Seorang penulis XDA-Developers baru-baru ini menggambarkan pembatalan langganan Perplexity dan ChatGPT setelah memasangkan LLM lokal dengan Perplexica dan SearXNG, dan pengaturannya lebih mudah untuk direplikasi daripada yang terlihat. Model kelas menengah seperti Qwen, Llama, atau Mistral yang berjalan melalui Ollama sudah menangani penalaran dan ringkasan dengan baik. Yang kurang adalah informasi segar dari web terbuka, dan itulah yang disediakan oleh lapisan metapencari self-hosted: retriever pribadi yang mengambil dan menentukan peringkat hasil, kemudian menyerahkannya ke model untuk dikutip dan disintesis. Hasilnya terlihat seperti Perplexity, minus langganan dan log kueri.
Ringkasan ini mencakup aplikasi terbaik untuk pencarian AI self-hosted, dari klon Perplexity lengkap hingga mesin metapencari di bawahnya sebagian besar. Setiap pilihan berjalan di server rumah atau desktop cadangan, terhubung ke Ollama, LM Studio, atau titik akhir yang kompatibel dengan OpenAI, dan mengirimkan gambar Docker sehingga seluruh stack naik dengan satu perintah.
Apa yang dicari dalam aplikasi pencarian AI self-hosted
Bukan setiap proyek “pencarian AI” benar-benar dibangun untuk ini. Beberapa sifat memisahkan yang layak dijalankan dari yang macet pada demo:
- Dukungan model lokal. Harus berbicara dengan Ollama, LM Studio, atau titik akhir yang kompatibel dengan OpenAI generik, bukan hanya kunci API yang dihosting.
- Sumber yang dikutip. Jawaban harus tautkan kembali ke halaman yang mereka ambil, bukan presentasikan teks yang disintesis sebagai fakta tanpa jejak.
- Langkah peringkat nyata. Hasil pencarian mentah memerlukan pemeringkatan ulang atau penilaian relevansi sebelum mencapai model, atau jawaban menyimpang dari topik pada kueri yang ambigu.
- Pengaturan Docker satu perintah.
docker compose upyang membawa backend metapencari sendiri mengalahkan instalasi manual dengan lima bagian bergerak. - Dukungan multi-pengguna. Penting jika lebih dari satu orang di rumah atau tim akan membuat kueri.
- Pemanggilan alat dan plugin. Agen yang lebih kuat dapat menggabungkan pencarian, membuka hasil, dan mencari lagi sebelum menjawab.
Perbandingan cepat
| Aplikasi | Terbaik untuk | Platform | Lisensi | Docker | Harga awal |
|---|---|---|---|---|---|
| Perplexica (Vane) | Klon Perplexity terdekat | Windows, macOS, Linux | MIT | Ya, gambar resmi | Gratis |
| SearXNG | Lapisan metapencari saja | Windows, macOS, Linux | AGPL-3.0 | Ya, gambar resmi | Gratis |
| Farfalle | Memilih backend pencarian Anda sendiri | Windows, macOS, Linux | Apache-2.0 | Ya, file komposisi | Gratis |
| Morphic | Jawaban UI generatif | Windows, macOS, Linux | Apache-2.0 | Ya, file komposisi | Gratis |
| Open WebUI | Menambahkan pencarian ke pengaturan Ollama yang ada | Windows, macOS, Linux | BSD-3-Clause (klausul branding di atas 50 pengguna) | Ya, gambar resmi | Gratis |
| MindSearch | Penelitian mendalam multi-agen | Windows, macOS, Linux | Apache-2.0 | Ya, Dockerfile | Gratis |
| LLocalSearch | Agen lokal penuh minimal | Windows, macOS, Linux | Apache-2.0 | Ya, file komposisi | Gratis |
| AnythingLLM | Pencarian di dalam ruang kerja RAG yang lebih luas | Windows, macOS, Linux | MIT | Ya, gambar resmi | Gratis |
8 aplikasi pencarian AI self-hosted terbaik untuk desktop di 2026
1. Perplexica — terbaik untuk klon Perplexity terdekat
Perplexica adalah proyek yang artikel XDA bangun pengaturannya di sekitar: frontend Next.js dan backend API yang menggabungkan contoh SearXNG pribadi, jadi satu kontainer Docker memberi Anda kotak pencarian, jawaban LLM dengan kutipan inline, dan panel gambar dan video. Itu diubah nama menjadi Vane pada Maret 2026, meskipun repositori GitHub, gambar Docker, dan komunitas masih menggunakan nama Perplexica yang diluncurkan. Ini terhubung ke Ollama untuk model lokal atau ke OpenAI, Anthropic, dan penyedia cloud lainnya ketika Anda menginginkan backend yang lebih kuat untuk kueri yang lebih sulit.
