Vane: alternativa libre a Perplexity y cómo usarla en 2026

Vane (antes Perplexica) es un motor de respuestas de código abierto y autoalojado diseñado como alternativa privada a Perplexity AI. Combina el metamotor de búsqueda local SearXNG con modelos locales a través de Ollama o comerciales mediante claves de API, devolviendo respuestas fundamentadas en la web con citas sin cuotas de suscripción mensual. Puedes desplegarlo de forma local con Docker Compose en unos cinco minutos, aunque ejecutar modelos capaces requiere hardware dedicado y un mantenimiento continuo de los extremos de extracción de motores de búsqueda.

Por qué Vane está ganando popularidad ahora mismo

El interés de los desarrolladores por la búsqueda autoalojada se ha disparado a medida que aumentan los costes de suscripción y las preocupaciones por la privacidad. Perplexity Pro cuesta $20 al mes (o $200 al año a fecha de noviembre de 2026), y las consultas se procesan íntegramente en servidores en la nube propietarios. Para desarrolladores, investigadores y usuarios preocupados por la privacidad que manejan documentación interna o datos confidenciales, enviar cada consulta a una plataforma comercial supone un obstáculo normativo insalvable.

El proyecto creado por el desarrollador ItzCrazyKns se llamó originalmente Perplexica, acumulando más de 18 000 estrellas en GitHub antes de cambiar de nombre a Vane. El cambio refleja una visión más amplia: convertirse en un instrumento de navegación personalizable para los datos de la web, más que un simple clon de un producto existente. Permite a los usuarios utilizar sus propios modelos, personalizar los motores de búsqueda y mantener un control total sobre el historial de consultas.

Cómo configurar y ejecutar Vane con Docker

Configurar Vane requiere un equipo con Git, Docker y Docker Compose instalados. También necesitas un proveedor de inferencia: una instancia local de Ollama en tu máquina o claves de API de proveedores como Anthropic, OpenAI o Google.

Paso 1: Clonar el repositorio

Abre tu terminal y clona el repositorio oficial:

git clone https://github.com/ItzCrazyKns/Vane.git
cd Vane

Si habías clonado previamente ItzCrazyKns/Perplexica, actualizar la URL remota al nuevo repositorio de Vane apuntará tu compilación a las versiones más recientes.

Paso 2: Configurar tu entorno

Copia el archivo de configuración de ejemplo para crear tu configuración activa:

cp sample.config.toml config.toml

Abre config.toml en tu editor de código. Este archivo controla el motor de búsqueda web, el proveedor del modelo y las asignaciones de puertos.

Si utilizas Ollama, asegúrate de que el extremo de Ollama apunte a tu máquina anfitriona:

[GENERAL]
PORT = 3000
SIMILARITY_MEASURE = "cosine"

[MODELS.OLLAMA]
API_URL = "http://host.docker.internal:11434"

Si prefieres usar claves de API comerciales en lugar de pesos locales, introduce tus credenciales en los bloques de proveedor correspondientes:

[MODELS.OPENAI]
API_KEY = "sk-your-openai-api-key"

[MODELS.ANTHROPIC]
API_KEY = "sk-ant-your-anthropic-api-key"

Paso 3: Iniciar el stack de Docker

Vane integra la interfaz de usuario web, la aplicación de backend y una instancia del metabuscador SearXNG. Inicia todos los servicios en segundo plano:

docker compose up -d

Docker descargará las imágenes de contenedor necesarias, configurará SearXNG e iniciará el servidor de Vane. Puedes supervisar los registros de inicio ejecutando docker compose logs -f.

Paso 4: Acceder a la interfaz y elegir un modo de enfoque

Una vez que los contenedores completen su inicialización, navega a http://localhost:3000 en tu navegador.

Vane ofrece modos de enfoque especializados que modifican la forma en que SearXNG recopila información y el modo en que el modelo de lenguaje estructura las respuestas:

• Búsqueda web: Búsqueda general en la web mediante los motores configurados en SearXNG.
• Búsqueda académica: Dirigida a artículos científicos y servidores de preprints académicos.
• Asistente de redacción: Desactiva la recuperación web para generar texto directamente desde el modelo.
• Búsqueda en YouTube: Busca en transcripciones de videos para extraer momentos y citas concretas.
• Búsqueda en Reddit: Extrae debates de comunidades públicas para conocer opiniones de usuarios.

Las fricciones ocultas al autoalojar Vane

Aunque disponer de un motor de búsqueda privado suena ideal, autoalojar Vane implica concesiones prácticas que a menudo sorprenden a los usuarios que migran desde herramientas comerciales en la nube.

