Confrontare i front-end di chat

#Che cos'è esattamente un frontend?

Un frontend è l'interfaccia web o desktop che dialoga con un server di inferenza: Ollama, LM Studio, llama-server, vLLM o un'API cloud. Gestisce la cronologia delle conversazioni, la visualizzazione del Markdown, gli account, il caricamento di file, a volte la ricerca nei tuoi documenti e gli agenti. Non esegue il modello: se il server sottostante è fermo o saturo, l'interfaccia non può farci nulla.

Il punto di collegamento è quasi sempre un'API compatibile con OpenAI. Ollama espone la propria su http://localhost:11434/v1/ e accetta qualsiasi chiave fittizia, il che permette di collegare la quasi totalità dei frontend senza configurazioni specifiche. Ricorda: la scelta del frontend non vincola quella del motore, e puoi cambiare l'uno senza dover rifare l'altro.

#Il confronto in una tabella

I criteri seguenti sono quelli che determinano davvero le scelte di deployment: licenza (condiziona l'uso commerciale), autenticazione (condiziona la condivisione), documenti (condizionano l'uso in azienda) e impegno richiesto per l'installazione. Il numero di stelle su GitHub, rilevato il 30 settembre 2026, misura solo la popolarità, non la qualità.

#La licenza di Open WebUI: il dettaglio che molti ripetono male

Molti confronti, tra cui la precedente versione di questa guida, presentano Open WebUI come un progetto con licenza MIT. Non è più esatto. Il file LICENSE del repository contiene una licenza di tipo BSD a tre clausole, a cui si aggiunge una quarta clausola: vieta di modificare, rimuovere o sostituire il marchio «Open WebUI» (nome, logo, elementi identificativi visivi), salvo se il deployment non supera cinquanta utenti in un periodo mobile di trenta giorni, se hai un'autorizzazione scritta del titolare oppure se disponi di una licenza enterprise.

Cosa cambia in pratica. Uso personale, famiglia, piccolo team: niente. Distribuzione per più di cinquanta utenti con una veste grafica personalizzata (logo dell'azienda, nome del prodotto): serve un'autorizzazione o una licenza aziendale, oppure occorre mantenere il marchio. Usare l'interfaccia così com'è, con il marchio visibile, resta possibile. Se prevedi una distribuzione su larga scala, leggi il file LICENSE e la sua cronologia nel repository e falli esaminare dalla persona responsabile delle licenze.

#Open WebUI : scelta predefinita con Ollama

Open WebUI si descrive come una piattaforma di IA self-hosted, estensibile e capace di funzionare interamente offline, con supporto per Ollama e per le API compatibili con OpenAI. Il suo principale vantaggio per un principiante è la facilità di avvio: un solo comando Docker, poi un browser. Offre un RAG locale basato su diversi database vettoriali, una gestione dettagliata dei ruoli e dei gruppi e un'autenticazione aziendale (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

Apri quindi http://localhost:3000 e crea il primo account, che diventa amministratore. Se Ollama è in esecuzione su un altro server, il README indica di impostare la variabile OLLAMA_BASE_URL. Il volume open-webui conserva i tuoi dati: senza di esso, ogni ricreazione del container cancella cronologia e account.

Limiti da conoscere: l'interfaccia è ricca e talvolta affollata, ogni funzione aggiuntiva introduce un ulteriore elemento da configurare e aggiornare, e la clausola relativa al marchio descritta sopra riguarda i deployment di grandi dimensioni.

#LibreChat: diversi fornitori in un'unica interfaccia

LibreChat si rivolge ai team che vogliono un'unica interfaccia per diversi fornitori: il suo repository menziona Anthropic, OpenAI, Azure, Groq, Mistral, OpenRouter, Vertex AI e Gemini, con preset, un pannello di amministrazione e autenticazione multiutente tramite OAuth2, LDAP o email. Il progetto è distribuito con licenza MIT, senza vincoli relativi al marchio.

Caso tipico: un team che vuole usare Ollama internamente ma mantiene l'accesso a un fornitore cloud per alcune richieste, con un'unica interfaccia e quote di utilizzo monitorate. Il rovescio della medaglia: il deployment avviene tramite Docker Compose con diversi servizi e la priorità data all'uso locale è meno marcata rispetto a Open WebUI.

#AnythingLLM: quando l'obiettivo è parlare con i tuoi documenti

AnythingLLM si presenta come un'applicazione all-in-one per dialogare con i tuoi documenti e utilizzare agenti, in modalità multiutente e senza una configurazione complessa. Il suo punto forte è l'organizzazione in spazi di lavoro (uno per progetto, cliente o argomento) e la disponibilità di un'applicazione desktop per Mac, Windows e Linux: la installi come un normale software, senza Docker. La licenza è MIT.

Attenzione: il README specifica che l'applicazione contiene una funzione di telemetria che raccoglie informazioni anonime sull'utilizzo. Se devi operare rigorosamente offline o garantire la riservatezza di un ambiente sensibile, disattiva questa raccolta nelle impostazioni prima di collegare qualsiasi dato e verifica cosa esce realmente dalla rete.