Tempat di mana itu jatuh pendek: Rebranding telah meninggalkan dokumentasi dan hasil pencarian terbagi antara nama lama dan baru, yang membuat troubleshooting sedikit lebih membingungkan daripada seharusnya.
Harga: Gratis dan open source, tidak ada tingkat berbayar.
Platform: Windows, macOS, Linux (Docker), self-hosted.
Unduh: GitHub
Garis bawah: Hal yang paling mirip dengan menjalankan Perplexity di perangkat keras yang Anda miliki, dan proyek yang seluruh kategori ini ambil petunjuknya.
2. SearXNG — terbaik untuk lapisan metapencari saja
SearXNG adalah mesin metapencari tergabung yang memberdayakan Perplexica, Farfalle, dan Morphic di bawah kap, dan layak dijalankan sendiri jika semua yang Anda inginkan adalah frontend pribadi ke Google, Bing, DuckDuckGo, Brave, dan kira-kira 280 layanan pencarian lainnya tanpa lapisan AI. Kueri mencapai mesin tersebut dari server Anda, bukan browser Anda, jadi tidak ada yang melihat IP Anda atau membangun profil dari pencarian Anda. Arahkan salah satu aplikasi pencarian AI di bawah ke contoh SearXNG yang ada alih-alih membiarkan mereka memutar milik mereka sendiri, dan Anda mendapatkan satu backend pencarian bersama untuk beberapa alat.
Tempat di mana itu jatuh pendek: Tidak ada sintesis AI sendiri. Ini mengembalikan tautan berperingkat, bukan jawaban, kecuali dipasangkan dengan frontend LLM.
Harga: Gratis dan open source, tidak ada tingkat berbayar.
Platform: Windows, macOS, Linux (Docker), self-hosted.
Unduh: GitHub
Garis bawah: Fondasi metapencari di bawah sebagian besar daftar ini, dan titik awal yang tepat jika lapisan AI adalah penambahan nanti, bukan hari pertama.
3. Farfalle — terbaik untuk memilih backend pencarian Anda sendiri
Farfalle adalah mesin jawaban bergaya Perplexity yang membiarkan penyedia pencarian terserah Anda: SearXNG, Tavily, Serper, atau Bing, dicampur dengan model lokal melalui Ollama atau model cloud melalui LiteLLM. Stack Next.js dan FastAPI mengirimkan docker-compose.dev.yaml yang menjalankan contoh kerja di localhost:3000 dari clone segar dalam beberapa menit, dan menukar penyedia pencarian atau model adalah perubahan konfigurasi, bukan rebuild.
Tempat di mana itu jatuh pendek: Pengaturan default mengharapkan setidaknya satu kunci API (penyedia pencarian atau model cloud) kecuali semuanya dirutekan melalui pasangan SearXNG dan Ollama lokal, jadi jalur tanpa kunci memerlukan konfigurasi sedikit lebih banyak daripada Perplexica.
Harga: Gratis dan open source, tidak ada tingkat berbayar.
