AnythingLLM 與 LibreChat：知識工作區還是多模型代理

AnythingLLM 和 LibreChat 都是免費、採用 MIT 授權且可自行託管，因此選擇的關鍵不是價格，而是檢索功能是否內建於產品中，或必須部署在產品旁邊。 AnythingLLM 將文件作為工作單位：把檔案放入工作區，嵌入器和向量儲存區就已就緒。LibreChat 將對話作為工作單位：支援多個模型、多位使用者、依角色設定權限，而文件搜尋則是你必須自行架設的獨立服務。

在比較之前先修正一個背景，因為它會影響你閱讀這個專案的方式。LibreChat 現在是 ClickHouse 的專案：ClickHouse, Inc. 於 2025 年 11 月 4 日宣布收購，表示對現有部署而言「作業維持不變，並持續投資開源專案與社群」，而 librechat.ai 今天仍保留該橫幅。AnythingLLM 仍是 Mintplex Labs 的產品。以下引用的每個來源都附有 2026 年 9 月 21 日的查核日期；結尾附註列出為本頁直接重新閱讀的來源。

哪一個符合你實際擁有的任務

兩者的費用，以及「Pro」代表什麼

價格取自 anythingllm.com/cloud 以及上述連結頁面，查核日期為 2026 年 9 月 21 日。該表有兩個陷阱。第一，「AnythingLLM Pro」指的是兩種無關的事物——每月 99 美元的託管 Cloud 方案，以及要求使用 Desktop v1.15.0 或更新版本、且價格未公布於任何可存取官方頁面的 Desktop Pro 授權——因此未說明是哪一種的報價沒有意義。第二，供應商自己的詞彙彼此矛盾：定價頁面稱為 Basic 和 Pro，而 Cloud 限制頁面則稱為「Starter」和「Professional」。沒有任何第一方來源將兩組名稱對應起來，因此請在結帳時確認，不要假設它們是相同方案。

LibreChat 方面還有一項值得知道的時間衝突：2026 年 2 月 12 日的 GitHub 討論引用了「演進這項服務，並停止以目前形式提供此 API」的計畫，目標日期為 2026 年 5 月 1 日；然而，2026 年 9 月 21 日的定價頁面仍告知現有訂閱者可以管理其訂閱。該日期是否已執行，本頁無法確認。

檢索差異，這才是真正的決策因素

AnythingLLM。 文件放入工作區，應用程式自行為其建立索引。伺服器 env 檔案將 VECTOR_DB="lancedb" 作為唯一未註解的值提供，旁邊則註解列出 Chroma、Pinecone、Astra、pgvector、Weaviate、Qdrant、Milvus 和 Zilliz。問題在於範圍：嵌入器文件表示「嵌入模型是系統層級設定，無法像 LLM 一樣以原子方式依工作區設定」，而之後變更選擇代表你「必須刪除已上傳的文件並重新嵌入」。這就是此產品的遷移成本，付出的是重新建立索引的時間，而不是金錢。

LibreChat。 文件搜尋完全不在聊天應用程式中。RAG API「以 PostgreSQL + pgvector 資料庫支援的獨立 FastAPI 服務執行」，透過 RAG_API_URL 和 EMBEDDINGS_PROVIDER（openai、azure、huggingface、huggingfacetei 或 ollama）設定，分塊預設值為 1500，重疊為 100。代理程式透過 file_search 能力存取它，管理員可以依角色撤銷該能力。需要部署更多內容，也能控制更多內容。

Kunavo 不提供嵌入、語音轉文字或文字轉語音——沒有啟用的模型具備這些端點——因此在任一產品中，嵌入器欄位，以及 AnythingLLM 的獨立轉錄和語音欄位，都必須指向提供這些功能的供應商；聊天欄位則是 Kunavo 金鑰涵蓋的欄位。RAG 實作涵蓋如何拆分這些階段。

代理程式、MCP，以及誰可以變更什麼

該表有兩項注意事項。LibreChat 權限清單依循 0.8.8-rc 文件；由於專案沒有發布穩定版本標籤，較舊的固定映像檔不會具備所有這些功能——請對照你實際執行的版本確認。此外，AnythingLLM 的角色名稱來自其 Security and Access 頁面，該頁一開始寫著「DOCKER VERSION ONLY! These settings are only available in the Docker version of AnythingLLM」——這句話說明設定所在的位置，而不是表示託管 Cloud 為單一使用者，因為 Cloud 文件將其描述為多使用者部署。

