Новости30 июля 2026 г.10 мин чтения

Open WebUI, LibreChat, AnythingLLM, Jan и Msty: какую оболочку поставить под свои ключи

Пять интерфейсов конкурируют за роль единственного окна к вашим моделям и API-ключам, но ошибка в выборе архитектуры стоит недель на перенос истории чатов, ролей и настроенного RAG.

На дату проверки 26 июля 2026 года четыре из пяти кандидатов синхронно обновились: Open WebUI дошёл до релиза v0.10.2 от 1 июля, LibreChat — до v0.8.7 от 23 июня, AnythingLLM — до v1.15.0 от 25 июня, Jan — до v0.8.4 от 23 июля. У всех четырёх открытый код и темп релизов от еженедельного до месячного. Пятый, Msty, в эту хронологию не попадает: закрытое приложение без публичного репозитория, где бесплатный десктоп соседствует с платным веб-доступом за $149 в год. Дальше пять инструментов пройдут через одну сетку сравнения — но не через один критерий риска: смешивать полностью открытый self-hosted софт с закрытым freemium-приложением на одной шкале «что лучше» — методологическая ошибка, и почему, станет понятно дальше.

Правильная оболочка определяется сценарием, а не абстрактным рейтингом фич. Одному человеку с локальными моделями и без сервера подходит Jan — лицензия Apache 2.0, ничего не поднимать — или desktop-версия AnythingLLM ради нативного RAG без выбора embedder. Человеку, которому нужен только чат под свои API-ключи с минимальной настройкой, подходит эта оболочка: один pip-пакет или Docker-образ вместо связки из нескольких сервисов; если вы ищете open webui именно ради быстрого старта, это главный аргумент в его пользу. Команде от трёх до двадцати человек с ролями, историей и SSO — LibreChat или этот интерфейс в контейнере, а не Msty, чей командный тариф платный и стартует от пяти мест. Msty стоит брать только тогда, когда критична готовая Knowledge Stack без настройки векторной базы и закрытый код не пугает.

Платите в рублях за AI-модели без наценки на токены через provod.ai

Лицензионный спор весит больше, чем список фич

У этого инструмента с pip- и Docker-установкой, который обновляется почти еженедельно, за историю лицензия менялась минимум шесть раз: Apache 2.0 → MIT → CC BY-NC-SA → MIT → BSD-3-Clause → кастомная лицензия с собственным именем проекта в конце 2025 года, как фиксирует независимый разбор лицензионной истории проекта. Последняя смена добавила оговорку о бренде: производным форкам нельзя использовать имя и визуальную идентичность проекта без разрешения. Мейнтейнер Тимоти Бэк защищает решение прямо: «The license remains just as permissive and open. You're still free to use, fork, modify, and share». Участник обсуждения на GitHub под ником pombredanne возражает жёстче — в треде о снятии слова open source из описания проекта он пишет: «There should be no reference to this project being open source now that this has been re-licensed under a proprietary license». Для читателя это не терминологический спор. Если вы планируете форкнуть этот проект под своим брендом — уточните формулировку лицензии до того, как накопится история чатов, а не после.

RAG: перетащить файл или настроить пайплайн

У этой оболочки RAG встроен в один контейнер: девять поддерживаемых векторных БД, гибридный поиск BM25 плюс вектор, больше тридцати провайдеров веб-поиска — но выбор embedder и vector store всё равно остаётся за вами, как указано в README проекта. У LibreChat RAG вообще не встроен в основное приложение — это отдельный сервис на LangChain, PostgreSQL с PGVector и FastAPI, поднимаемый дополнительным контейнером рядом с MongoDB и Meilisearch, что видно по официальному repo и docs/features/rag_api. Для человека, который просто хочет закинуть PDF и получить ответ, это лишний слой инфраструктуры.

