Оригинал: https://timofei-ermolaev.ru/courses/open-webui/start/trebovaniya/ # Требования к Open WebUI В этом уроке мы переведём ваш сценарий в ориентировочные требования к памяти, процессору, диску и сетевым соединениям, чтобы понять, какая нагрузка ляжет на выбранный компьютер или сервер. [![Тимофей Ермолаев](https://timofei-ermolaev.ru/_astro/timofei-ermolaev-portrait.s0mCFw-J_Z1x8STQ.webp)]() [Тимофей Ермолаев]() Директор по информационным технологиям (CIO) **Опубликовано** 13 октября 2026 г. **Обновлено** 15 октября 2026 г. **На урок** 9 мин **Тема** [Знакомство]() ## После урока вы сможете - Различать ресурсы Open WebUI, модели и дополнительных функций - Оценивать память и диск для выбранного сценария - Понимать ограничения расчёта и необходимые соединения В [предыдущем уроке]() вы определили задачи, круг пользователей и место обработки данных. Теперь нужно оценить технические ресурсы. Требования зависят от выбранной модели, функций и одновременной нагрузки. На каждом компьютере или сервере нужно учитывать ту работу, которую он выполняет. Чтобы не смешивать разные процессы в одну общую цифру, мы разделим систему на работу самого веб-приложения, генерацию ответов моделью и дополнительные функции вроде разбора документов или голоса. Поняв, где именно выполняется каждая часть, вы сможете воспользоваться калькулятором в конце урока и получить стартовый ориентир перед установкой. ## Как место выполнения определяет расчёт ресурсов Оценка ресурсов всегда начинается со схемы размещения. Вспомните свой сценарий: где будет работать сам Open WebUI и откуда он будет получать ответы модели? В обычной схеме браузер пользователя отображает интерфейс и передаёт действия на сервер Open WebUI. Само приложение хранит историю, управляет учётными записями и обращается к сервису модели по программному интерфейсу (API). Как мы уже отмечали, подключение по API не означает работу через облако: на другом конце соединения может находиться программа Ollama на том же самом компьютере, выделенный сервер в вашей локальной сети или внешний коммерческий провайдер. От этого выбора напрямую зависит, чьи ресурсы расходуются: - **На одном компьютере.** Open WebUI и локальная программа запуска моделей делят между собой один центральный процессор (CPU), оперативную память (RAM, в которой программы держат данные во время работы) и место на диске. Их потребности нужно складывать. - **На разных серверах в своей сети.** Машина с Open WebUI отвечает за интерфейс и хранение данных, а основные вычисления модели ложатся на второй сервер. Оценивать эти два узла нужно отдельно. - **Через внешнего провайдера.** Генерация текста выполняется на оборудовании поставщика, поэтому его модель не занимает оперативную память и диск вашего сервера с приложением. Точно так же определяется место для дополнительных задач. Даже если чат-модель вызывается у внешнего провайдера, извлечение текста из загруженных документов или обработка голоса могут выполняться локально на машине с Open WebUI и нагружать именно её. ## Что требуется самому приложению и дополнительным функциям Посмотрим сначала на компьютер или сервер, где запущен сам Open WebUI. Ему нужны процессор и оперативная память для обслуживания веб-интерфейса, работы с базой данных и координации запросов. Как поясняется в [руководстве по производительности Open WebUI]() , потребление ресурсов зависит от выбранных функций и числа одновременно выполняемых операций. При этом общее количество созданных аккаунтов само по себе нагрузку не определяет: в команде из двадцати человек за ответом в один и тот же момент могут обратиться только двое. Помимо самого диалога, ресурсы расходуют фоновые задачи (например, автоматическое создание заголовков и тегов для бесед). Существенную часть нагрузки на стороне приложения создают документы и голос: - **Работа с документами.