Comparar los frontends de chat

#¿Qué es exactamente un frontend?

Un frontend es la interfaz web o de escritorio que se comunica con un servidor de inferencia: Ollama, LM Studio, llama-server, vLLM o una API en la nube. Gestiona el historial de conversaciones, la visualización de Markdown, las cuentas, la subida de archivos y, a veces, la búsqueda en tus documentos y los agentes. No ejecuta el modelo: si el servidor que hay detrás está detenido o saturado, la interfaz no puede hacer nada.

El punto de conexión es casi siempre una API compatible con OpenAI. Ollama expone la suya en http://localhost:11434/v1/ y acepta cualquier clave ficticia, lo que permite conectar la práctica totalidad de los frontends sin configuración específica. Ten esto en cuenta: elegir un frontend no condiciona la elección del motor, y puedes cambiar uno sin tener que rehacer el otro.

#La comparativa en una tabla

Los criterios que se presentan a continuación son los que realmente determinan un despliegue: licencia (condiciona el uso comercial), autenticación (condiciona la posibilidad de compartir), documentos (condicionan el uso en empresas) y esfuerzo de instalación. Los recuentos de estrellas de GitHub, registrados el 30 de septiembre de 2026, miden solo la popularidad, no la calidad.

#La licencia de Open WebUI: el detalle que muchos repiten mal

Muchas comparativas, incluida la versión anterior de esta guía, presentan Open WebUI como un proyecto con licencia MIT. Esto ya no es exacto. El archivo LICENSE del repositorio contiene una licencia de tipo BSD de tres cláusulas, a la que se añade una cuarta: prohíbe modificar, eliminar o reemplazar la marca «Open WebUI» (nombre, logotipo, identificadores visuales), salvo que el despliegue no supere los cincuenta usuarios en cualquier período móvil de treinta días, que tengas una autorización escrita del titular o que dispongas de una licencia empresarial.

Qué cambia en la práctica. Uso personal, familia, equipo pequeño: nada. Despliegue para más de cincuenta usuarios con tu propio diseño (logo de la empresa, nombre del producto): necesitas una autorización o una licencia empresarial, o conservar la marca. Usar la interfaz tal cual, con la marca visible, sigue siendo posible. Si contemplas un despliegue a gran escala, lee el archivo LICENSE y su historial en el repositorio, y pide a la persona encargada de las licencias que lo revise.

#Open WebUI : la opción por defecto con Ollama

Open WebUI se describe como una plataforma de IA autoalojada, extensible y capaz de funcionar completamente sin conexión, con soporte para Ollama y API compatibles con OpenAI. Su principal ventaja para un principiante es la puesta en marcha: un solo comando de Docker y, después, un navegador. Ofrece un RAG local basado en varias bases de datos vectoriales, una gestión detallada de roles y grupos y autenticación empresarial (LDAP, Active Directory, SSO, SCIM).

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

Abre a continuación http://localhost:3000 y crea la primera cuenta, que pasa a ser administradora. Si Ollama se ejecuta en otro servidor, el README indica que hay que definir la variable OLLAMA_BASE_URL. El volumen open-webui conserva tus datos: sin él, cada recreación del contenedor borra el historial y las cuentas.

Limitaciones que conviene conocer: la interfaz ofrece muchas funciones y a veces está recargada, cada función adicional añade elementos que configurar y actualizar, y la cláusula de marca descrita más arriba se aplica a los despliegues importantes.

#LibreChat: varios proveedores en una sola interfaz

LibreChat está dirigido a los equipos que quieren una sola interfaz para varios proveedores: su repositorio menciona Anthropic, OpenAI, Azure, Groq, Mistral, OpenRouter, Vertex AI y Gemini, con configuraciones predefinidas, un panel de administración y autenticación multiusuario mediante OAuth2, LDAP o correo electrónico. El proyecto está bajo licencia MIT, sin condiciones relativas a la marca.

Caso típico: un equipo que quiere usar Ollama internamente, pero mantiene acceso a un proveedor en la nube para ciertas solicitudes, con una sola interfaz y seguimiento de las cuotas. Como contrapartida, el despliegue se realiza mediante Docker Compose con varios servicios, y la orientación «local primero» es menos marcada que con Open WebUI.

#AnythingLLM: cuando el objetivo es hablar con tus documentos

AnythingLLM se presenta como una aplicación todo en uno para conversar con tus documentos y usar agentes, en modo multiusuario y sin una configuración compleja. Su punto fuerte es la organización en espacios de trabajo (uno por proyecto, cliente o tema) y la disponibilidad de una aplicación de escritorio para Mac, Windows y Linux: se instala como cualquier programa convencional, sin Docker. La licencia es MIT.

Punto que debes tener en cuenta: el README indica que la aplicación incluye una función de telemetría que recopila información de uso anónima. Si necesitas trabajar estrictamente sin conexión o preservar la confidencialidad de un entorno sensible, desactiva esta recopilación en los ajustes antes de conectar cualquier dato y comprueba qué sale realmente por la red.

