AnythingLLM 定價與 API 成本：軟體、token，以及沒有人公布的兩筆帳單

AnythingLLM 的軟體是免費的——Desktop 應用程式可免費下載，自行託管的 Docker 版本則依專案儲存庫的 MIT 授權免費提供——因此實務上的「AnythingLLM 定價」指的是沒有人公布的兩筆帳單：選用的託管或授權訂閱費，以及你自行提供的模型 API token。 唯一的官方價目表 anythingllm.com/cloud 列出託管服務價格，並在自己的項目符號中說明：「只需帶來 LLM API Key」。請注意，anythingllm.com/pricing 並不是實際頁面——它會重新導向至同一個雲端頁面。

本指南區分三個層次：AnythingLLM 收取的費用、哪些因素會推高 token 帳單，以及針對不同工作負載哪條供應商路徑勝出。每個數字都有來源與日期，算術結果也明確標示為算術。

已經有工作區？前往聊天提供者設定與首次帳單檢查。請將嵌入提供者分開設定；Kunavo 目前不提供嵌入模型。

兩種不同的事物都被稱為「AnythingLLM API」

在比較價格前先釐清這點，因為兩者完全無關。

在 AnythingLLM 的官方文件中，API 是你的執行個體在 /api/docs 提供的本機開發與管理 API——建立工作區、上傳文件、與工作區聊天——並使用你在自己的執行個體內產生的金鑰驗證。它沒有價格，因為這是你的伺服器與自身通訊。

買家搜尋「AnythingLLM 最佳 API」時幾乎總是指聊天供應商 基底 URL 欄位中填入的上游模型端點。該端點按 token 收費，也是 AnythingLLM 部署中唯一會隨使用量成長的部分。以下內容全部針對第二種 API。

AnythingLLM 本身收取的費用

Cloud 價格於 2026 年 9 月 19 日從 anythingllm.com/cloud 讀取。Desktop Pro 的數字需要附帶說明：這些數字來自 AnythingLLM 在自己文件中嵌入的結帳畫面截圖，因為即時 Mintplex Labs 結帳頁面位於未繞過的機器人驗證之後。該圖片本身也附有說明——價格「不反映結帳時套用的任何促銷、符合資格的免費試用或優惠券」。請將 $15/$20/$180 視為 AnythingLLM 公布的數字，並在購買前於結帳頁面確認價格。

「Pro」一詞周圍有兩個陷阱。價格為 $99 的 Cloud Pro 並不是 Desktop Pro。它們是不同產品，而多份第三方摘要將託管價格誤列為桌面授權價格。此外，Desktop Pro 的功能範圍比名稱所暗示的更窄：AnythingLLM 的Pro 概覽表示「AnythingLLM Desktop 將會且永遠會免費使用我們 99% 的功能」，而 Pro「只是移除」Magic 功能的「每日限制」。它不會限制聊天、RAG、agent 或模型存取。每項 Magic 功能的每日免費額度只被描述為「慷慨」——未公布數字，因此本文不引用任何數字。另外，Magic Tab 與 Magic Beacon 僅支援 macOS 和 Windows；Beacon 頁面將 Linux 標示為「目前不支援」。

還有一項需要釐清的地方：不相關的發行商會在 Microsoft 與 AWS marketplace 上轉售 AnythingLLM VM 映像，並設定自己的每小時費率。那些列表不是 Mintplex Labs 發布的，其價格也不是 AnythingLLM 定價。本頁未讀取它們的數字——marketplace 頁面回傳 403——因此本文不列出任何相關價格。

那些價格都不包含什麼

沒有任何 AnythingLLM 方案包含模型 token，Cloud 方案對此明確說明。Cloud 限制頁面指出：「AnythingLLM 託管雲端不會附帶像桌面執行個體中那樣可供使用的內建 LLM」——因此 Cloud 訂閱者必須自行提供外部端點，這使 $50 或 $99 只是起始費用，而非總費用。同一頁也警告，內建嵌入器「不會阻止你嘗試嵌入 5,000pg PDF，但會使你的執行個體崩潰」，且託管 Cloud 不支援自訂 agent。

Desktop Pro 也是同樣的情況，只是規模較小。其 Magic Tab 文件表示建議產生「使用你設定的 LLM 供應商與模型在裝置上完成」，因此 Pro 訂閱不會購買推論能力——它購買的是移除功能每日上限，而這些功能接著會消耗你自己的 token 預算。

