Aller au contenu

Solutions · Interface de chat

Un VPS pour Open WebUI

Open WebUI est l'interface de chat auto-hébergée pour Ollama et toute API compatible OpenAI : comptes, historique, documents et recherche web dans un seul onglet. Il ne publie aucun minimum matériel, les tailles indiquées ici sont donc les nôtres, et signalées comme telles. Connecté à un modèle hébergé, c'est une application légère, et C2-4-80 à $37.90 suffit largement ; avec l'Ollama qu'il peut intégrer, le modèle doit aussi tenir en mémoire, et BD-8 à $12.90 est la machine la moins chère qui accueille un modèle 8B avec de la marge.

Déployer BD-8Comparer toutes les offres

Ce qu’il lui faut

Logiciels issus de la documentation, tailles indiquées avec leur source

Les logiciels et la configuration de sécurité proviennent de la documentation du projet lui-même. Lorsque le projet ne publie aucun chiffre matériel, les tailles indiquent de qui elles viennent.

D'après le README d'Open WebUI et docs.openwebui.com

  • Installation avec Docker : docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main L'interface écoute sur le port 8080 dans le conteneur ; la documentation le mappe sur 3000 sur l'hôte.
  • Inclut-il Ollama ? Seulement dans l'image :ollama, qui regroupe les deux dans un seul conteneur. L'image :main ne l'inclut pas : elle se connecte à un Ollama ou à toute API compatible OpenAI que vous lui indiquez, via OLLAMA_BASE_URL.
  • L'image représente un téléchargement de 1,66 GB, et le modèle d'embedding par défaut pour la recherche dans les documents occupe environ 500 MB de RAM par worker. La documentation ne publie aucun minimum de CPU, RAM ou disque.
  • Tout ce que vous créez est stocké dans le volume /app/backend/data ; la documentation avertit de ne jamais s'en passer. Le premier compte créé devient l'administrateur, et l'inscription se ferme dès qu'il existe.

Tailles (les nôtres : la documentation ne publie aucun minimum)

Dimensionnement par usage
Charge de travailvCPURAM
Open WebUI avec une API hébergée ou un Ollama séparéNotre estimation. L'image, l'application et l'embedder pour la recherche dans les documents tiennent avec de la marge ; quelques utilisateurs en conversation.24 GB
Open WebUI avec l'Ollama intégré et un modèle 8BNotre estimation. Un modèle 8B représente un téléchargement de 4,9 GB et doit tenir en mémoire à côté de l'application. Quelques tokens par seconde sur un CPU.48 GB
Ollama intégré avec un modèle 14B, ou plusieurs personnes à la foisNotre estimation. Un modèle 14B pèse 9,3 GB ; le reste est la mémoire pour l'application, son embedder et les conversations simultanées.824 GB

Les offres adaptées

4 machines, prix en temps réel

Machine adaptée la moins chère en premier. Prix du jour, par mois, issus du catalogue.

  • C2-4-80$37.90/mois

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

    Modèles hébergés uniquement : l'installation légère. 2 vCPU / 4 GB / 80 GB. Open WebUI avec une clé API ou un Ollama ailleurs. Choisissez-le pour la ville, pas pour la taille.

    Déployer
  • BD-8$12.90/mois

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

    Le moins cher avec de la place pour l'Ollama intégré et un modèle 8B. 4 vCPU, 8 GB, 100 GB pour l’image et les téléchargements de modèles. Deux fois la mémoire de l’installation légère, pour le modèle.

    Déployer
  • C4-8-160$75.90/mois

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

    La même configuration avec 160 GB, dans davantage de villes. 4 vCPU / 8 GB / 160 GB, si les villes de la ligne la moins chère ne vous conviennent pas ou si vous voulez une bibliothèque de modèles plus grande.

    Déployer
  • BD-24$31.90/mois

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

    8 vCPU / 24 GB pour les modèles 14B et une équipe. Un modèle 14B et plusieurs conversations simultanées, avec du disque pour une bibliothèque de documents.

    Déployer

Il n'existe pas encore de préréglage de démarrage pour Open WebUI : l'installation consiste en les quatre étapes ci-dessous, que vous saisissez vous-même. Ce sont les commandes de sa propre documentation, avec une modification signalée.

L’installation

Quatre étapes, d'après la documentation d'Open WebUI

Docker, le conteneur, le compte administrateur, puis un modèle. Faites l'étape 3 immédiatement : le premier compte créé est l'administrateur.