• AnythingLLM: RAG listo para producción en local

#SillyTavern: el juego de rol y la ficción

SillyTavern está diseñado para juegos de rol y ficción interactiva. El repositorio lo describe como una interfaz unificada para muchas API de LLM (KoboldAI/CPP, Horde, NovelAI, Ooba, Tabby, OpenAI, OpenRouter, Claude, Mistral y otras), con modo de novela visual, lorebooks (WorldInfo), generación de imágenes, síntesis de voz y extensiones de terceros. Está bajo licencia AGPL-3.0, más restrictiva para su uso como servicio.

No está diseñado para reemplazar un chat profesional: la interfaz es densa y está orientada a personajes, no a cuentas empresariales. Para un uso profesional, descártalo. Para la escritura creativa con ajustes de muestreo detallados, es el más completo.

• SillyTavern: la interfaz de personajes para un LLM local

#Big-AGI: productividad con varios modelos

Big-AGI es una suite de IA que puedes desplegar tú mismo, bajo licencia MIT. Su repositorio destaca personas, conversaciones Beam con múltiples modelos, generación de imágenes, voz, importación de PDF y despliegue en las propias instalaciones. Con alrededor de 7.000 estrellas en GitHub, la comunidad es claramente más pequeña que la de Open WebUI o de AnythingLLM: espera menos tutoriales, menos respuestas ya preparadas en caso de problemas y una mayor dependencia de un pequeño número de mantenedores.

#Lo que ningún frontend resuelve: los usuarios simultáneos

Abrir la interfaz para cinco colegas no hace que la máquina sea cinco veces más capaz. Cada frontend envía sus solicitudes al mismo motor, y es este quien las procesa. Según la FAQ de Ollama, un modelo procesa por defecto una sola solicitud a la vez (OLLAMA_NUM_PARALLEL vale 1); las solicitudes siguientes se colocan en cola, hasta un máximo de 512 por defecto, y luego se rechazan.

Habilitar el paralelismo tiene un coste directo en memoria. La documentación especifica que la memoria necesaria crece como el producto del número de solicitudes paralelas por la longitud del contexto: un contexto de 2.000 tokens con 4 solicitudes paralelas asigna el equivalente a 8.000 tokens. Para un modelo de 27 mil millones de parámetros que ya está cerca del límite de la tarjeta, el paralelismo puede superar la capacidad de memoria y hacer que parte del modelo pase a ejecutarse en el procesador, lo que ralentiza el servicio para todos.

La regla práctica: dimensiona el motor antes que la interfaz. Cuando hay más de unos pocos usuarios activos al mismo tiempo, un servidor diseñado para una alta capacidad de procesamiento, como vLLM o SGLang, puede sustituir con ventaja a Ollama detrás del mismo frontend, ya que todos utilizan la misma API compatible con OpenAI.

• llama.cpp vs vLLM vs Exllama

#¿Qué frontend para qué perfil?

#Antes de abrirlo a otras personas

Un frontend que funciona en tu ordenador no está listo para dar servicio a un equipo. Hay que realizar tres comprobaciones antes de compartir la dirección. Primera: activa la autenticación y desactiva el registro abierto; de lo contrario, cualquiera en la red puede crear una cuenta. Segunda: coloca el servicio detrás de un proxy inverso con HTTPS, especialmente si el tráfico sale de la red local. Tercera: nunca expongas directamente el puerto del motor (11434 para Ollama), que no tiene autenticación nativa.

Estos puntos se detallan en las guías de seguridad y de uso compartido en red. Si eres el único usuario de la máquina, el frontend no necesita todo eso, pero merece la pena acostumbrarse desde el principio a comprobar qué escucha en la red.

#Probar un frontend en treinta minutos

1. 01
   Conectar el motor

   Inicia el frontend y conéctalo a tu motor mediante la URL compatible con OpenAI. Comprueba que una conversación sencilla funciona antes de realizar cualquier otro ajuste.
2. 02
   Enviar un documento real

   Sube un PDF de tu actividad, no un ejemplo de demostración, y plantea tres preguntas cuyas respuestas conozcas.
3. 03
   Crear una segunda cuenta

   Prueba el registro, los roles y el acceso a las conversaciones de otro usuario: allí es donde los frontends se diferencian más.
4. 04
   Observar la red

   Mira las conexiones de salida de la aplicación durante una conversación. Nada debe salir hacia un servicio que no hayas elegido.
5. 05
   Decidir

   Quédate con aquel cuyo resultado sea fiable, cuya licencia se ajuste a tu uso y que sepas actualizar dentro de seis meses.

• Proteger tu servidor Ollama
• Open WebUI con Ollama: guía completa
• LibreChat: la interfaz web multiusuario
• Fuente: repositorio Open WebUI
• Fuente: repositorio LibreChat
• Fuente: repositorio AnythingLLM
• Fuente: documentación Ollama, compatibilidad con OpenAI