Когда для работы с нейросетью не хочется настраивать контейнеры, тома и файлы окружения, вместо Docker можно выбрать Open WebUI Desktop. Это отдельное настольное приложение для Windows, macOS и Linux, которое разработчики пока обозначают как Early Alpha, раннюю альфа-версию. Для него не требуется заранее устанавливать Docker или WSL2.
Docker Desktop из предыдущих уроков запускает контейнеры, а Open WebUI Desktop управляет своим локальным сервером Open WebUI или открывает уже существующий. Если вы ещё сравниваете подходы, основные различия мы разбирали в уроке о выборе способа установки.
У Desktop и сервера Open WebUI внутри него свои версии. Описание интерфейса в этом уроке опирается на выпуск v0.0.20, а локальный сервер Open WebUI скачивается и обновляется отдельно от настольного клиента. Для производственного развёртывания разработчики рекомендуют Docker или Python; здесь мы разбираем Desktop как альтернативу для работы на своём компьютере.
В этом уроке мы установим приложение, разберём два сценария первого запуска и откроем рабочий интерфейс. Источники моделей подключим после установки интерфейса.
Выберем режим работы и проверим ресурсы
Сначала решим, где будет работать сервер Open WebUI. В описании проекта предусмотрены два варианта: подключиться к существующему серверу или развернуть новый прямо на своём компьютере. В боковой панели можно хранить несколько подключений и переключаться между ними.
В таблице требований разработчика указаны Windows 10+, macOS 12+ и Linux с glibc 2.28+. Для подключения к внешнему серверу приведены ориентиры 4 ГБ оперативной памяти и около 500 МБ на диске, для локальных моделей от 16 ГБ памяти и от 5 ГБ на диске. Место под выбранную модель и скорость её работы всё равно придётся оценить отдельно.
Даже если вы планируете работать полностью локально, на этапе первичной настройки приложению понадобится интернет для загрузки компонентов. В дальнейшем автономная работа возможна, когда сервер и выбранные локальные модели уже скачаны и настроены на вашем устройстве. При обращении к удалённому серверу, облачным API или веб-функциям подключение к сети останется необходимым.
Скачаем и установим подходящий пакет
Все установочные файлы публикуются на странице релизов GitHub. На 15 октября 2026 года последний опубликованный выпуск v0.0.20; названия файлов ниже проверены для него.
Откроем блок Assets на странице релиза. Архивы Source code и служебные файлы .blockmap или .yml нам не нужны. Выберем установщик под свою систему и процессор:
| Система | Где посмотреть архитектуру | Какой файл скачать |
|---|---|---|
| Windows | «Параметры» → «Система» → «О системе», строка «Тип системы» | open-webui-x64-setup.exe для x64 или open-webui-arm64-setup.exe для ARM64 |
| macOS | Меню Apple → «Об этом Mac» | open-webui-arm64.dmg для Apple Silicon, чипов серии M, или open-webui-x64.dmg для Intel |
| Ubuntu Linux | В терминале выполним dpkg --print-architecture | open-webui_amd64.deb для amd64 или open-webui_arm64.deb для arm64 |
На Windows запустим скачанный .exe и пройдём мастер установки. На macOS откроем образ .dmg и перенесём приложение в папку Applications.
В Ubuntu установим скачанный .deb через терминал. Пакетный менеджер проверит зависимости. Перейдём в папку со скачанным файлом и выполним команду для версии amd64:
На устройстве ARM64 используем имя файла ./open-webui_arm64.deb. Точка и косая черта перед названием подсказывают apt, что мы устанавливаем файл из текущей папки.
Для других вариантов Linux будем выбирать пакет непосредственно в Assets. Это поможет избежать неработающей ссылки: в README имя AppImage для x64 отличается от имени файла в проверенном релизе.
Разберём два пути при первом запуске
После запуска программы открывается экран New Connection. Здесь выбираем один из двух маршрутов: подключение к готовому серверу или установку локального экземпляра. Именно такой порядок предусмотрен в мастере первого запуска.
Подключение к существующему серверу Open WebUI
Этот вариант подходит, если у вас или в вашей компании уже развёрнут Open WebUI. Его можно выбрать и для контейнера из прошлых уроков, работающего на этом же компьютере, например по адресу http://127.0.0.1:3000.
