Open WebUI — собственный интерфейс для любых языковых моделей

Open WebUI — открытая платформа, которая разворачивается на вашем сервере и даёт единый интерфейс для работы с любыми языковыми моделями: локальными через Ollama и облачными через OpenAI-совместимые API. По сути, это ваш собственный ChatGPT, где данные остаются у вас.

За 2026 год проект вырос из чат-оболочки в полноценную платформу: к диалогам добавились заметки, командные каналы, Skills и вычислительная среда, в которой агент сам запускает код.

Что это такое

Open WebUI — это self-hosted веб-интерфейс для больших языковых моделей. Вы поднимаете его на своём железе или в облаке, подключаете нужные модели и получаете знакомый чат, но с полным контролем над данными и настройками.

Ключевая идея — provider-agnostic: интерфейс не привязан к одному поставщику моделей. Можно подключить локальную модель через Ollama, облачные OpenAI и Anthropic, любой OpenAI-совместимый сервис — и переключаться между ними прямо в разговоре.

Работает полностью офлайн: по умолчанию платформа не делает внешних запросов и подходит даже для изолированных (air-gapped) сетей.

Краткая история проекта

• 2023 — старт как Ollama WebUI. Проект создал Тим Чжэрян Бэк (Tim Jaeryang Baek, на GitHub — tjbck) как удобную веб-оболочку для локального движка Ollama.
• Переименование в Open WebUI. Когда добавилась поддержка OpenAI-совместимых API, проект перерос привязку к Ollama и получил нейтральное название — интерфейс стал универсальным для любых моделей.
• Рост в одну из крупнейших open-source ИИ-площадок. На август 2026 года проект собрал 147 тысяч звёзд на GitHub, более 366 миллионов загрузок и сообщество из 466 тысяч участников. Проект поддержан Mozilla Builders.
• Эволюция лицензии. Сначала MIT, в начале 2025 — переход на пермиссивную BSD 3-Clause, а с версии 0.6.6 (май 2025) — собственная Open WebUI License с оговоркой о защите брендинга.
• Появление компании. Вокруг проекта выросла Open WebUI Inc. с корпоративным предложением: кастомный брендинг, SLA и долгосрочная поддержка. Ядро остаётся открытым и бесплатным, а корпоративные функции доступа — SSO, RBAC и SCIM — входят в бесплатную сборку.
• 2026 — платформа, а не только чат. Релиз v0.8.0 добавил больше всего кода за раз: Skills, OpenResponses, дашборд аналитики и переработанный интерфейс действий. Тогда же оформился набор из заметок, каналов и Open Terminal.
• v0.11.0 от 27 июля 2026 — пересобранный интерфейс. Команда называет его крупнейшим релизом проекта: единые настройки, новый сайдбар на общем компоненте секций, около 35 новых иконок, переназначаемые горячие клавиши, обновлённый выбор моделей, уведомления и переработанная админ-панель.

Основные возможности

Подключение и развёртывание

Open WebUI ставится несколькими способами — выбирайте под свою инфраструктуру.

Связка с Ollama (самый частый сценарий):

# Скачиваем локальную модель
ollama pull llama3

# Запускаем Open WebUI в Docker и подключаем к локальному Ollama
docker run -d -p 3000:8080 \
  --add-host=host.docker.internal:host-gateway \
  -v open-webui:/app/backend/data \
  --name open-webui \
  ghcr.io/open-webui/open-webui:main

После запуска интерфейс доступен на http://localhost:3000. Если Ollama работает на той же машине, Open WebUI находит модели автоматически: они сразу появляются в списке выбора.

Признак успешного запуска: docker logs -f open-webui идёт без ошибок, страница http://localhost:3000 открывает форму создания первого администратора, а в выпадающем списке моделей виден llama3.

Установка через pip (без Docker):

pip install open-webui
open-webui serve

Для продакшена есть официальные Helm-чарты для Kubernetes, поддержка облачных хранилищ (S3, GCS, Azure Blob), Redis для сессий и горизонтального масштабирования, а также OpenTelemetry для наблюдаемости.

Тарифы и лимиты

• Ядро — бесплатное и открытое. Скачиваете, разворачиваете у себя, используете без оплаты. Лимиты упираются только в ваше железо: чем мощнее сервер и GPU, тем крупнее модели вы потянете локально.
• Облачные модели оплачиваются отдельно — по тарифам их провайдеров (OpenAI, Anthropic и т.д.). Open WebUI здесь только интерфейс.
• Enterprise-лицензия добавляет кастомный брендинг и логотип, SLA-поддержку, LTS-версии. Нужна организациям, которым важны эти возможности.

Enterprise-лицензия: условия и стоимость

Бесплатное открытое ядро закрывает большинство задач. Лицензия нужна в двух случаях: если вы меняете или убираете брендинг Open WebUI, либо если используете корпоративные компоненты вроде Terminals. Продают лицензии только организациям — с частными лицами вендор не работает.