• AnythingLLM: RAG pronto per la produzione in locale

#SillyTavern: il gioco di ruolo e la narrativa

SillyTavern è progettato per il gioco di ruolo e la narrativa interattiva. Il repository lo descrive come un'interfaccia unificata per numerose API di LLM (KoboldAI/CPP, Horde, NovelAI, Ooba, Tabby, OpenAI, OpenRouter, Claude, Mistral e altre), con modalità visual novel, lorebook (WorldInfo), generazione di immagini, sintesi vocale ed estensioni di terze parti. È distribuito con licenza AGPL-3.0, più vincolante per l'utilizzo come servizio.

Non è destinato a sostituire una chat professionale: l'interfaccia è densa e orientata ai personaggi, non agli account aziendali. Per un uso professionale, scartalo. Per la scrittura creativa con impostazioni di campionamento precise, è il più completo.

• SillyTavern: l'interfaccia con personaggi per LLM locali

#Big-AGI: produttività con più modelli

Big-AGI è una suite di IA da distribuire autonomamente, con licenza MIT. Il suo repository mette in evidenza personas, conversazioni Beam con più modelli, generazione di immagini, voce, importazione di PDF e distribuzione on-premise. Con circa 7.000 stelle su GitHub, la comunità è nettamente più piccola di quella di Open WebUI o di AnythingLLM: aspettati meno tutorial, meno risposte pronte in caso di problemi e una maggiore dipendenza da un piccolo numero di manutentori.

#Ciò che nessun frontend risolve: gli utenti simultanei

Dare accesso all'interfaccia a cinque colleghi non rende la macchina cinque volte più potente. Ogni frontend invia le richieste allo stesso motore, che le elabora. Secondo la FAQ di Ollama, un modello elabora per default una sola richiesta alla volta (OLLAMA_NUM_PARALLEL vale 1); le richieste successive vengono inserite in coda, fino a 512 per default, poi rifiutate.

Abilitare il parallelismo ha un costo diretto in memoria. La documentazione precisa che la memoria necessaria cresce in proporzione al prodotto del numero di richieste parallele per la lunghezza del contesto: un contesto di 2.000 token con 4 richieste parallele alloca l'equivalente di 8.000 token. Per un modello di 27 miliardi di parametri già vicino al limite della scheda, il parallelismo può superare la capacità di memoria disponibile sulla scheda e spostare parte del modello sul processore, rallentando l'elaborazione per tutti.

La regola pratica: dimensiona il motore prima dell'interfaccia. Se gli utenti attivi contemporaneamente sono più di pochi, un server progettato per il throughput, come vLLM o SGLang, può sostituire vantaggiosamente Ollama dietro lo stesso frontend, poiché tutti usano la stessa API compatibile con OpenAI.

• llama.cpp vs vLLM vs Exllama

#Quale frontend per quale profilo

#Prima di renderlo accessibile ad altre persone

Un frontend che funziona sul tuo computer non è pronto per essere usato da un team. Sono necessarie tre verifiche prima di comunicare l'indirizzo. Prima: attiva l'autenticazione e disattiva la registrazione libera, altrimenti chiunque sulla rete può creare un account. Seconda: metti il servizio dietro un reverse proxy con HTTPS, soprattutto se il traffico esce dalla rete locale. Terza: non esporre mai direttamente la porta del motore (11434 per Ollama), che non dispone di autenticazione nativa.

Questi punti sono descritti in dettaglio nelle guide sulla sicurezza e sulla condivisione in rete. Se sei l'unico utente della macchina, il frontend non ha bisogno di tutto questo, ma vale la pena abituarsi fin dall'inizio a verificare quali servizi sono in ascolto sulla rete.

#Testare un frontend in trenta minuti

1. 01
   Collegare il motore

   Avvia il frontend e configuralo per collegarsi al tuo motore tramite l'URL compatibile con OpenAI. Verifica che una semplice conversazione funzioni prima di modificare qualsiasi altra impostazione.
2. 02
   Inviare un vero documento

   Carica un PDF della tua attività, non un esempio dimostrativo, e poni tre domande di cui conosci la risposta.
3. 03
   Creare un secondo account

   Prova l'iscrizione, i ruoli e l'accesso alle conversazioni di un altro utente: lì i front-end si differenziano di più.
4. 04
   Osservare la rete

   Guarda le connessioni di uscita dell'applicazione durante una conversazione. Niente deve partire verso un servizio che non hai scelto.
5. 05
   Decidere

   Mantieni quello che dà risultati affidabili, la cui licenza è adatta al tuo uso e che saprai aggiornare fra sei mesi.

• Mettere in sicurezza il proprio server Ollama
• Open WebUI con Ollama: guida completa
• LibreChat: l'interfaccia web multiutente
• Fonte: repository Open WebUI
• Fonte: repository LibreChat
• Fonte: repository AnythingLLM
• Fonte: documentazione Ollama, compatibilità OpenAI