** Чтобы находить ответы в файлах по смыслу, система сначала извлекает из них текст, затем с помощью специальной модели создаёт эмбеддинги, числовые представления фрагментов текста, и сохраняет их для поиска. При желании к поиску добавляется переупорядочивание найденных фрагментов (reranking). Согласно [документации по работе с документами]() и [материалам о производительности]() , если разбор файлов и локальная модель эмбеддингов работают прямо внутри процесса Open WebUI, они заметно увеличивают расход оперативной памяти и нагрузку на процессор. Извлечение текста можно поручить отдельному обработчику, а создание эмбеддингов перенести в Ollama или другой сервис. При работе с документом можно также передавать извлечённый текст в контекст целиком вместо поиска отдельных фрагментов. - **Голосовой ввод и озвучивание.** Если в сценарии нужен голос, а распознавание речи или синтез ответа выполняются локально внутри приложения, это тоже потребует дополнительной памяти и вычислительных ресурсов. Для работы самого интерфейса Open WebUI и общения с моделями по API отдельная видеокарта (GPU, графический процессор) не обязательна. В [руководстве по быстрому старту]() описан вариант образа Open WebUI с поддержкой CUDA: он помогает ускорить на видеокарте NVIDIA внутренние локальные модели самого приложения (например, для эмбеддингов или распознавания речи Whisper), но никак не ускоряет отдельную программу Ollama. ## Как оценивать ресурсы для языковой модели Теперь учтём ресурсы для генерации текста. Если в вашем сценарии ответы создаёт внешний провайдер, вычислительную нагрузку его серверов считать не нужно. Такое подключение разобрано в [инструкции по подключению провайдеров]() . Для своего сценария нужно учитывать доступность сервиса, ключи доступа, ограничения одновременных запросов, квоты и бюджет. Если же модель запускается на вашем оборудовании (на том же компьютере или на отдельном сервере), основное внимание уходит на память и способ вычислений. Ошибочно оценивать требования модели только по размеру её файла при скачивании. Во время работы память расходуется на несколько составляющих: 1. **Веса самой модели.** Объём зависит от числа параметров модели и выбранного варианта сжатия (квантования). 2. **Память под контекст.** Контекстом называют объём текста, который модель удерживает во внимании при ответе: системную инструкцию, историю текущего диалога, ваш вопрос и подставленные фрагменты документов. 3. **Параллельные запросы и рабочие буферы.** Как объясняется в [вопросах и ответах по Ollama]() , при одновременной обработке нескольких запросов растёт расход памяти под контекст каждого активного слота. Чтобы выполнять параллельные запросы на видеокарте, в памяти должны поместиться и сама модель, и контекст для этих запросов. Где именно размещаются эти данные, зависит от вашего оборудования. В [документации Ollama по GPU]() и [FAQ]() указано, что модель может работать полностью на центральном процессоре (используя обычную RAM), полностью в видеопамяти дискретной видеокарты (VRAM, собственная память GPU) или распределяться между ними. На компьютерах с процессорами Apple Silicon при обычной установке Ollama используется единая общая память системы; при этом запуск Ollama внутри Docker Desktop на macOS не позволяет задействовать аппаратное ускорение GPU. Возможность ускорения зависит от конкретной видеокарты, операционной системы, драйверов и программы запуска. Модель можно запускать и на процессоре. Проверка на своих задачах покажет, устраивает ли вас скорость ответа. ## Сколько места нужно на диске и какие соединения проверить Помимо оперативной памяти, системе нужно постоянное место на накопителе и работающие сетевые маршруты между компонентами. Расход диска складывается из нескольких частей, которые не обязательно находятся на одной машине: - **Среда приложения.