Platform: Windows, macOS, Linux (Docker), self-hosted.
Unduh: GitHub
Garis bawah: Pilihan untuk siapa pun yang menginginkan pengalaman seperti Perplexica tetapi dengan kontrol lebih besar atas penyedia pencarian dan model mana yang ada di belakang jawaban.
4. Morphic — terbaik untuk jawaban UI generatif
Morphic merender jawaban sebagai lebih dari teks biasa: kisi gambar dengan kredit sumber, judul terstruktur, dan komponen inline dibangun bersama respons tertulis alih-alih dinding prosa dengan tautan di bagian bawah. Ini mendukung mode pencarian Cepat dan Adaptif, pemilih model di seluruh OpenAI, Anthropic, Google, Ollama, dan penyedia yang kompatibel dengan OpenAI, dan mengirimkan PostgreSQL, Redis, dan SearXNG dalam file Docker Compose-nya, jadi tidak ada kunci API pencarian eksternal yang diperlukan untuk memulai.
Tempat di mana itu jatuh pendek: UI yang lebih kaya berarti lebih banyak bagian bergerak (Postgres, Redis, SearXNG, aplikasi itu sendiri) daripada pengaturan kontainer tunggal, yang lebih banyak untuk dipantau jika ada yang rusak.
Harga: Gratis dan open source, tidak ada tingkat berbayar.
Platform: Windows, macOS, Linux (Docker), self-hosted.
Unduh: GitHub
Garis bawah: Mesin jawaban yang paling terlihat bagus di daftar ini, sepadan dengan kontainer ekstra jika UI yang dipoles dan dikomponen penting sebanyak kualitas jawaban.
5. Open WebUI — terbaik untuk menambahkan pencarian ke pengaturan Ollama yang ada
Open WebUI dimulai sebagai antarmuka obrolan untuk Ollama dan API yang kompatibel dengan OpenAI, dan toggle pencarian web bawaan (didukung oleh SearXNG atau segelintir penyedia lain) mengubah pengaturan obrolan lokal yang ada menjadi mesin jawaban tanpa berdiri sendiri. Siapa pun yang sudah menjalankan Open WebUI untuk obrolan lokal mendapatkan pencarian AI sebagai perubahan pengaturan daripada penyebaran baru.
Tempat di mana itu jatuh pendek: Pencarian adalah fitur yang disematkan pada UI obrolan, bukan tujuan desain utama, jadi rendering kutipan dan peringkat sumber kurang dipoles daripada di mesin jawaban khusus di atas. Penyebaran yang melayani 51 atau lebih pengguna dalam jendela 30 hari harus menjaga branding Open WebUI terlihat di bawah lisensi saat ini.
Harga: Gratis dan open source, tidak ada tingkat berbayar; lisensi perusahaan terpisah mencakup penyebaran bermerek putih atau skala besar.
Platform: Windows, macOS, Linux (Docker), self-hosted.
Unduh: GitHub
Garis bawah: Jalur upgrade upaya terendah untuk siapa pun yang sudah menjalankan Open WebUI untuk obrolan lokal dan menginginkan pencarian ditambahkan di atas.
6. MindSearch — terbaik untuk penelitian mendalam multi-agen
MindSearch, dibangun oleh InternLM, membagi kueri di seluruh dua peran agen: WebPlanner yang menguraikan pertanyaan menjadi sub-kueri dan membangun grafik penalaran, dan satu atau lebih WebSearchers yang mengeksekusi sub-kueri tersebut dan melaporkan temuan kembali. Struktur itu memungkinkannya untuk bekerja melalui lebih dari 300 halaman sumber pada pertanyaan penelitian yang kompleks, jauh melampaui apa yang ditangani aplikasi pencarian-dan-ringkas single-pass. Itu berjalan melawan model InternLM sendiri atau GPT-4, dan mendukung DuckDuckGo, Bing, Brave, dan Google Serper sebagai backend pencarian.