В приложении откроется тот же интерфейс с вашими чатами. Данные останутся на прежнем сервере и не перенесутся в новую локальную установку Desktop.
На экране New Connection введём полный адрес веб-интерфейса Open WebUI, начинающийся с http:// или https://, и нажмём Connect. В это поле не нужно вставлять адрес сервера моделей, например Ollama на порту 11434, или ключ внешнего API. Если не указать протокол, программа автоматически подставит https://.
У версии v0.0.20 есть особенность проверки защищённых соединений. Согласно коду приложения, клиент принимает недоверенные и самоподписанные TLS-сертификаты. Поэтому открытие адреса https:// в программе само по себе не подтверждает корректную проверку сертификата.
Для нового внешнего адреса сначала проверим, что он открывается в обычном браузере без предупреждений о безопасности. Подключаться будем к известному нам серверу. Для корпоративной установки адрес, учётную запись и условия доступа, например VPN, уточним у администратора.
Локальная установка сервера внутри приложения
Если готового сервера нет и мы хотим начать с новой установки на своём компьютере, выберем ссылку Or install locally → под кнопкой подключения. Откроется экран Install locally.. Его действия можно сверить с исходным кодом мастера.
Программа покажет поле Install location с подписью Where data, models, and runtimes will be stored. Можно оставить предложенный каталог или выбрать другой кнопкой Change. Перед нажатием Continue сохраним этот путь, чтобы позже найти файлы локальной установки.
Дальше приложение подготовит своё окружение Python, установит пакет Open WebUI с помощью uv и запустит локальный сервер командой open-webui serve. Вручную выполнять её не требуется: запуском управляет Desktop. Этот механизм описан в служебных функциях приложения.
Для связи на том же компьютере по умолчанию используется адрес 127.0.0.1 и порт 8080. Если порт занят, приложение проверит следующие номера и выберет свободный. Поэтому ориентируемся на открытое локальное подключение Desktop, а не переносим сюда адрес 127.0.0.1:3000 из урока Docker Compose.
Когда подготовка завершится, программа откроет интерфейс новой установки.
Посмотрим, где хранятся данные и как управлять сервером
Локальная установка Desktop хранит рабочие данные в обычной папке на диске. По умолчанию внутри выбранного каталога Install location создаётся подкаталог data; в настройках можно задать отдельный путь для данных. При запуске приложение передаёт серверу DATA_DIR и сохранённый ключ WEBUI_SECRET_KEY. Эти действия также видны в коде запуска.
Том Docker open-webui_open-webui к новой локальной установке Desktop не подключается. Перенос чатов из Docker требует отдельной процедуры. Копирование файлов базы в папку работающего Desktop может повредить хранилище.
Для управления локальным сервером откроем настройки приложения:
- В разделе Open WebUI находятся статус сервера, настройки порта и автоматических обновлений. В зависимости от состояния доступны действия
Install,Start,StopиRestart. Если интерфейс не открывается, начнём со статуса сервера и журналов. - В Inference Runtime настраивается встроенный движок
llama.cpp, а в Models можно скачивать модели GGUF с Hugging Face. Этот движок можно подключить позже. Для завершения установки интерфейса скачивать модель не требуется.
Полный сброс Factory Reset для обычной диагностики не нужен: он удаляет установленные компоненты, подключения и данные. Возможность сброса описана в истории изменений Desktop.
Перейдём к настройке доступа и моделей
Когда в окне программы открылась страница входа, регистрации или уже знакомый чат, приложение готово к работе с выбранным сервером. Пустой список моделей сам по себе не говорит об ошибке установки: источники ответов подключаются отдельно.
Дальнейшие шаги зависят от выбранного пути:
- Если подключились к работающему серверу, войдём в свою учётную запись.
- После новой локальной установки перейдём к уроку «Первый вход и базовые настройки доступа», чтобы создать администратора.
После входа выберем источник моделей. Можно использовать встроенный в Desktop llama.cpp, подключить Ollama или другой локальный либо облачный сервис с OpenAI-совместимым API.