  1. Docker. curl -fsSL https://get.docker.com | sh Vérifiez avec docker --version.
  2. Générez une clé secrète et démarrez. Exécutez openssl rand -hex 32 et conservez le résultat ; la documentation le transmet comme WEBUI_SECRET_KEY. Notre seule modification de leur commande : 127.0.0.1:3000:8080 garde le port hors de l'internet public tant que vous n'avez pas HTTPS. docker run -d -p 127.0.0.1:3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data -e WEBUI_SECRET_KEY=your-secret-key --name open-webui --restart always ghcr.io/open-webui/open-webui:main Pour l'Ollama intégré, remplacez l'image par ghcr.io/open-webui/open-webui:ollama et ajoutez -v ollama:/root/.ollama.
  3. Créez l'administrateur tout de suite. Depuis votre ordinateur, ssh -N -L 3000:127.0.0.1:3000 root@your-server puis ouvrez http://127.0.0.1:3000. Le premier écran propose Create Admin Account ; ce compte gère tous les paramètres, et l'inscription se désactive d'elle-même ensuite.
  4. Connectez un modèle, puis un domaine. Dans Admin settings, Connections : ajoutez une clé API compatible OpenAI, ou l'adresse de votre Ollama. Pour un Ollama sur le même hôte, le README indique d'utiliser --network=host avec -e OLLAMA_BASE_URL=http://127.0.0.1:11434 ; le port devient alors 8080. Pour HTTPS, placez un reverse proxy devant et définissez proxy_buffering off; dans son bloc location, sinon les réponses en streaming arrivent illisibles.

En toute franchise

Ce que nous achèterions vraiment

Le projet n'indique aucun minimum : dimensionnez pour le modèle, pas pour l'interface.

Pour Open WebUI avec son propre Ollama

BD-8 · $12.90/mois

4 vCPU, 8 GB et 100 GB à $12.90 : l'image de 1,66 GB, l'embedder et un modèle 8B en mémoire à côté, qui répond à quelques tokens par seconde sur un CPU. Cela convient à une personne ou à une petite équipe patiente, pas à une salle entière qui attend. Si tous vos modèles sont hébergés, C2-4-80 à $37.90 offre la même interface pour moins cher. Si vos utilisateurs ont besoin de réponses locales rapides, la gamme GPU est la réponse honnête, et l'image :cuda est conçue pour elle.

Déployer BD-8C2-4-80 pour les modèles hébergés uniquement

Questions

Les questions posées avant l’achat.

Quelle est la configuration requise pour Open WebUI ?
Le projet n'en publie aucune : son README, son guide de démarrage rapide et son guide de performances ne donnent aucun minimum de CPU, RAM ou disque. Ils indiquent en revanche que l'image :main représente un téléchargement de 1,66 GB (176 MB pour l'image :slim, qui omet la pile d'apprentissage automatique intégrée), et que le modèle d'embedding par défaut pour la recherche dans les documents occupe environ 500 MB de RAM par processus worker. Les tailles de cette page sont les nôtres, déduites de ces chiffres et du modèle que vous choisissez d'exécuter à côté.
Open WebUI inclut-il Ollama ?
Seulement si vous le demandez. L'image :ollama regroupe Open WebUI et Ollama dans un seul conteneur, lancé avec un second volume pour les modèles. L'image :main ne l'inclut pas : elle se connecte à un Ollama exécuté ailleurs, ou sur la même machine, et à toute API compatible OpenAI, comme des fournisseurs hébergés ou vLLM. Notre page Ollama dimensionne la partie modèle selon la RAM.
Quel port utilise-t-il ?
L'application écoute sur 8080 dans le conteneur, et la documentation la publie sur 3000 sur l'hôte avec -p 3000:8080. Si vous utilisez --network=host pour joindre un Ollama sur la même machine, le port est 8080. Gardez-la sur loopback et utilisez un tunnel SSH tant que le compte administrateur n'existe pas et que HTTPS n'est pas en place, car le premier compte créé est l'administrateur.
Ai-je besoin d’un GPU ?
Pas pour Open WebUI lui-même, qui est une application web. Un GPU ne compte que pour le modèle : l'image :cuda l'exécute sur une carte Nvidia, et sans carte, un Ollama intégré ou séparé répond sur le CPU, lentement. Si les modèles sont hébergés derrière une clé API, aucun GPU n'intervient.
Où sont mes données, et comment mettre à jour ?
Dans le volume monté sur /app/backend/data : conversations, utilisateurs et paramètres, dans SQLite par défaut. La documentation dit de ne jamais s'en passer. Pour mettre à jour, téléchargez la nouvelle image, supprimez le conteneur et relancez la même commande avec le même volume et la même clé secrète. La documentation recommande PostgreSQL dès que de nombreuses personnes l'utilisent en même temps.
Combien de personnes un VPS peut-il servir ?
La documentation ne donne pas de chiffre. Elle indique que les réglages par défaut conviennent à un usage personnel : SQLite pour la base de données, un stockage vectoriel local qui n'est pas sûr avec plus d'un worker, et un modèle d'embedding chargé dans l'application elle-même. Pour une équipe active, elle recommande PostgreSQL, Redis et un service d'embedding externe, et déporter les embeddings hors de la machine libère des centaines de mégaoctets par worker.
Open WebUI, Dify ou AnythingLLM ?
Open WebUI est l'interface de chat : vous apportez les modèles, et il offre aux utilisateurs comptes, historique, documents et outils dans le navigateur. Dify est une plateforme pour créer des applications et des workflows LLM, et AnythingLLM a sa propre conception du chat sur documents. Les trois tournent sur le même type de machine, et chacun a ici sa page avec ses propres exigences.

Poursuivre la lecture

Voir aussi