Saltar al contenido

Soluciones · Chat multimodelo

Un VPS para LibreChat

LibreChat es la interfaz de chat de código abierto para muchos modelos a la vez: OpenAI, Anthropic, Google y modelos locales a través de un endpoint compatible con OpenAI, con agentes, búsqueda de archivos y cuentas para todo un equipo. Su documentación no publica ninguna cifra de RAM ni de CPU, y el archivo Docker Compose oficial inicia seis contenedores, así que dimensionamos a partir de eso. BD-8 a $12.90 al mes es la máquina más económica con margen real; C2-4-80 a $37.90 es la configuración más pequeña para un usuario o un grupo reducido.

Implementar BD-8Comparar todos los planes

Lo que necesita

Software según la documentación, tamaños etiquetados por fuente

El software y la configuración de seguridad provienen de la documentación oficial del proyecto. Cuando el proyecto no publica requisitos de hardware, los tamaños indican de quién son.

De la documentación de LibreChat y su archivo compose

  • Git y Docker, en Linux. La guía de Docker en librechat.ai no indica nada más, ni establece requisitos de RAM, CPU o disco.
  • Instalación: clone el repositorio y luego cp .env.example .env && docker compose up -d. La aplicación responde en el puerto 3080; un segundo contenedor, el panel de administración, responde en el puerto 3000.
  • El archivo compose oficial inicia seis contenedores: la aplicación LibreChat, su panel de administración, MongoDB para conversaciones y cuentas, Meilisearch para la búsqueda de conversaciones, una base de datos pgvector y la RAG API para la búsqueda de archivos.
  • Los modelos son claves, no hardware. Las claves de OpenAI, Anthropic y Google van en .env, o cada usuario introduce la suya en la interfaz. Un modelo local es un endpoint aparte de Ollama u otro compatible con OpenAI que usted añade en librechat.yaml, así que esta máquina no necesita GPU.

Tamaños (nuestros, a partir de los seis contenedores que inicia el archivo compose)

Dimensionamiento por carga de trabajo
Carga de trabajovCPURAM
Un usuario o un grupo reducido, pocos chats, sin búsqueda de archivos intensivaNuestro. Seis contenedores ocupan memoria propia aun en reposo; es lo mínimo con lo que los ejecutaríamos.24 GB
Un equipo, búsqueda de archivos activada, índice de búsqueda en crecimientoNuestro. MongoDB, Meilisearch y la base de datos vectorial necesitan margen, y generar embeddings de los archivos subidos consume CPU.48 GB
Muchos usuarios, grandes conjuntos de documentos, conversaciones guardadas durante añosNuestro. El almacén de conversaciones, el índice de búsqueda y los vectores crecen con el uso.816 GB

Los planes adecuados

5 máquinas, con precio en tiempo real

Primero la máquina adecuada más barata. Precios de hoy, por mes, tomados del catálogo.

  • BD-8$12.90/mes

    4 vCPU · 8 GB · 100 GB de disco · 32 TB

    El más económico con espacio para todo el stack. Holgado para un equipo: los seis contenedores, las subidas de archivos y el índice de búsqueda, con memoria de sobra.

    Implementar
  • BD-12$17.90/mes

    6 vCPU · 12 GB · 200 GB de disco · 32 TB

    Más disco para archivos subidos y vectores. Para una biblioteca de documentos real detrás de la búsqueda de archivos y años de conversaciones guardadas.

    Implementar
  • BD-24$31.90/mes

    8 vCPU · 24 GB · 300 GB de disco · 32 TB

    Un equipo grande o varios usuarios intensivos. Memoria de sobra para que MongoDB, Meilisearch y la base de datos vectorial crezcan.

    Implementar
  • C2-4-80$37.90/mes

    2 vCPU · 4 GB · 80 GB de disco · 3 TB

    La configuración más pequeña, para uno o pocos usuarios. Ejecuta el stack; no ejecute además un modelo local ni compilaciones en ella. Elíjala por la ciudad, no por el tamaño.

    Implementar
  • C4-8-160$75.90/mes

    4 vCPU · 8 GB · 160 GB de disco · 3 TB

    El tamaño holgado cuando las ciudades de la fila más económica no le convienen. La misma configuración que la fila más económica, para un equipo que necesita otra ciudad.

    Implementar

Todavía no hay un preajuste de inicio para LibreChat: la instalación son los pasos siguientes, que usted escribe. Son los comandos de la propia documentación de LibreChat, más los secretos que pide su archivo compose.

La instalación

Cuatro pasos, de la documentación de LibreChat

Docker, el stack de compose, la primera cuenta y después sus modelos. Registre su propia cuenta en cuanto el stack esté en marcha: la primera cuenta creada se convierte en la de administrador.