Что входит в Enterprise-лицензию:

• White-label и кастомный брендинг — тема, логотип и UX под вашу компанию
• SLA-поддержка с гарантированным временем ответа
• LTS-версии с долгосрочной поддержкой
• Выделенный менеджер аккаунта: онбординг, регулярные созвоны, стратегия
• Приоритетная обработка запросов на новые функции

Связка с Docling: качественное извлечение документов

Встроенный парсер документов в Open WebUI справляется с простыми файлами, но на сложных PDF с таблицами теряет структуру. Здесь выручает Docling — открытый инструмент IBM, который аккуратно превращает PDF, Word и презентации в чистый текст с сохранением таблиц и порядка чтения.

Open WebUI умеет использовать Docling как движок извлечения (content extraction engine): вы поднимаете Docling Serve, указываете его адрес в Admin Panel → Settings → Documents — и весь загружаемый контент идёт через Docling. Результат — заметно более точные ответы RAG.

Безопасность и обновления

Open WebUI обновляется часто, и часть уязвимостей закрывается именно новыми версиями. Три показательных случая 2026 года: доступ к чужим приватным «воспоминаниям» для авторизованного пользователя (CVE-2026-29071, исправлено в 0.8.6), обход контроля доступа в значениях инструментов (CVE-2026-34222, исправлено в 0.8.11), а также чтение и перезапись чужих баз знаний через retrieval-эндпоинты по UUID коллекции (CVE-2026-45398, исправлено в 0.9.5). Список этим не ограничивается: за 2026 год у проекта вышло заметно больше advisories.

Ограничения и на что обратить внимание

Open WebUI — зрелая платформа, но перед внедрением полезно учитывать несколько моментов:

• Железо под локальные модели. Сам интерфейс лёгкий, но локальные LLM требуют ресурсов: мелкие модели идут на CPU, крупные — только с GPU и достаточным объёмом VRAM.
• Лицензия и брендинг. Для white-label и SaaS-сценариев важна оговорка о брендинге — без enterprise-лицензии убирать логотип Open WebUI нельзя (кроме исключений выше).
• Частые релизы. Проект развивается быстро, изредка с ломающими изменениями. На проде стоит фиксировать версию образа или брать LTS. Крупные обновления вроде v0.11.0 заметно меняют интерфейс, поэтому командам полезно заранее предупреждать пользователей.
• Обновления как часть безопасности. Многопользовательский инстанс требует дисциплины обновлений: несколько уязвимостей доступа к чужим данным закрывались только выходом новой версии.
• RAG требует настройки. Поиск по документам работает из коробки, но за качество отвечают выбор движка извлечения и embeddings — для сложных PDF и таблиц лучше подключить Docling.

Полезные варианты применения

Личный ИИ-ассистент. Своя ИИ-среда, где переписка и документы не уходят в чужое облако. Удобно, если вы много работаете с моделями и не хотите платить за каждый сервис отдельно.

Внутренний ИИ-портал для команды. Один вход для всей компании: роли, группы, ограничение доступа к моделям, SSO. Сотрудники работают с ИИ через единый интерфейс вместо зоопарка из разных подписок.

RAG по внутренним документам. Загружаете регламенты, базу знаний, договоры — и модель отвечает на их основе с ссылками на источники. Хороший способ сделать корпоративную справочную поверх собственных данных.

Хаб для нескольких провайдеров без вендор-лока. Подключаете локальные и облачные модели одновременно, сравниваете ответы бок о бок и выбираете оптимальную модель под задачу и бюджет.

Изолированный (офлайн) контур. Для чувствительных данных или сетей без интернета: всё крутится на своём железе, внешних запросов нет. Частый выбор там, где облако недопустимо по требованиям безопасности.

Сборка специализированных агентов. Через пресеты модели вы упаковываете системный промпт, нужные инструменты и базу знаний в готового ассистента — например, «ревьюер кода по нашим правилам» или «помощник по поддержке на основе нашей документации».

Расширение под свои процессы. Python-инструменты, пайплайны, MCP и OpenAPI позволяют подключить внешние сервисы и встроить ИИ в существующие рабочие контуры, а не наоборот.

Ссылки

• Официальный сайт: openwebui.com
• Документация: docs.openwebui.com
• Исходный код: github.com/open-webui/open-webui

Следующий шаг

Как поднять свою LLM и подключить к Codex

Связанные материалы

• Статья: Перестаньте искать самую умную нейросеть. Стройте среду
• Блог: LM Studio Bionic: агент для открытых моделей
• База знаний: Ollama или LM Studio: что выбрать для старта с локальными моделями

Если вы присматриваетесь к собственной ИИ-среде для себя или команды и не хотите утонуть в настройке и выборе моделей, это как раз тот случай, где полезно разобрать детали под вашу задачу.

Если захотите обсудить, как это применить у себя или в команде — пишите в Telegram @pimenov