真正的零 token 路徑存在，但僅限 Desktop：內建供應商使用 Ollama 的 MIT 授權引擎執行本機模型，文件中標示為「僅限 DESKTOP！」。如果本機模型能以足夠品質回答你的文件，帳單的這一半將永久維持 $0。

Token 帳單實際來自哪裡

AnythingLLM 帳單有兩個彼此獨立的部分，分別由你分開設定的兩個供應商收費。

匯入是一次性的：每份文件會被分割成區塊並嵌入一次。聊天是持續性的：每一輪都會重新傳送 system prompt、重播的歷史記錄、檢索到的區塊與問題。持續性的部分才是關鍵，而產品出廠預設值決定了它的大小。

區塊大小與重疊來自文字分割文件，該文件也提供上文使用的每 token 約 4 個字元換算，將 LangChain 的 RecursiveCharacterTextSplitter 列為唯一策略，並警告變更只會套用至之後嵌入的文件。其餘三項則讀自出廠附帶的 Prisma schema（topN 4、openAiHistory 20、similarityThreshold 0.25），該 schema 具有權威性。需要知道的一項衝突是：AnythingLLM 的 RAG 頁面寫著「4-6 個文字區塊」，但該頁面自稱是已被 v1.8.5 取代的舊版文件。schema 預設值是 4，且可由使用者調整。

這裡昂貴的錯誤根本不是設定問題。附加文件不等於嵌入文件。AnythingLLM 的文件聊天介紹指出，預設情況下它「會將文件的完整文字插入聊天視窗」，而當你新增文件時超出 context window，它會詢問是否改為分割區塊——也就是嵌入。在你接受該選項前，附加路徑會在每一輪重新傳送整份文件，而非四個區塊；成本差異達一個數量級——下文會量化說明。

嵌入部分，以及 Kunavo 不提供的部分

直接說明：Kunavo 沒有啟用任何嵌入模型。kunavo.com/llms.txt指出 /v1/embeddings 傳輸格式已實作，但目前沒有列出任何嵌入模型，並告知 agent 不要推薦 Kunavo 用於嵌入；語音轉文字與文字轉語音也是如此（於 2026 年 9 月 19 日檢查）。由於 AnythingLLM 的嵌入器是與聊天模型分開的供應商，且設定為系統層級而非每個工作區獨立設定，聊天相容性從不代表嵌入相容性。請在本機執行匯入部分，或使用專用嵌入供應商。

該部分最便宜的選項也是預設選項。AnythingLLM 的內建嵌入器是 all-MiniLM-L6-v2，一個 25MB 的 CPU 模型，需要約 2GB RAM，且主要以英文訓練。每份文件不收取任何費用。如果你需要託管嵌入器，AnythingLLM 會以每美元可處理的頁數公布自己的成本基準。

Kunavo 不提供這個步驟的服務，也不為其報價——該表中的所有費率都是透過 OpenAI 自有的帳戶計費，費用直接支付給 OpenAI。每美元可處理的頁數是 AnythingLLM 自行提供的數據，取自其 OpenAI 嵌入模型設定頁面（於 2026 年 9 月 19 日查核）；同一頁面也指出，應用程式會在執行前顯示預估費用。這些數據與 OpenAI 公布的費率一致，分別為每百萬個 token $0.02、$0.10 和 $0.13。以表格第一列的費率計算，匯入 500 頁資料的費用約為 $0.008——這才是真正的重點：AnythingLLM 的帳單費用幾乎從來都不是花在資料匯入這一部分。

唯一的例外是重新索引。嵌入器概覽警告，一旦開始嵌入，「最好不要變更它」，因為切換意味著刪除並重新嵌入每份文件。請將重新索引編列為重複一次匯入成本，並記住本機嵌入器會讓這次重複操作免費。

聊天部分：一個供應商、兩個昂貴的預設值

AnythingLLM 沒有提供具名整合的 OpenAI 相容端點，會透過字面名稱為 Generic OpenAI 的供應商串接。其設定頁面警告這是「面向開發者的 llm 供應商——除非你知道自己在做什麼，否則不應使用」，並說明這是連線至「我們未明確整合的任何 LLM 供應商」的方式。請先檢查供應商列表：多個採用 OpenAI 形式的服務在出廠附帶的 .env.example 中都有具名供應商及其專屬 base-URL 欄位，其中包括 LM Studio、LocalAI、LiteLLM、KoboldCpp 和 Text Generation WebUI；這些服務會保留自己的預設值，而不是以下的通用預設值。