AnythingLLM и Msty решают ту же задачу проще: документ попадает в рабочую базу через интерфейс без выбора embedder или vector store. У Msty этот слой отдельно назван Knowledge Stack, и страница Msty описывает загрузку файлов или ссылок на YouTube как контекст для модели. Плата за простоту — закрытый движок поиска, чьё качество никто не сравнивал независимо. У Jan RAG вообще помечен разработчиком как экспериментальный: практический обзор с ручным тестированием фиксирует, что функция не показывает номера страниц источника и надёжно держит порядка 200 документов. Для личной библиотеки заметок достаточно, для корпоративной базы знаний — нет.

Роли, SSO и деньги на железо

LibreChat в релизе v0.8.5 от 21 апреля 2026 добавил Admin Panel с настраиваемыми ролями и группами поверх уже существовавшей аутентификации через OAuth2, LDAP и SAML. У Open WebUI набор встроенных командных функций шире: RBAC с ролями и группами, LDAP/AD, OAuth и SCIM 2.0 из коробки. AnythingLLM в Docker-развёртывании тоже разграничивает права между пользователями, лицензирован по MIT, у проекта 63,9 тысячи звёзд на GitHub — но это метрика популярности, а не глубины ролевой модели. У Jan мультипользовательских функций нет вовсе: интерфейс рассчитан на одного человека на одной машине.

Разница ощущается и в ресурсах. Независимая оценка блога serverman.co.uk даёт Docker-развёртываниям этого интерфейса и AnythingLLM около 400–600 МБ RAM, тогда как полный стек LibreChat с MongoDB, Meilisearch и отдельным RAG API требует 500–800 МБ при заявленном минимуме 2 ГБ и рекомендованных 4 ГБ для комфортной многопользовательской работы. Методология автора не опубликована, цифры ориентировочные — но порядок величин достаточен, чтобы на скромном сервере разница решила вопрос раньше, чем список фич.

Сравнение пяти оболочек

Оболочка	Установка	RAG	Роли / мультипользователь	Лицензия и цена	Релизы
WebUI	pip, Docker (`:ollama`, `:cuda`), Compose, k8s	Встроен, 9 vector DB, нужен embedder	RBAC, LDAP/AD, OAuth, SCIM 2.0	Кастомная лицензия с 2025, бесплатно	почти еженедельно
LibreChat	Docker Compose + Mongo + Meilisearch + RAG API	Отдельный сервис LangChain/PGVector	Admin Panel с v0.8.5, OAuth2/LDAP/SAML	открытая, бесплатно	~раз в месяц
AnythingLLM	Desktop или Docker	Встроен, drag-and-drop	Права пользователей в Docker	MIT + платный Pro для «Magic»-функций	~раз в месяц
Jan	Desktop, Flathub, MS Store	Экспериментальный, ~200 документов	Нет	Apache 2.0, бесплатно	~раз в месяц
Msty	Desktop, закрытый код	Knowledge Stack без настройки	Enterprise-тариф от 5 мест	Free / Aurum $149 в год или $349 разово / Teams $300 в год от 5 мест	публичных релизов нет

Постановка вопроса «какая оболочка лучше» предполагает, что все участники играют по одним правилам: открытый код, ноль обязательной оплаты, риск ограничивается качеством фич. Msty ломает эту предпосылку. Веб-доступ и провайдеры уровня Azure и Bedrock открывает тариф Aurum за $149 в год или $349 разово, а командный Enterprise & Teams — $300 в год при минимуме пяти мест. У AnythingLLM похожая, но мягче выраженная история: в 2026 появился платный Pro-тариф, снимающий дневные лимиты на голосовой ввод и другие «Magic»-функции, при этом базовый чат и RAG в self-hosted версии остаются бесплатными — точная цена Pro и условия для команды в документации вендора не зафиксированы. Сравнивать такие продукты с полностью открытым self-hosted стеком по одной шкале «фичи» — методологическая ошибка: риск вендор-лока и риск нехватки фичи — разные оси. Если для вашего сценария принципиальны закрытый код и предсказуемая цена без per-seat минимумов, Msty и платный уровень AnythingLLM выпадают из рассмотрения независимо от удобства Knowledge Stack.