** Сюда входят сам образ или пакет Open WebUI и его программные зависимости. В [быстром старте]() упоминается облегчённый вариант установки (`:slim`), из которого убраны встроенные библиотеки машинного обучения. Он занимает меньше места при загрузке и подходит для обычного чата по API, но если вам понадобятся документы или голос, для них потребуются подходящие отдельные сервисы. Их ресурсы и хранение данных нужно учитывать там, где они работают. - **Рабочие данные Open WebUI.** Согласно [руководству по резервному копированию]() , приложению нужно постоянное хранилище под базу данных, загруженные пользователями файлы, построенные поисковые индексы и кэш. Одного только файла базы данных для сохранения всей системы недостаточно. - **Файлы моделей.** Как поясняется в [FAQ Ollama]() , скачанные модели хранятся в собственном каталоге сервиса запуска моделей на том компьютере, где он установлен. - **Резервные копии и запас на рост.** Архивы резервных копий требуют места на том диске или сетевом хранилище, куда вы решите их сохранять, а текущим папкам приложения нужен свободный запас под будущие диалоги и документы. Не менее важно разделить сетевые соединения. Как показано в [руководстве по подключению провайдеров]() , тот факт, что в вашем браузере открылся интерфейс Open WebUI, подтверждает лишь связь между вашим устройством и веб-приложением. В обычной схеме для получения ответа сервер Open WebUI должен иметь доступ к адресу модели. Если документы или голос обрабатываются отдельными сервисами, понадобятся соединения и с ними. Кроме того, различаются потребности сети во время первичной подготовки и в повседневной работе. Доступ к приложению по локальной сети офиса не означает ни наличия интернета на сервере, ни готовности работать полностью без него. Как предупреждает [руководство сообщества по автономному режиму]() (это материал сообщества, он не поддерживается официально командой Open WebUI), для работы без интернета нужно заранее скачать образы, локальные модели, библиотеки и кэши для каждой выбранной функции. Настройки автономного режима лишь отключают отдельные автоматические загрузки и проверки, но сами по себе не блокируют сетевой трафик, поэтому работоспособность чата, документов и даже способа входа в систему нужно проверять в целевых условиях. ## Как рассчитать ориентир для своего сценария Чтобы вам не приходилось складывать эти параметры вручную, используйте калькулятор ниже. Выберите в нём условия из вашего сценария: где размещена модель (у провайдера, на том же компьютере или на отдельном сервере), нужны ли обработка документов и голосовые функции, сколько ответов система должна генерировать одновременно и какой длины контекст вы планируете использовать. Для собственной модели можно выбрать один из двух конкретных вариантов в Ollama (`llama3.2:3b` или `llama3.1:8b` в квантовании `Q4_K_M`) и способ запуска: процессор, дискретную видеокарту или Apple Silicon с общей памятью. Если нужны документы, дополнительно указываются их объём и необходимость одной локальной копии документов с индексом. Калькулятор покажет ориентир по ядрам процессора и объёмам RAM, VRAM и диска. Память и диск указаны в гибибайтах (ГиБ). Под результатом можно раскрыть объяснение каждой цифры и принятых допущений. **Какие ресурсы нужны вашему сценарию?** В калькуляторе можно выбрать размещение модели и нужные функции. Ниже появятся ориентиры по памяти и диску с объяснением расчёта. Объёмы памяти и диска ниже — в ГиБ: 1 ГиБ = 1 024³ байт. Это привычные «16 ГБ памяти». Размеры файлов из каталога переведены из десятичных ГБ. 1. Ваш сценарий Где работает модель для ответов Что будете делать Одновременные запросы к модели Люди, которые ждут ответа одновременно. Зарегистрированных пользователей может быть больше. В расчёте своей модели каждому ответу выделяется выбранный контекст. **2. Примерные требования** Для одного ответа от провайдера. **RAM машины с Open WebUI** ≈ 4–8 ГиБ **Диск машины с Open WebUI** ≈ 12–24 ГиБ Для приложения ориентир — 2 ядра CPU / vCPU. Это допущение для планирования. Скорость собственной модели по числу ядер определить нельзя; поколение процессора, пропускная способность памяти и GPU требуют проверки на реальных задачах. Как получилась оценка 1. **Система и Open WebUI.