1. Límites de tasa y bloqueos de IP en SearXNG

Vane depende de SearXNG para obtener resultados en directo extrayendo datos de grandes buscadores como Google, Bing y DuckDuckGo. Los motores de búsqueda públicos detectan y bloquean activamente las peticiones procedentes de direcciones IP de centros de datos o de consultas residenciales muy frecuentes.

Sin configurar proxies residenciales rotativos, las instancias de SearXNG se topan con frecuencia con CAPTCHAs, desafíos antibot o limitaciones de tasa silenciosas. Cuando SearXNG no consigue recuperar fragmentos web, Vane recurre a generar respuestas inventadas sin citas reales.

2. Restricciones de hardware para modelos locales

Ejecutar Vane de manera completamente desconectada requiere alojar un modelo de lenguaje local a través de Ollama. Modelos pequeños como Llama 3.1 8B o Qwen 2.5 7B funcionan sin problemas en portátiles convencionales con 8 GB a 16 GB de RAM, pero a menudo tienen dificultades para sintetizar con precisión la información de múltiples páginas web extensas. Con frecuencia omiten marcas de citas o atribuyen datos de manera incorrecta.

Los modelos de razonamiento de nivel frontera capaces de igualar a Perplexity Pro, como los modelos de 70B parámetros, exigen al menos 48 GB de memoria unificada en Apple Silicon o GPUs dedicadas de gama alta.

3. Las facturas de API por token aumentan con rapidez

Muchos usuarios resuelven la limitación del hardware local conectando claves de API de Anthropic u OpenAI a Vane. Sin embargo, los motores de búsqueda introducen un contexto muy amplio en cada solicitud.

Cada consulta de búsqueda incorpora varias páginas web de texto extraído. En una conversación de varios turnos, volver a enviar todo ese contexto de búsqueda en cada mensaje de seguimiento puede consumir miles de tokens de entrada por interacción. Un investigador que realice de 20 a 30 búsquedas detalladas al día con claves de API comerciales puede gastar fácilmente entre $25 y $50 al mes, eliminando la ventaja económica frente a una suscripción fija.

4. Búsqueda de una sola pasada frente a investigación profunda multietapa

Vane ejecuta una búsqueda de una sola pasada: toma tu consulta, ejecuta un conjunto de términos de búsqueda en SearXNG, procesa los mejores resultados y genera una respuesta.

No lleva a cabo una investigación profunda autónoma. Si tu pregunta exige explorar múltiples ramas, contrastar afirmaciones contradictorias en 20 o más páginas o profundizar en enlaces anidados durante varios minutos, Vane se detiene tras los resultados de la búsqueda inicial.

Cuándo usar Zemith para investigación multimodelo

Para investigadores, fundadores y profesionales que necesitan búsquedas web exhaustivas con modelos frontera pero no desean mantener contenedores Docker, depurar proxies de SearXNG ni gestionar facturaciones de API independientes, Zemith ofrece una alternativa lista para usar.

Zemith combina la elección de modelos frontera con investigación autónoma y exportación de documentos:

• Modelos insignia incluidos: Cambia entre Claude 5.5 Sonnet, GPT 6.1 Sol, Gemini 4 Argon y Perplexity Sonar dentro de la misma conversación en el plan Plus ($15.99 al mes o $179.88 al año).
• Investigación profunda autónoma: En lugar de una sola pasada de búsqueda, el agente de Investigación profunda de Zemith formula un plan de análisis explícito, solicita tu aprobación y consulta unas 24 fuentes durante un máximo de 10 minutos en segundo plano. Sigue ejecutándose incluso si cierras el navegador o la aplicación móvil, entregando un informe exhaustivo con notas completas por 100 000 créditos por ejecución.
• Exportación a archivos finales de Office: En lugar de copiar tablas en markdown sin formato, puedes generar y descargar documentos nativos de Word (.docx), modelos de Excel (.xlsx) o presentaciones de diapositivas (.pptx) directamente desde tu chat de investigación.
• Integración con biblioteca: Guarda artículos de investigación, transcripciones y fuentes web en un Proyecto de biblioteca de hasta 50 fuentes, lo que te permite contrastar materiales complejos con citas precisas de recuperación activa.

Comparativa: Vane autoalojado vs Perplexity Pro vs Zemith

La elección adecuada depende de si tu prioridad es el aislamiento de red de confianza cero, un buscador comercial pulido y listo para usar o una investigación multimodelo que produzca archivos terminados.

¿Por qué Perplexica cambió de nombre a Vane?

