Open WebUI: cómo instalar una interfaz web tipo ChatGPT para tus modelos locales (2026)

¿Qué es Open WebUI?

Open WebUI es una interfaz web open source para interactuar con modelos de lenguaje locales. Es como la UI de ChatGPT, pero corre en tu propia máquina y se conecta a Ollama, APIs OpenAI-compatible o endpoints locales. Con más de 90K estrellas en GitHub a 2026, es el frontend más popular para Ollama.

Open WebUI convierte a Ollama — que es principalmente un CLI — en una experiencia de chat completa: historial de conversaciones, subida de documentos, RAG, búsqueda web, generación de imágenes, múltiples usuarios, templates de prompts y más. Todo corre localmente y tus datos nunca salen de tu hardware.

¿Qué problema resuelve?

Ollama es excelente para ejecutar LLMs localmente, pero su interfaz es un CLI. Para muchos usuarios eso es una barrera. Open WebUI resuelve:

• UX amigable: Interfaz tipo ChatGPT con historial, búsqueda y model picker
• Documentos: RAG para chatear con tus PDFs, DOCX y TXT
• Multi-usuario: Cuentas separadas para familia o equipo
• Modelos cloud + local: Alterna entre Ollama y OpenAI/Claude/Gemini en el mismo chat
• Web search: Respuestas con datos actualizados de internet
• Voice: Entrada y salida de voz

Características principales

1. Interfaz tipo ChatGPT

Chat con historial, búsqueda de conversaciones, selector de modelos, y soporte para conversaciones en paralelo. La UI está construida en SvelteKit.

2. Conexión con Ollama

Se conecta automáticamente a Ollama en http://localhost:11434. Puedes descargar modelos directamente desde la UI.

3. APIs OpenAI-compatible

Además de Ollama, Open WebUI puede conectarse a:

• OpenRouter
• LM Studio (localhost:1234)
• Jan (localhost:1337)
• Together AI, DeepSeek, Fireworks, Perplexity
• vLLM, llama.cpp server

4. RAG integrado

Open WebUI incluye un pipeline de RAG basado en ChromaDB. Sube un documento, haz una pregunta y el modelo responde usando el contenido del documento. No requiere configurar vector DB externa.

5. Web search

Integra motores de búsqueda como Serper, Exa, SearXNG, o DuckDuckGo para obtener respuestas con datos actualizados.

6. Subida de documentos y archivos

Soporta PDF, DOCX, TXT, imágenes (para modelos multimodales), y URLs. Puedes adjuntar documentos a cualquier conversación.

7. Voice input/output

Entrada de voz y salida de texto a voz. Ideal para accesibilidad o para liberar las manos.

8. Multi-usuario

Crea múltiples cuentas con historiales separados. El admin puede restringir qué modelos usa cada usuario. Perfecto para familias o equipos pequeños.

9. Modelos y prompts

• Model library: Descarga modelos directamente
• Prompt templates: Guarda prompts reutilizables
• System prompts: Configura instrucciones por modelo
• Model management: Administra cuáles modelos están disponibles

10. Personalización

• Temas claro/oscuro
• Título de la instancia
• Logo custom
• Configuración de roles y permisos

Requisitos

• Docker 24+ (recomendado) o Python 3.11+
• Ollama instalado y corriendo (si usas modelos locales)
• 4GB de disco para la imagen de Open WebUI
• Al menos un modelo descargado en Ollama

Cómo instalar Open WebUI

Método 1: Docker (recomendado)

Este es el método más fiable y rápido.

Paso 1: Instalar Docker

Si no tienes Docker, descárgalo de docker.com/get-started.

Paso 2: Instalar y ejecutar Ollama

Sigue nuestra guía de Ollama o ejecuta:

curl -fsSL https://ollama.com/install.sh | sh
ollama serve
ollama pull llama3.3

Paso 3: Ejecutar Open WebUI con 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

Para Mac/Windows, host.docker.internal funciona automáticamente. Para Linux, usa:

docker run -d \
  -p 3000:8080 \
  --add-host=host.docker.internal:host-gateway \
  -v open-webui:/app/backend/data \
  -e OLLAMA_BASE_URL=http://host.docker.internal:11434 \
  --name open-webui \
  --restart always \
  ghcr.io/open-webui/open-webui:main

Paso 4: Abrir Open WebUI

Abre tu navegador en http://localhost:3000. La primera vez te pedirá crear una cuenta admin.