Tempat di mana itu jatuh pendek: Pengembangan telah melambat sejak refactor akhir 2024, dan pengaturan cenderung ke arah pengguna yang nyaman mengonfigurasi kerangka agen daripada appliance one-click.
Harga: Gratis dan open source, tidak ada tingkat berbayar.
Platform: Windows, macOS, Linux (Docker), self-hosted.
Unduh: GitHub
Garis bawah: Pilihan untuk pertanyaan penelitian yang benar-benar dalam, multi-langkah di mana lewatan pencarian tunggal akan melewatkan konteks.
7. LLocalSearch — terbaik untuk agen lokal penuh minimal
LLocalSearch membungkus LLM lokal dalam loop penggunaan alat sederhana: model memutuskan kapan harus mencari, membaca apa yang kembali, dan memutuskan apakah akan mencari lagi sebelum menjawab, dengan seluruh rantai terlihat dalam log langsung. Itu tidak memerlukan kunci API sama sekali dan dibangun untuk dijalankan di perangkat keras yang sederhana, yang membuatnya menjadi perhentian pertama yang populer bagi siapa pun yang menguji pencarian AI lokal pada GPU anggaran.
Tempat di mana itu jatuh pendek: GitHub mengarsipkan repositori pada Juni 2026 dan proyek telah tanpa pengembangan aktif selama lebih dari satu tahun, jadi itu masih berjalan melalui Docker tetapi tidak akan menerima perbaikan atau pembaruan kompatibilitas model ke depannya.
Harga: Gratis dan open source, tidak ada tingkat berbayar.
Platform: Windows, macOS, Linux (Docker), self-hosted.
Unduh: GitHub
Garis bawah: Masih berfungsi dan layak dicoba untuk kesederhanaan desainnya, tetapi perlakukan sebagai implementasi referensi daripada driver sehari-hari jangka panjang.
8. AnythingLLM — terbaik untuk pencarian di dalam ruang kerja RAG yang lebih luas
AnythingLLM adalah mesin pencari khusus yang kurang dan ruang kerja penuh: RAG dokumen, agen AI, dan kontrol akses multi-pengguna, dengan pencarian web tersedia sebagai satu alat yang dapat dipanggil agen di samping pengambilan dokumen. Siapa pun yang sudah menginginkan platform obrolan self-hosted untuk file mereka sendiri mendapatkan pencarian AI sebagai satu kemampuan lagi daripada penyebaran terpisah, dengan peran Admin, Manager, dan Default untuk penggunaan rumah tangga atau tim bersama.
Tempat di mana itu jatuh pendek: Pencarian adalah satu alat di antara beberapa, bukan fokusnya, jadi itu tidak akan cocok dengan format kutipan mesin jawaban khusus atau kualitas peringkat pada kueri pencarian murni.
Harga: Gratis dan open source, tidak ada tingkat berbayar; paket yang dihosting tersedia untuk mereka yang tidak ingin self-host.
Platform: Windows, macOS, Linux (Docker), self-hosted.
Unduh: GitHub
Garis bawah: Pilihan yang tepat ketika pencarian perlu berada di samping obrolan dokumen dan agen di satu ruang kerja, bukan berdiri sendiri.
Cara memilih
Jika Anda menginginkan klon Perplexity paling sederhana: Perplexica. Satu kontainer, satu perintah, kutipan dan gambar langsung dari kotak.
Jika Anda menginginkan lapisan metapencari saja, tanpa AI yang melekat lagi: SearXNG. Jalankan terlebih dahulu, arahkan mesin jawaban ke sana nanti.
Jika Anda menginginkan kontrol atas penyedia pencarian dan model mana yang berada di belakang jawaban: Farfalle.
Jika antarmuka sangat penting seperti jawaban: Morphic, untuk UI generatifnya dan kisi gambar berkredit sumber.