欄位名稱與預設值讀自 AnythingLLM 隨附的 server/.env.example，以及 2026 年 9 月 19 日 master 分支上的 Generic OpenAI 供應商原始碼——MAX_TOKENS 設定鍵只存在於原始碼中，不在 .env.example 裡。另有兩項：GENERIC_OPEN_AI_CUSTOM_HEADERS，在 .env.example 中記錄，供需要額外標頭的閘道使用；以及供應商原始碼中的 GENERIC_OPENAI_STREAMING_DISABLED，它會強制使用非串流回應。

# CHAT ONLY. Key names from AnythingLLM's server/.env.example, except
# GENERIC_OPEN_AI_MAX_TOKENS, which appears only in the provider source.
LLM_PROVIDER='generic-openai'

# The value is handed straight to the OpenAI SDK as baseURL, so /v1 is required.
# The UI placeholder ("eg: https://proxy.openai.com") omits it. Include it anyway.
GENERIC_OPEN_AI_BASE_PATH='https://api.kunavo.com/v1'
GENERIC_OPEN_AI_API_KEY='sk-kn-...'

# Any string is accepted here: the provider's pre-flight check always returns
# true, so a typo fails at call time rather than at save time.
GENERIC_OPEN_AI_MODEL_PREF='claude-sonnet-4-6'

# Leave this empty and AnythingLLM assumes 4096 — not your model's real window —
# then budgets history and context against that made-up number.
GENERIC_OPEN_AI_MODEL_TOKEN_LIMIT=1000000

# Defaults to 1024, which truncates long answers until you raise it.
GENERIC_OPEN_AI_MAX_TOKENS=8192

需要規劃的一項界線，僅限於此。AnythingLLM 的原生 Anthropic 供應商只使用 API 金鑰與預設標頭建立其 SDK 用戶端：它不會傳遞 base URL，AnythingLLM 也未公開該供應商的 Base URL 欄位，且未記錄任何覆寫方式。這就是 AnythingLLM 自己介面的全部範圍——這並不表示流量無法重新導向，因為它建立的 Anthropic TypeScript SDK 會將其 baseURL 預設為 process.env.ANTHROPIC_BASE_URL，因此該伺服器程序變數仍會傳遞至它。AnythingLLM 既未記錄也不支援這種做法，因此應將其視為未記錄的方式，而不是正式路徑：第三方端點受支援的串接方式，是透過 chat completions 使用 Generic OpenAI。

快取的後果同樣很明確。ANTHROPIC_CACHE_CONTROL 是使原生供應商在 system prompt 上加註 cache_control 標記的開關，而 Generic OpenAI 路徑完全不會傳送該標記——因此，若某條路徑的協定要求用戶端請求快取，透過它就不會命中快取。這並不表示那些不需要用戶端標記即可自動快取的端點也無法快取；你的端點是否如此，請查閱供應商自己的文件。Prompt caching說明在支援該功能的路徑上，這個開關的價值。

在進行預算規劃前，還有兩項值得了解的限制。此供應商的視覺與附件支援採盡力而為 — 原始碼在註解中說明，它假設內容陣列確實採用 OpenAI 形式，且不會針對有所差異的供應商進行更新。圖片生成也沒有通用的基本 URL 選項：圖片生成頁面列出四個具名供應商 — OpenAI、OpenRouter、Ollama 與 Lemonade — 沒有自訂端點列，因此只有當該閘道是列出的整合之一（例如 OpenRouter）時，/img才會連到閘道，而不是將 Generic OpenAI Base URL 指向該閘道。

AnythingLLM API 成本試算

這是根據公開費率計算的 token 算術，不是實測工作成本，也不是帳單上限。假設採用上述已發布的預設值，且一輪由以下內容組成：200 個 token 的系統提示、4 個擷取區塊（每個 250 個 token）、平均每則 120 個 token 的 20 則重播歷史訊息，以及 40 個 token 的問題 — 3,640 個輸入 token — 並回傳 400 個輸出 token。系統提示、歷史長度與答案長度是假設值；區塊數量、區塊大小與歷史訊息數量則是 AnythingLLM 自身的預設值。最後一欄維持所有條件不變，但改為附加一份 30,000 個 token 的文件，而不是擷取區塊，因此完整文字會隨每一輪一併傳送。費率是 Kunavo 目錄中每百萬 token 的即時價格。

