Soluções · Interface de chat

VPS para Open WebUI

O Open WebUI é a interface de chat auto-hospedada para o Ollama e qualquer API compatível com OpenAI: contas, histórico, documentos e pesquisa na web em uma única aba do navegador. Ele não publica requisitos mínimos de hardware, então os tamanhos aqui são nossos e estão identificados. Apontado para um modelo hospedado, é um aplicativo leve, e C2-4-80 por $37.90 é mais que suficiente; com o Ollama que ele pode incluir, o modelo também precisa caber na memória, e BD-8 por $12.90 é a máquina mais barata que comporta um modelo 8B com folga.

Implantar BD-8 Comparar todos os planos

Do que ele precisa

Software segundo a documentação, tamanhos identificados pela fonte

O software e as práticas de segurança vêm da documentação do próprio projeto. Quando o projeto não publica requisitos de hardware, os tamanhos indicam de quem são.

Do README do Open WebUI e de docs.openwebui.com

Instale com 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 A interface escuta na porta 8080 dentro do contêiner; a documentação a mapeia para 3000 no host.
Inclui o Ollama? Apenas na imagem :ollama, que reúne os dois em um único contêiner. A imagem :main não inclui: ela se conecta a um Ollama ou a qualquer API compatível com OpenAI que você indicar, por meio de OLLAMA_BASE_URL.
A imagem tem 1,66 GB para download, e o modelo de embedding padrão para pesquisa em documentos ocupa cerca de 500 MB de RAM por worker. A documentação não publica mínimo de CPU, RAM ou disco.
Tudo o que você cria fica no volume /app/backend/data; a documentação adverte para nunca executar sem ele. A primeira conta que você criar se torna a de administrador, e o cadastro é fechado assim que ela existe.

Tamanhos (nossos: a documentação não publica um mínimo)

Dimensionamento por carga de trabalho
Carga de trabalho	vCPU	RAM
Open WebUI com uma API hospedada ou um Ollama separadoNossos. A imagem, o aplicativo e o embedder para pesquisa em documentos cabem com folga; um punhado de usuários conversando.	2	4 GB
Open WebUI com o Ollama incluído e um modelo 8BNossos. Um modelo 8B é um download de 4,9 GB e precisa caber na memória junto com o aplicativo. Alguns tokens por segundo em uma CPU.	4	8 GB
Ollama incluído com um modelo 14B, ou várias pessoas ao mesmo tempoNossos. Um modelo 14B tem 9,3 GB; o restante é memória para o aplicativo, seu embedder e conversas simultâneas.	8	24 GB

Os planos adequados

4 máquinas, com preços em tempo real

Máquina adequada mais barata primeiro. Preços de hoje, por mês, lidos do catálogo.

C2-4-80$37.90/mês
2 vCPU · 4 GB · 80 GB de disco · 3 TB
Apenas modelos hospedados: a instalação leve. 2 vCPU / 4 GB / 80 GB. Open WebUI com uma chave de API ou um Ollama em outro lugar. Escolha pela cidade, não pelo tamanho.
Implantar
BD-8$12.90/mês
4 vCPU · 8 GB · 100 GB de disco · 32 TB
O mais barato com espaço para o Ollama incluído e um modelo 8B. 4 vCPU, 8 GB, 100 GB para a imagem e os downloads de modelos. O dobro da memória da instalação leve, para o modelo.
Implantar
C4-8-160$75.90/mês
4 vCPU · 8 GB · 160 GB de disco · 3 TB
O mesmo formato com 160 GB, em mais cidades. 4 vCPU / 8 GB / 160 GB, para quando as cidades da linha mais barata não servirem ou você quiser uma biblioteca de modelos maior.
Implantar
BD-24$31.90/mês
8 vCPU · 24 GB · 300 GB de disco · 32 TB
8 vCPU / 24 GB para modelos 14B e uma equipe. Um modelo 14B e várias conversas simultâneas, com disco para uma biblioteca de documentos.
Implantar

Planos adequados, com preços em tempo real
Plano	vCPU	RAM	Disco	Transferência	Preço	Implantar
C2-4-80Apenas modelos hospedados: a instalação leve2 vCPU / 4 GB / 80 GB. Open WebUI com uma chave de API ou um Ollama em outro lugar. Escolha pela cidade, não pelo tamanho.	2	4 GB	80 GB	3 TB	$37.90/mês	Implantar
BD-8O mais barato com espaço para o Ollama incluído e um modelo 8B4 vCPU, 8 GB, 100 GB para a imagem e os downloads de modelos. O dobro da memória da instalação leve, para o modelo.	4	8 GB	100 GB	32 TB	$12.90/mês	Implantar
C4-8-160O mesmo formato com 160 GB, em mais cidades4 vCPU / 8 GB / 160 GB, para quando as cidades da linha mais barata não servirem ou você quiser uma biblioteca de modelos maior.	4	8 GB	160 GB	3 TB	$75.90/mês	Implantar
BD-248 vCPU / 24 GB para modelos 14B e uma equipeUm modelo 14B e várias conversas simultâneas, com disco para uma biblioteca de documentos.	8	24 GB	300 GB	32 TB	$31.90/mês	Implantar

Ainda não há um preset de inicialização para o Open WebUI: a instalação são os quatro passos abaixo, digitados por você. São os comandos da própria documentação, com uma alteração identificada.