Jika Open WebUI sudah aplikasi obrolan lokal Anda: aktifkan pencarian web bawaan daripada menerapkan sesuatu yang baru.
Jika pertanyaan membutuhkan penelitian multi-langkah, multi-sumber: MindSearch, untuk desain agen perencanaan-dan-pencari.
Jika perangkat keras anggaran dan nol kunci API adalah prioritas, dan stabilitas penting daripada kesederhanaan: LLocalSearch, dengan peringatan bahwa itu diarsipkan.
Jika pencarian perlu berada di dalam ruang kerja obrolan dokumen dan agen: AnythingLLM.
Pertanyaan yang sering diajukan
Apakah aplikasi ini bekerja tanpa koneksi internet?
Tidak. LLM itu sendiri dapat berjalan sepenuhnya offline setelah diunduh, tetapi setiap aplikasi dalam daftar ini masih perlu mencapai web terbuka untuk mengambil hasil pencarian saat ini. Yang tetap lokal adalah inferensi model dan, tergantung pada pengaturan, kueri itu sendiri, karena contoh SearXNG self-hosted menanyakan mesin pencari lain atas nama server Anda daripada mengirim IP Anda secara langsung.
Model lokal mana yang paling cocok dengan mesin pencari ini?
Model bertugas instruksi berukuran menengah dalam kisaran 7B hingga 30B, seperti Qwen, Llama, atau Mistral build terbaru, menangani ringkasan yang berat kutipan dengan baik pada perangkat keras GPU konsumen. Model yang lebih kecil cenderung berhalusinasi di sekitar sumber daripada mengutipnya secara akurat, jadi layak menguji kueri terhadap jawaban yang dikenal sebelum mempercayai output model ringan.
Apakah saya memerlukan GPU untuk menjalankan stack pencarian AI self-hosted?
Tidak sepenuhnya. Sisi pencarian dan pengambilan (SearXNG, backend aplikasi) berjalan baik di CPU. LLM adalah bagian yang mendapat manfaat dari GPU; tanpa itu, harapkan respons yang jauh lebih lambat, terutama pada model yang lebih besar, atau arahkan aplikasi ke API model cloud sebagai fallback.
Apakah pencarian AI self-hosted benar-benar lebih pribadi daripada Perplexity atau ChatGPT?
Kueri pencarian tetap di infrastruktur yang Anda kontrol daripada server vendor, dan tidak ada aplikasi dalam daftar ini mengirim riwayat percakapan ke pihak ketiga secara default. Tradeoff adalah bahwa mesin pencari yang mendasari (Google, Bing, dan sisanya) masih melihat kueri individu yang SearXNG relai kepada mereka, hanya tanpa IP atau akun Anda.
Bisakah lebih dari satu orang menggunakan contoh self-hosted yang sama?
Beberapa aplikasi ini mendukungnya secara native. AnythingLLM dan Open WebUI keduanya mengirimkan akun multi-pengguna berbasis peran langsung dari kotak. Lainnya, termasuk Perplexica, Farfalle, dan Morphic, dibangun dengan penggunaan single-user atau small-household dalam pikiran dan memerlukan pengaturan tambahan (misalnya proxy terbalik dengan autentikasi) sebelum mengeksposnya ke grup yang lebih luas dengan aman.
Apa yang terjadi jika proyek seperti LLocalSearch berhenti dirawat?
Repositori open-source yang diarsipkan terus bekerja persis seperti pada commit terakhirnya; gambar Docker yang sudah dibangun terus berjalan. Yang berhenti adalah perbaikan untuk bug baru, pembaruan kompatibilitas untuk API model yang lebih baru, dan patch keamanan, jadi proyek yang diarsipkan baik untuk pengujian atau penggunaan ringan tetapi merupakan taruhan jangka panjang yang buruk untuk apa pun yang bergantung pada pembaruan yang berkelanjutan.