  1. Docker. curl -fsSL https://get.docker.com | sh Después compruebe que docker compose version responde.
  2. Clone y configure. git clone https://github.com/LibreChat-AI/LibreChat.git cd LibreChat && cp .env.example .env En .env, configure MEILI_MASTER_KEY (al menos 16 caracteres) y ADMIN_PANEL_SESSION_SECRET, sin el cual el panel de administración no arranca. Si los contenedores informan de errores de permisos, configure UID y GID con el usuario que ejecuta compose.
  3. Inícielo y regístrese primero. docker compose up -d docker compose ps debería mostrar los seis contenedores en marcha. Abra http://your-ip:3080 y pulse Register: no hay usuario predeterminado. Hasta tener HTTPS delante, mantenga 3080 y 3000 detrás del firewall y acceda a la aplicación por SSH: ssh -N -L 3080:127.0.0.1:3080 root@your-server
  4. Añada modelos y después un dominio. Ponga OPENAI_API_KEY, ANTHROPIC_API_KEY y GOOGLE_KEY en .env, o déjelos como user_provided para que cada usuario introduzca su propia clave. Para un modelo local, añada un endpoint de Ollama en librechat.yaml; desde dentro del contenedor la dirección es host.docker.internal, no localhost. Para HTTPS, apunte un registro A al servidor, ponga un proxy inverso delante y configure DOMAIN_CLIENT y DOMAIN_SERVER en .env con la dirección pública. Cuando sus usuarios se hayan registrado, establezca ALLOW_REGISTRATION en false.

Con franqueza

Lo que realmente compraríamos

LibreChat no indica ningún mínimo e inicia seis contenedores. Contrate la máquina de 8 GB.

Para LibreChat y un equipo

BD-8 · $12.90/mes

4 vCPU, 8 GB y 100 GB a $12.90: todo el stack oficial con memoria libre para que MongoDB, Meilisearch y la base de datos vectorial crezcan, disco para archivos subidos y CPU para generar embeddings de documentos sin que el chat se bloquee. Los modelos están en otro lugar, tras una clave de API, así que esta máquina nunca necesita GPU. Si necesita una ciudad que la fila más económica no tiene, C4-8-160 a $75.90 es la misma configuración en otro lugar.

Implementar BD-8C4-8-160 en más ciudades

Preguntas

Lo que se pregunta antes de contratar uno.

¿Cuáles son los requisitos del sistema de LibreChat?
Su documentación no publica ninguno. La guía de Docker indica Git y Docker como requisitos previos y no dice nada sobre RAM, CPU ni disco. Lo que sí podemos leer es el archivo compose oficial, que inicia seis contenedores: la aplicación LibreChat, un panel de administración, MongoDB, Meilisearch, una base de datos pgvector y la RAG API. Los tamaños de esta página son nuestros, razonados a partir de ese stack, y la tabla lo indica. Con 8 GB, un equipo deja de ir justo.
¿LibreChat necesita una GPU?
No. LibreChat es la interfaz: llama al modelo que usted configure, mediante una clave de API de OpenAI, Anthropic, Google y otros, o mediante un endpoint personalizado como Ollama. Si además quiere alojar un modelo usted mismo, eso es otra máquina y otra cuestión: la página de Ollama dimensiona la inferencia en CPU por modelo, y la línea GPU es donde está la velocidad interactiva.
¿Qué puertos usa?
El archivo compose publica la aplicación en el PORT de .env, 3080 por defecto, y el panel de administración en el 3000. MongoDB, Meilisearch, la base de datos vectorial y la RAG API no se publican y permanecen en la red de compose. La aplicación usa HTTP sin cifrar, así que mantenga 3080 y 3000 bloqueados en el firewall hasta que un proxy inverso le proporcione HTTPS, y registre primero su propia cuenta: la primera que se crea pasa a ser la de administrador.
¿Qué claves de API necesito?
Ninguna para iniciar el stack, y una por cada proveedor que quiera usar. OPENAI_API_KEY, ANTHROPIC_API_KEY y GOOGLE_KEY tienen por defecto el valor user_provided en .env.example, lo que significa que cada usuario introduce su propia clave en la interfaz; ponga ahí una clave real para compartir una entre todos. La búsqueda de archivos es aparte: la RAG API usa por defecto embeddings de OpenAI, y RAG_OPENAI_API_KEY sustituye a OPENAI_API_KEY para ella, así que la búsqueda de archivos necesita una clave de embeddings a menos que cambie el proveedor.
¿Cómo uso modelos locales con él?
Añada un endpoint personalizado en librechat.yaml que apunte a un servidor compatible con OpenAI como Ollama, en su dirección /v1/ en el puerto 11434. La propia guía de LibreChat indica usar host.docker.internal en lugar de localhost cuando LibreChat se ejecuta en un contenedor, y que Ollama ignora la clave de API pero el campo no puede estar vacío. Ejecute el modelo en su propia máquina si no es uno pequeño; las máquinas de esta página están dimensionadas para la interfaz.
¿LibreChat, Open WebUI o Dify?
LibreChat y Open WebUI son ambas interfaces de chat para muchos modelos, y LibreChat se apoya en cuentas multiusuario, agentes y herramientas MCP con proveedores alojados. Dify es una plataforma de aplicaciones LLM: prompts, flujos de trabajo y aplicaciones RAG que usted crea y expone, más que una interfaz de chat para un equipo. Todas funcionan en las mismas máquinas, y tenemos una página para cada una.
¿Cómo lo actualizo?
Según la documentación: docker compose down, elimine las imágenes antiguas, git pull, docker compose pull y luego docker compose up. Haga antes una copia de seguridad del directorio data-node (MongoDB), del directorio de datos de Meilisearch y de su .env: son las conversaciones, el índice de búsqueda y las claves.

Siga leyendo

Relacionado