Método 2: Docker Compose (producción)

Para un setup más robusto con Ollama y Open WebUI como servicios separados:

version: "3.8"
services:
  ollama:
    image: ollama/ollama:latest
    container_name: ollama
    volumes:
      - ollama:/root/.ollama
    ports:
      - "11434:11434"
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]
    restart: unless-stopped

  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    container_name: open-webui
    volumes:
      - open-webui:/app/backend/data
    ports:
      - "3000:8080"
    environment:
      - OLLAMA_BASE_URL=http://ollama:11434
    depends_on:
      - ollama
    restart: unless-stopped

volumes:
  ollama:
  open-webui:

Guarda como docker-compose.yml y ejecuta:

docker compose up -d

Método 3: pip (sin Docker)

Para quienes prefieren instalar nativamente:

pip install open-webui
open-webui serve
# o con puerto custom:
open-webui serve --port 3000

La primera ejecución puede tardar un minuto porque instala dependencias del frontend.

Método 4: Apple Silicon (nativo)

En Mac con Apple Silicon:

# Instalar Ollama
curl -fsSL https://ollama.com/install.sh | sh

# Instalar Open WebUI
pip install open-webui

# Iniciar
open-webui serve

Ollama corre como servicio en segundo plano. Open WebUI se abre en http://localhost:8080.

Configuración inicial

Paso 1: Crear cuenta admin

La primera cuenta que se registra se convierte automáticamente en administrador. No requiere verificación de email.

Paso 2: Verificar conexión con Ollama

1. Ve a Settings → Connections
2. Revisa la URL de Ollama API. Por defecto:
   • Docker: http://host.docker.internal:11434
   • Local/pip: http://localhost:11434
3. Haz clic en Save y refresca
4. Los modelos de Ollama deberían aparecer en el selector superior del chat

Paso 3: Descargar modelos desde la UI

1. Ve a Settings → Models
2. Busca el nombre del modelo (ej: llama3.3, mistral, qwen2.5:14b, deepseek-r1:8b)
3. Haz clic en el icono de descarga
4. Espera a que termine

Paso 4: Configurar el system prompt

En el selector de modelos, puedes configurar un system prompt por defecto para cada modelo. Por ejemplo:

Eres un asistente de programación experto. Responde de forma concisa y con ejemplos de código cuando aplique.

Conectar modelos en la nube

Open WebUI no solo funciona con modelos locales. Puedes añadir proveedores cloud:

OpenRouter

1. Ve a Settings → Connections
2. Haz clic en Add Connection
3. Selecciona OpenAI API (OpenRouter es OpenAI-compatible)
4. Base URL: https://openrouter.ai/api/v1
5. API Key: tu key de OpenRouter (sk-or-...)
6. Guarda y refresca

Ahora aparecerán 400+ modelos en el selector.

OpenAI

• Base URL: https://api.openai.com/v1
• API Key: tu key de OpenAI

Anthropic (Claude)

• Algunas versiones de Open WebUI soportan Anthropic directamente, o puedes usar Anthropic vía OpenRouter

LM Studio o Jan

• Base URL: http://localhost:1234/v1 (LM Studio)
• Base URL: http://localhost:1337/v1 (Jan)
• API Key: cualquier string (no autenticación local)

Usar RAG (chat con documentos)

Paso 1: Subir un documento

1. En un chat, haz clic en el icono de clip/+ en la barra de mensaje
2. Selecciona un PDF, DOCX o TXT
3. El documento se procesa automáticamente

Paso 2: Hacer preguntas

¿Cuáles son los puntos principales de este documento?
Resume la sección 3 en español.
¿Qué dice el documento sobre seguridad?

Open WebUI usa ChromaDB para retrieval y pasa el contexto relevante al modelo.

Mejora la calidad del RAG

• Usa modelos mayores para tareas complejas (ej: llama3.3:70b en lugar de 8B)
• Configura el tamaño de chunks en Settings
• Sube documentos con texto bien estructurado

Activar web search

Para obtener respuestas con datos actualizados:

1. Ve a Settings → Web Search
2. Elige un motor (DuckDuckGo, Serper, SearXNG, Exa)
3. Introduce tu API key si es necesario
4. Activa el toggle de web search

Ahora en el chat puedes preguntar cosas como: "¿Cuáles son las últimas noticias de IA?" y el modelo buscará en internet antes de responder.

Configurar multi-usuario

Paso 1: Habilitar registro

Ve a Admin Panel → Settings y asegúrate de que el registro de usuarios esté habilitado.

Paso 2: Crear usuarios

En Admin Panel → Users:

• Crea nuevos usuarios
• Asigna roles (admin, user)
• Restringe modelos por usuario
• Configura rate limits

Paso 3: Configurar acceso

Cada usuario tiene su propio historial de conversaciones y no puede ver el de los demás.