A instalação

Quatro passos, a partir da documentação do Open WebUI

Docker, o contêiner, a conta de administrador e depois um modelo. Faça o passo 3 imediatamente: a primeira conta criada é a de administrador.

Docker. curl -fsSL https://get.docker.com | sh Verifique com docker --version.
Gere uma chave secreta e inicie. Execute openssl rand -hex 32 e guarde a saída; a documentação a passa como WEBUI_SECRET_KEY. Nossa única alteração no comando deles: 127.0.0.1:3000:8080 mantém a porta fora da internet pública até você ter 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 Para o Ollama incluído, troque a imagem por ghcr.io/open-webui/open-webui:ollama e adicione -v ollama:/root/.ollama.
Crie o administrador agora. No seu laptop, ssh -N -L 3000:127.0.0.1:3000 root@your-server e depois abra http://127.0.0.1:3000. A primeira tela oferece Create Admin Account; essa conta gerencia todas as configurações, e o cadastro se desativa sozinho depois dela.
Conecte um modelo e depois um domínio. Em Configurações de administrador, Conexões: adicione uma chave de API compatível com OpenAI ou o endereço do seu Ollama. Para um Ollama no mesmo host, o README indica usar --network=host com -e OLLAMA_BASE_URL=http://127.0.0.1:11434; a porta passa então a ser 8080. Para HTTPS, coloque um proxy reverso na frente e defina proxy_buffering off; no bloco location dele, ou as respostas transmitidas chegarão corrompidas.

Com franqueza

O que nós realmente compraríamos

O projeto não indica um mínimo, então compre pensando no modelo, não na interface.

Para o Open WebUI com seu próprio Ollama

BD-8 · $12.90/mês

4 vCPU, 8 GB e 100 GB por $12.90: a imagem de 1,66 GB, o embedder e um modelo 8B na memória ao lado deles, respondendo a alguns tokens por segundo em uma CPU. Isso serve para uma pessoa ou uma equipe pequena que pergunta com paciência, não para uma sala cheia de gente esperando. Se todos os seus modelos forem hospedados, C2-4-80 por $37.90 oferece a mesma interface por menos. Se as pessoas precisam de respostas locais rápidas, a linha GPU é a resposta honesta, e a imagem :cuda foi feita para isso.

Implantar BD-8 C2-4-80 apenas para modelos hospedados

Perguntas

O que as pessoas perguntam antes de comprar.

Quais são os requisitos de sistema do Open WebUI?

O projeto não publica nenhum: o README, o guia de início rápido e o guia de desempenho não indicam mínimo de CPU, RAM ou disco. O que dizem é que a imagem :main é um download de 1,66 GB (176 MB para a imagem :slim, que deixa de fora a pilha de machine learning incluída) e que o modelo de embedding padrão para pesquisa em documentos ocupa cerca de 500 MB de RAM por processo worker. Os tamanhos nesta página são nossos, deduzidos desses números e do modelo que você escolher executar junto.

O Open WebUI inclui o Ollama?

Apenas se você pedir. A imagem :ollama reúne o Open WebUI e o Ollama em um único contêiner, iniciado com um segundo volume para os modelos. A imagem :main não: ela se conecta a um Ollama que você executa em outro lugar, ou na mesma máquina, e a qualquer API compatível com OpenAI, como provedores hospedados ou vLLM. Nossa página do Ollama dimensiona o lado do modelo pela RAM.

Qual porta ele usa?

O aplicativo escuta na porta 8080 dentro do contêiner, e a documentação a publica como 3000 no host com -p 3000:8080. Se você usar --network=host para acessar um Ollama na mesma máquina, a porta passa a ser 8080. Mantenha-a em loopback e use um túnel SSH até que a conta de administrador exista e haja HTTPS na frente, pois a primeira conta criada é a de administrador.

Preciso de uma GPU?

Não para o Open WebUI em si, que é um aplicativo web. Uma GPU só importa para o modelo: a imagem :cuda o executa em uma placa Nvidia e, sem ela, um Ollama incluído ou separado responde na CPU, lentamente. Se os modelos forem hospedados por trás de uma chave de API, nenhuma GPU é necessária.

Onde ficam meus dados e como faço para atualizar?

No volume montado em /app/backend/data: conversas, usuários e configurações, em SQLite por padrão. A documentação diz para nunca executar sem ele. Para atualizar, baixe a nova imagem, remova o contêiner e execute o mesmo comando novamente com o mesmo volume e a mesma chave secreta. A documentação recomenda PostgreSQL quando muitas pessoas o usam ao mesmo tempo.

Quantas pessoas uma VPS consegue atender?

A documentação não dá um número. Ela diz que os padrões servem para uso pessoal: SQLite como banco de dados, um armazenamento vetorial local que não é seguro com mais de um worker e um modelo de embedding carregado no próprio aplicativo. Para uma equipe com muito uso, ela indica PostgreSQL, Redis e um serviço de embedding externo, e tirar os embeddings da máquina libera centenas de megabytes por worker.

Open WebUI, Dify ou AnythingLLM?

O Open WebUI é a interface de chat: você fornece os modelos e ele oferece às pessoas contas, histórico, documentos e ferramentas no navegador. O Dify é uma plataforma para criar aplicativos e fluxos de trabalho com LLM, e o AnythingLLM tem seu próprio design de chat com documentos. Os três rodam no mesmo tipo de máquina, e cada um tem uma página aqui com seus próprios requisitos.

Continue lendo