** Резерв для небольшой выделенной системы — 2–4 ГиБ RAM. Для приложения при 1 ответе заложено 2–4 ГиБ. Эти диапазоны — допущения калькулятора, а не официальные минимумы. На рабочем компьютере другие программы могут потребовать больше резерва. 2. **Модель у провайдера.** Её веса и контекст обрабатываются на его стороне и не добавляются к RAM и диску вашего сервера. Локальные документы и голос, если выбраны, остаются в расчёте Open WebUI. 3. **Диск.** Для установки Open WebUI, зависимостей, истории и кэша заложено 10–20 ГиБ. К сумме на каждом диске добавлено 20% на рост. Это допущения; для больших сканов, мультимедиа, долгой истории и полных резервных копий нужна дополнительная оценка. Формула памяти контекста и источники Кэш ключей и значений ≈ слои × KV-головы × размер головы × 2 (ключ и значение) × 2 байта (f16) × токены × параллельные ответы. Делим на 1 024³ для ГиБ. Для Llama 3.2 3B: 28 × 8 × 128; для Llama 3.1 8B: 32 × 8 × 128. Веса загружаются один раз; умножается память контекста. Параметры и размеры: [Llama 3.2 3B]() , [Llama 3.1 8B]() . [Ollama: параллельные запросы, f16 и размещение в памяти]() . [Open WebUI: зависимости нагрузки]() . Размеры файлов округлены в каталоге; служебные буферы и расходы приложения заданы диапазонами. Источники проверены 13 октября 2026 года. Оценка рассчитана на первый запуск одной модели и лёгких дополнительных функций. Она не подтверждает скорость, совместимость оборудования или работу всех функций. После установки проверка соединений и нагрузки на своих задачах поможет оценить работу системы. Фактическое размещение модели можно проверить командой `ollama ps`. Полученные числа помогают выбрать конфигурацию для первого запуска. У расчёта есть несколько ограничений: - Расходы памяти на операционную систему, само приложение Open WebUI, обработку документов, голос и запас места на диске заданы как разумные редакторские допущения для первого запуска, а не как официальные минимальные требования разработчиков. - В расчёте для видеокарты предполагается, что веса выбранной модели и весь контекст целиком помещаются в VRAM; частичное разделение нагрузки между оперативной памятью и видеокартой калькулятор не оценивает. - Опция резервной копии на диске учитывает только одну локальную копию документов и поискового индекса и не заменяет полноценное резервное копирование всей системы. - Для другой собственной модели полный расчёт отсутствует. Её расход памяти и диска нужно оценивать отдельно. Длинные истории, распознавание текста в сканах (OCR), обработка видео и большие объёмы данных тоже требуют отдельной оценки. После установки оценку нужно проверить на своих задачах: запустить ожидаемое число одновременных запросов, загрузить типичные документы и проверить соединения с выбранными сервисами. Тогда станет понятно, хватает ли ресурсов и устраивает ли вас скорость ответа. Сопоставим оценку ресурсов с картой движения данных из [урока об архитектуре]() : место обработки должно подходить и по мощности, и по правилам передачи рабочих материалов. Теперь, когда у вас есть описание сценария и оценка нужных ресурсов, перейдём к уроку [«Выбираем схему установки»]() , чтобы подобрать подходящий способ развёртывания Open WebUI. ## Отметить прохождение Отметьте урок, когда закончите чтение. Урок пройден ![Тимофей Ермолаев](https://timofei-ermolaev.ru/_astro/timofei-ermolaev-portrait.s0mCFw-J_2r7Nkv.webp) ## Об авторе ### Тимофей Ермолаев Директор по информационным технологиям (CIO) Пишу о больших языковых моделях, автоматизации и применении ИИ в бизнесе. В статьях разделяю личный опыт, выводы исследований и практические рекомендации. [Подробнее об авторе]()