Mejores prácticas

1. Usa Docker para producción

El método pip es bueno para probar, pero Docker aísla dependencias y facilita actualizaciones.

2. Cambia la API key por defecto

Configura WEBUI_SECRET_KEY con una cadena aleatoria segura:

docker run -d -p 3000:8080 \
  -e WEBUI_SECRET_KEY=tu-clave-segura-aqui \
  -v open-webui:/app/backend/data \
  ghcr.io/open-webui/open-webui:main

3. Expón solo si es necesario

Por defecto Open WebUI escucha en localhost. Si quieres acceder desde tu red local, usa 0.0.0.0 con precaución.

4. Haz backups del volumen

El volumen /app/backend/data contiene la base de datos SQLite, conversaciones y configuraciones. Haz backups periódicos.

5. Actualiza regularmente

docker pull ghcr.io/open-webui/open-webui:main
docker compose down
docker compose up -d

6. Usa modelos apropiados

• Chat general: llama3.3, mistral, qwen2.5
• Programación: qwen2.5-coder, deepseek-coder
• RAG: modelos mayores (14B+) para mejor comprensión
• Vision: llava, llama3.2-vision

Casos de uso

1. Chatbot privado en casa

Instala Open WebUI en tu PC o NAS y toda la familia tiene un ChatGPT privado sin enviar datos a terceros.

2. Asistente de investigación con documentos

Sube papers, contratos o manuales y pregunta sobre ellos. Ideal para abogados, investigadores o estudiantes.

3. Alternativa a ChatGPT para equipos

Con multi-usuario y modelos locales, un equipo puede tener su propio ChatGPT interno con control total de datos.

4. Frontend para desarrollo

Desarrolladores pueden usar Open WebUI para probar prompts, comparar modelos y hacer RAG con documentación de proyectos.

5. Combinar local + cloud

Usa modelos locales para tareas privadas y modelos cloud (vía OpenRouter) para tareas que requieren mayor capacidad. Todo en la misma interfaz.

Open WebUI vs LM Studio vs Jan

Característica	Open WebUI	LM Studio	Jan
Tipo	Frontend web	Desktop app	Desktop app
Backend	Ollama / OpenAI-compatible	Propio (llama.cpp)	Propio (llama.cpp)
RAG	Sí (ChromaDB)	Sí	Sí
Multi-usuario	Sí (nativo)	No	No
Web search	Sí	No	Sí (vía MCP)
Modelos cloud	Sí	Sí	Sí
Mejor para	Servidor web, multi-usuario, familias	UX desktop, desarrollo, MLX	Open source, privacidad, 0 telemetría

Solución de problemas

Open WebUI no detecta Ollama

• Verifica que Ollama esté corriendo: ollama list
• En Docker, revisa OLLAMA_BASE_URL
• En Linux, usa --add-host=host.docker.internal:host-gateway
• Prueba con --network host si todo lo demás falla

La primera carga es lenta

Con pip, la primera ejecución descarga dependencias del frontend. Espera 1-2 minutos.

Los modelos no aparecen

• Refresca la página
• Ve a Settings → Connections y guarda de nuevo
• Verifica que el backend responda correctamente

Error de memoria

• Modelos grandes requieren más RAM. Usa quantizaciones menores o modelos más pequeños
• Verifica que Ollama tenga suficiente memoria disponible

RAG no funciona bien

• Usa modelos mayores (14B+)
• Ajusta el tamaño de chunks en Settings
• Sube documentos con texto seleccionable (no imágenes escaneadas)

Cuándo NO usar Open WebUI

• Para un solo usuario casual: LM Studio o Jan tienen mejor UX desktop
• Sin Docker ni Python: Requiere algo de conocimiento técnico
• Para producción empresarial: Considera soluciones con mejor soporte
• Datos muy sensibles: Aunque es local, revisa qué datos se envían a APIs cloud si las conectas

Conclusión

Open WebUI es el complemento perfecto para Ollama. Convierte los modelos locales en una experiencia tipo ChatGPT, accesible desde el navegador, con RAG, web search, multi-usuario y soporte para modelos cloud. Es la mejor opción si quieres compartir un asistente de IA privado con tu familia o equipo.

Para un stack completo de IA privada, combina: Ollama como backend, Open WebUI como frontend, OpenRouter para modelos cloud cuando sea necesario, y LM Studio o Jan para trabajo desktop. Si necesitas programación agéntica, añade Claude Code, ZCode o Cursor/Devin Desktop.