Философия у оставшихся четырёх тоже разная, и это стоит учитывать отдельно от технической спецификации. Создатель LibreChat Дэнни Авила объясняет мотивацию так: «I think for me too it's just owning your own data» — в интервью подкасту Practical AI он описывает стек как полностью настраиваемый от изолированной интранет-сети до закрытого контура. У основателя AnythingLLM Тима Карамбата цель продукта, судя по профилю компании на Y Combinator, описана иначе: магическая коробка без кода и без настройки инфраструктуры для рядового пользователя — философия ближе к Msty, чем к LibreChat, хотя код у AnythingLLM открыт по MIT. Если важен контроль над каждым слоем стека — довод в пользу LibreChat или варианта с RBAC и SCIM 2.0 из коробки. Если важнее скорость запуска без единой команды в терминале — AnythingLLM ближе к тому, что вы на самом деле хотите, чем формально открытый код предполагает.

Ключи и бэкенд — отдельный слой от интерфейса

Все четыре открытые оболочки подключаются по протоколу OpenAI, а это значит, что бэкендом не обязан быть сам OpenAI. Клиент, совместимый с этим протоколом, переключается на любого совместимого провайдера заменой base URL и ключа, без переписывания кода интеграции. Из такого интерфейса или LibreChat можно перейти на provod.ai (российский аналог OpenRouter), который даёт единый API-доступ к каталогу моделей, доступному через платформу, — сама оболочка при этом не знает, откуда физически приходит ответ модели. Это развязывает два решения: сначала выбираете интерфейс под сценарий, потом отдельно — источник моделей под ключи.

Роли и SSO внутри LibreChat или этой оболочки решают, кто заходит в чат и что видит в истории. Кто и сколько тратит токенов в деньгах — отдельная задача биллинга, а не UI. Для команды из 3–20 человек с общими ключами разумно развести эти слои: интерфейс с ролями внутри оболочки и отдельный контур вроде provod.ai, где организация получает общий баланс, роли участников и разграничение доступа к общим ключам — то, что закрывает финансовую и административную часть, которую сам чат-интерфейс не проектировался решать. Оплата при этом идёт в рублях по карте, СБП или счёту, без необходимости искать способ платить зарубежному провайдеру.

С чего начинать

Если сервер не поднимаете и модели держите локально — ставьте Jan через официальный установщик, но проверьте RAG на реальном объёме документов до полного переезда: за пределами пары сотен файлов эта функция пока экспериментальна. Если нужен только чат под свои ключи и минимум настройки — один Docker-контейнер образа :ollama с этой оболочкой; в прикладном смысле это и есть короткий путь от API-ключа к рабочему чату, но отдельно сверьте формулировку бренда в текущей лицензии, если планируете форк. Для команды от трёх человек с ролями и историей — LibreChat через Docker Compose или тот же контейнерный интерфейс; у LibreChat RAG живёт в отдельном контейнере, у второго варианта — в основном образе, и это разница в объёме поднимаемой инфраструктуры, а не в конечном результате. Msty остаётся разумным выбором только тогда, когда закрытый код не смущает, а пятиместный минимум командного тарифа не мешает бюджету.

provod.ai — перенос AI-интеграции без переделки продукта

Если приложение использует OpenAI-совместимый API, во многих случаях меняются только base_url и API-ключ: бизнес-логика, сценарии и привычные инструменты команды остаются на месте.

В одном каталоге — актуальные модели для текста и медиа: GPT от OpenAI, Claude от Anthropic, Gemini от Google, Grok от xAI, DeepSeek, Qwen, GLM, Kimi и MiniMax; для изображений — Nano Banana 2 Pro и GPT Image; для видео — последние версии Seedance, Kling, Veo и Google Omni. Также доступны модели для reasoning, поиска, документов, эмбеддингов, музыки и аудио.

После миграции стоимость модели не становится выше из-за роутера: provod.ai сохраняет официальный тариф провайдера 1:1 и не добавляет собственную наценку.

Проверьте совместимость своей интеграции: миграция с OpenAI SDK · форма регистрации · цены на модели · защита данных по 152-ФЗ