLM, use o mapeamento de campos do Generic OpenAI acima. Se você ainda estiver selecionando interfaces, LibreChat vs Open WebUI cobre o terceiro candidato comum.

Perguntas frequentes

Preços dos fornecedores, termos de licença, versões de lançamento, valores de configuração padrão e citações da documentação verificados em 18 de setembro de 2026 contra anythingllm.com, docs.anythingllm.com, docs.openwebui.com, os repositórios de cada projeto e a API do GitHub; todos estão vinculados acima. As tarifas de tokens da Kunavo foram lidas do catálogo ativo; os valores mensais são estimativas ilustrativas baseadas nas suposições de tokens declaradas. A Kunavo não testou nenhum dos dois clientes em tempo de execução.