有三點解讀。第一，在這些假設下，使用 Claude Sonnet 4.6 模型進行一個月的具備依據問答，成本為 $11.84 — 低於 Cloud Basic 單月 $50。對這種規模的工作負載而言，託管決策而非供應商決策才是較大的支出項目，因此兩筆帳單必須分開估算，而不是互相權衡。第二，不索引文件而直接附加文件，使用 Claude Sonnet 4.6 處理相同工作負載的成本為 $72.74：在這些假設下，檢索設計造成的金額差異大於供應商選擇。第三，模型之間確實存在價差，但屬次要因素 — Claude Haiku 4.5 模型為 $3.95，而 Claude Opus 5 則為 $19.74，兩者使用相同輪數。

在將這些數字視為預算前，請先依每天的輪數換算，並且只在重新建立索引時加入匯入成本。Kunavo 的目錄金額是計費底線而非上限：上游回報費用時，帳單金額取目錄成本與上游成本乘以適用加成兩者之較高者。快取費用與外部工具不包含在此範例中。Kunavo 最低加值為$10 的預付額度，這是資金最低門檻，而不是任務費或訂閱費 — 請參閱計費詳細資訊。

AnythingLLM 的最佳 API 與最佳模型：何時該選哪條路徑

談到「最佳模型」，AnythingLLM 將誠實的答案做成一項功能。Model Router 可自我託管，支援單一使用者與多使用者，Desktop 自 v1.13.0 起也可使用；它會將簡單訊息路由至便宜或本機模型，只有困難訊息才交給昂貴的遠端模型，並將「節省金錢」列為其明確目的。對具備依據的問答而言，中階模型通常已足夠，因為擷取的區塊會提供事實；請將前沿模型保留給綜合與代理程式執行。代理程式會帶來自身的 token 壓力，AnythingLLM 透過 Intelligent Tool Selection 來處理 — 該功能在 v1.15.0 中預設開啟，只會將聊天所需的工具傳送至提示視窗，而不是每個已註冊的工具；其文件表示，這值得「每次聊天最多節省 80%」。這是 AnythingLLM 自己的數字，指的是工具定義原本會額外增加的 token，而不是整筆帳單，且未經獨立測量。另一項較小但近期的改進：v1.16.1指出，取消推論現在確實會在上游停止，因此放棄的答案不會再計費至完成。

如需更廣泛的供應商比較，請參閱OpenRouter 替代方案與最佳 LLM 閘道；如需了解主導上述大部分帳單的檢索設計，請參閱RAG 實作與AI 成本最佳化。如果你仍在選擇用戶端本身，AnythingLLM 與 Open WebUI會比較兩者在託管與計費模式上的差異。

變更目前可運作的設定前，請先儲存Gateway 遷移檢查清單。

設定完成並檢查第一筆帳單

此處將 Kunavo 設定為 Generic OpenAI 端點，使用上述設定；OpenAI 相容 API頁面說明請求格式，而整合索引列出已有書面設定頁面的用戶端。AnythingLLM 尚未針對本指南對 Kunavo 端點進行執行時測試，因此請將上述設定視為有文件依據的起點，而非相容性結果：保留一條可運作的路徑，在第一次實際對話前設定內容視窗與 max-tokens 欄位，執行一個有界限的工作區，然後讀取帳戶實際記錄的費用。準備好為金鑰加值時，請建立 Kunavo 帳戶 — 並將嵌入器保留在免費的本機模型上，因為 Kunavo 不提供這一部分。

常見問題

AnythingLLM 的價格、文件、隨附的 .env.example、Prisma schema 與供應商原始碼已於 2026 年 9 月 19 日查核；同日也針對 kunavo.com/llms.txt 重新確認 Kunavo 端點與嵌入可用性。Desktop Pro 價格來自 AnythingLLM 自家的結帳畫面截圖，而非無法連線的即時結帳頁面。Kunavo token 費率來自即時目錄，本頁所有美元範例都是說明性的 token 算術，而非實測任務成本。