將兩者指向同一個金鑰

兩者都接受 OpenAI 相容端點，因此用一個金鑰並行執行兩者，是公平的比較方式。設定在對閘道而言重要的方面有所不同。

# 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

AnythingLLM 的自有文件將該供應商描述為「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」，並表示「如果你輸入任何錯誤的設定，可能無法按照預期運作」。文件沒有說明工具呼叫、代理程式或串流是否能通過該路由，因此本頁不宣稱任一結果。LibreChat 的自訂端點參考要求 name、apiKey、baseURL 和 models，並提供 AnythingLLM 沒有文件化對應功能的選項：provider: anthropic 會透過原生 Anthropic 用戶端路由同一區塊，但必須手動列出模型 ID，因為「原生 Anthropic 自訂端點不使用 OpenAI 樣式的 models.fetch」。如果允許每位使用者提供自己的端點，還有另一項限制：使用 baseURL: "user_provided" 時，LibreChat 不會將設定的標頭範本轉送至該目的地。

成本可見性同樣不對稱。LibreChat 將 tokenConfig 文件化為定義自訂端點每百萬單位費率和內容視窗的設定，也是其內容使用量、成本明細和餘額交易的輸入值——因此管理員必須像上文所述，依模型手動撰寫；AnythingLLM 沒有自己的文件化模型費率表。兩個產品都不應被視為你的帳本。兩者的設定文件都已發布：AnythingLLM 和 LibreChat。

一個每月估算範例

這是說明性權杖計算，不是實測成本，也不是帳單上限。假設一個工作區每月回答 600 個問題，每個問題傳送 12,000 個輸入權杖，內容包括系統提示、檢索段落和簡短歷史記錄，並回傳 600 個輸出權杖。費率採用目前 Kunavo 目錄中每百萬權杖的價格。右側欄位將檢索內容加倍，以顯示此處重要的槓桿——每個問題檢索多少內容是定價決策，而兩個產品完全相同。

請將其與訂閱方案費用對照，而不是取代訂閱方案費用。在這些假設下，Claude Haiku 4.5 每月權杖成本為 $6.30，遠低於 AnythingLLM Cloud 每月 50 美元的 Basic 方案；但兩者不能互相取代，因為該方案購買的是託管私有執行個體，而且除此之外仍要求你自備金鑰。自行託管的 LibreChat 或 AnythingLLM Docker 執行個體，則會將這 50 美元轉為你自己的伺服器帳單。

Kunavo 的目錄金額是計費下限，而不是上限：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中的較高者。快取費用和外部工具不包含在本例中。最低儲值金額為 $10 的預付額度——這是資金最低要求，不是任務費用或訂閱費用。請參閱計費詳細資訊，或在選定用戶端後建立 Kunavo 帳戶。若要深入了解任一方的支出明細，請參閱AnythingLLM API 費用和LibreChat API 費用。

正在評估第三個選項？AnythingLLM 與 Open WebUI 的比較以及LibreChat 與 Open WebUI 的比較，會針對共用的替代方案進行相同比較。

常見問題

來源查核日期：2026 年 9 月 21 日。撰寫本頁時直接重新閱讀：anythingllm.com/cloud、AnythingLLM Cloud 限制、Desktop Pro、代理程式、MCP、Security and Access 和嵌入器設定文件、AnythingLLM 伺服器 env 範例、LibreChat 的自訂端點、介面、MCP 和 RAG API 參考資料、LibreChat 發布清單與 package.json、code.librechat.ai/pricing、librechat.ai/pricing 和 /enterprise 的 HTTP 狀態、Code Interpreter 討論，以及 ClickHouse 收購和 ClickHouse Agents beta 公告。Kunavo 權杖費率取自即時目錄；每個美元範例都是說明性權杖計算；Kunavo 尚未對任一用戶端進行執行階段測試——連結的設定頁面是設定參考，而不是相容性測試。