El desarrollador, ItzCrazyKns, cambió el nombre de Perplexica a Vane para consolidar una identidad de código abierto propia en lugar de percibirse indefinidamente como un clon secundario de Perplexity AI. Una veleta (vane en inglés) señala la dirección a través del viento; el nombre evoca un instrumento que guía a los usuarios hacia respuestas precisas en medio del ruido de la web.

El repositorio en github.com/ItzCrazyKns/Vane conserva la misma base de código, licencia y estructura de despliegue con Docker, con actualizaciones constantes en sus modos de enfoque y extractores de búsqueda.

¿Qué hardware necesitas para ejecutar Vane con Ollama?

Para ejecutar Vane de forma eficaz en hardware local sin claves de API en la nube, los requisitos del sistema varían según el tamaño del modelo elegido:

• Mínimo (modelos de 8B como Llama 3.1 8B): Una CPU de 8 núcleos, 16 GB de RAM del sistema (o 8 GB de VRAM en una GPU NVIDIA) y 20 GB de almacenamiento libre. Las respuestas serán rápidas, pero la síntesis compleja de múltiples fuentes omitirá detalles con frecuencia.
• Recomendado (modelos de 14B a 32B como Qwen 2.5 32B): Apple Silicon con 32 GB de memoria unificada o una GPU dedicada con al menos 16 GB de VRAM.
• Equivalencia de nivel frontera (modelos de 70B): Apple Silicon con 64 GB o más de memoria unificada o GPU dual con 48 GB de VRAM total.

Si tu equipo no cumple estas especificaciones, ejecutar modelos locales provocará una generación de tokens muy lenta y errores por falta de memoria durante el resumen de búsquedas.

¿Cómo se compara Vane con Perplexity Pro para investigar?

Perplexity Pro sigue siendo considerablemente más capaz para investigaciones exploratorias complejas que una instalación estándar de Vane. Perplexity mantiene su propio índice a escala web y una infraestructura de extracción dedicada, evitando los CAPTCHAs y detecciones de bots que degradan con frecuencia las instancias de SearXNG.

Además, Perplexity Pro incorpora investigación profunda automatizada que consulta la web de forma recursiva para aclarar respuestas ambiguas. Vane ejecuta un único ciclo de consulta y búsqueda. A menos que desarrolles orquestaciones personalizadas, Vane no puede planificar, ramificar ni compilar de forma autónoma dosieres extensos a partir de docenas de sitios web.

Para los investigadores que evalúan alternativas a Perplexity Pro, nuestro análisis de Perplexity frente a ChatGPT para investigación examina cómo se comparan la precisión de citas y el razonamiento multietapa entre las principales plataformas.

¿Cuándo deberías autoalojar Vane en lugar de usar una herramienta gestionada?

Autoalojar Vane es la opción idónea si te encuentras en una de estas dos situaciones:

1. Entornos confidenciales o aislados de la red (air-gapped): Si trabajas con historiales médicos, pruebas legales o código fuente confidencial que las políticas internas prohíben enviar a través de redes de terceros, Vane junto con una instancia local de Ollama garantiza que ningún paquete de datos salga de tu red local.
2. Aficionados al homelab: Si disfrutas manteniendo servicios autoalojados, configurando instancias de SearXNG, ajustando grupos de proxies y gestionando contenedores Docker, Vane es un proyecto de código abierto muy interesante y potente.

Sin embargo, si tu objetivo prioritario es obtener investigaciones rigurosas y documentadas con rapidez sin solucionar problemas de puentes de red en Docker, lidiar con consultas bloqueadas ni ver cómo los tokens de API sin caché consumen tu saldo, un servicio multimodelo gestionado resulta mucho más productivo.

Conclusión

Vane es un logro notable en el software libre que demuestra que la búsqueda con IA autoalojada y respaldada por citas es posible en equipos personales. Para los defensores estrictos de la privacidad y los desarrolladores con homelab, ofrece una base sólida para crear motores de respuestas privados.

Para la investigación académica, de mercado y técnica del día a día, el mantenimiento continuo de los extremos de scraping de SearXNG y los exigentes requisitos de hardware para el razonamiento frontera local hacen que el autoalojamiento requiera una dedicación considerable.

Si buscas acceso a modelos punteros como Claude 5.5 Sonnet y Gemini 4 Argon junto con Investigación profunda automatizada y descargas directas de documentos de Office, Zemith Plus ofrece un entorno de investigación integral por $15.99 al mes sin la carga de gestionar infraestructura. Descubre cómo se compara Zemith con los buscadores independientes en nuestra comparativa Zemith frente a Perplexity.