Vane Alternatif Perplexity Open Source: Cara Setup (2026)

Vane (sebelumnya Perplexica) adalah mesin penjawab (answering engine) open source dan mandiri (self-hosted) yang dirancang sebagai alternatif privat untuk Perplexity AI. Vane memadukan mesin meta-search lokal SearXNG dengan model lokal via Ollama atau model komersial via API key, memberikan jawaban berbasis web dengan sitasi tanpa biaya langganan bulanan. Anda dapat menerapkannya secara lokal menggunakan Docker Compose dalam waktu sekitar lima menit, meskipun menjalankan model yang mumpuni memerlukan perangkat keras khusus dan pemeliharaan berkelanjutan terhadap endpoint scraping mesin pencari.

Mengapa Vane kian diminati saat ini

Minat pengembang terhadap pencarian mandiri melonjak seiring meningkatnya biaya langganan dan kekhawatiran privasi. Perplexity Pro berbiaya $20 per bulan (atau $200 per tahun per November 2026), dan kueri berjalan sepenuhnya melalui server cloud pihak ketiga. Bagi pengembang, peneliti, dan pengguna yang peduli privasi yang menangani dokumentasi internal atau data rahasia, mengirimkan setiap kueri ke platform komersial melanggar aturan kepatuhan (compliance).

Proyek yang dibuat oleh pengembang ItzCrazyKns ini awalnya bernama Perplexica, mengumpulkan lebih dari 18.000 bintang di GitHub sebelum berganti nama menjadi Vane. Perubahan nama ini mencerminkan cakupannya yang lebih luas: berfungsi sebagai instrumen navigasi yang dapat dikustomisasi untuk menjelajahi data web, bukan sekadar tiruan dari produk yang sudah ada. Proyek ini memungkinkan pengguna menggunakan model mereka sendiri, menyesuaikan backend pencarian, dan memegang kendali penuh atas riwayat kueri.

Cara mengatur dan menjalankan Vane dengan Docker

Menyiapkan Vane memerlukan mesin yang sudah terpasang Git, Docker, dan Docker Compose. Anda juga memerlukan penyedia inferensi: baik instans Ollama lokal yang berjalan di mesin Anda atau API key dari penyedia seperti Anthropic, OpenAI, atau Google.

Langkah 1: Kloning repositori

Buka terminal Anda dan kloning repositori resmi:

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

Jika sebelumnya Anda telah mengkloning ItzCrazyKns/Perplexica, memperbarui URL remote Anda ke repositori Vane yang baru akan mengarahkan build Anda ke rilis terbaru.

Langkah 2: Konfigurasikan lingkungan Anda

Salin file konfigurasi contoh ke konfigurasi aktif:

cp sample.config.toml config.toml

Buka config.toml di editor kode Anda. File ini mengontrol backend pencarian web, penyedia model, dan pemetaan port.

Jika Anda menggunakan Ollama, pastikan endpoint Ollama Anda mengarah ke mesin host Anda:

[GENERAL]
PORT = 3000
SIMILARITY_MEASURE = "cosine"

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

Jika Anda menggunakan API key komersial alih-alih bobot lokal, masukkan kredensial Anda di blok penyedia yang sesuai:

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

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

Langkah 3: Jalankan Docker stack

Vane membundel antarmuka pengguna web, aplikasi backend, dan instans meta-search SearXNG. Jalankan semua layanan di latar belakang:

docker compose up -d

Docker akan mengunduh image kontainer yang diperlukan, mengonfigurasi SearXNG, dan memulai server Vane. Anda dapat memantau log startup dengan menjalankan docker compose logs -f.

Langkah 4: Akses antarmuka dan pilih mode fokus

Setelah kontainer selesai diinisialisasi, buka http://localhost:3000 di peramban Anda.

Vane menyediakan mode fokus khusus yang mengubah cara SearXNG mengumpulkan informasi dan bagaimana model bahasa memformat respons:

• Web Search: Pencarian web umum menggunakan mesin pencari yang dikonfigurasi di SearXNG.
• Academic Search: Menargetkan makalah ilmiah dan server pracetak akademik.
• Writing Assistant: Menonaktifkan pengambilan web untuk menghasilkan teks langsung dari model.
• YouTube Search: Menelusuri transkrip video untuk mengekstrak momen dan kutipan tertentu.
• Reddit Search: Mengambil diskusi komunitas publik untuk melihat opini pengguna.

Kendala tersembunyi dalam hosting mandiri Vane

Meskipun menjalankan mesin pencari privat terdengar ideal, melakukan hosting mandiri Vane memiliki konsekuensi praktis yang sering mengejutkan pengguna yang beralih dari alat berbasis cloud.

1. Batasan frekuensi (rate limit) dan pemblokiran IP pada SearXNG

Vane mengandalkan SearXNG untuk mengambil hasil langsung dengan melakukan scraping pada mesin pencari utama seperti Google, Bing, dan DuckDuckGo. Mesin pencari publik secara aktif mendeteksi dan memblokir permintaan yang berasal dari alamat IP pusat data atau kueri perumahan yang terlalu sering.

Tanpa mengonfigurasi proksi perumahan (residential proxy) yang berputar, instans SearXNG sering kali menghadapi CAPTCHA, tantangan bot, atau pembatasan frekuensi tanpa peringatan. Ketika SearXNG gagal mengambil cuplikan web, Vane beralih ke halusinasi jawaban tanpa sitasi langsung.

2. Keterbatasan perangkat keras untuk model lokal

Menjalankan Vane sepenuhnya secara offline membutuhkan hosting model bahasa lokal via Ollama. Model kecil seperti Llama 3.1 8B atau Qwen 2.5 7B dapat berjalan lancar di laptop konsumen dengan RAM 8 GB hingga 16 GB, tetapi model ini sering kali kesulitan menyintesis informasi dari beberapa halaman web yang panjang secara akurat. Model-model tersebut kerap melewatkan penanda sitasi atau salah mengaitkan fakta.

Model penalaran tingkat terdepan yang dapat menandingi Perplexity Pro, seperti model berparameter 70B, memerlukan memori terpadu (unified memory) setidaknya 48 GB pada Apple Silicon atau GPU khusus kelas atas.

3. Biaya API bayar-per-token membengkak dengan cepat

Banyak pengguna mengatasi masalah perangkat keras lokal dengan menghubungkan API key Anthropic atau OpenAI ke Vane. Namun, mesin pencari memasukkan konteks yang sangat besar ke dalam setiap permintaan.

Setiap kueri pencarian menarik beberapa halaman web berisi teks hasil scraping. Dalam percakapan multi-putaran, pengiriman ulang seluruh konteks pencarian pada setiap pesan lanjutan dapat menghabiskan ribuan token input per interaksi. Seorang peneliti yang menjalankan 20 hingga 30 pencarian mendalam sehari dengan API key komersial dapat dengan mudah menghabiskan $25 hingga $50 per bulan, sehingga menghilangkan keunggulan biaya dibandingkan langganan bertarif tetap.

4. Pengambilan satu tahap vs riset mendalam multitahap

Vane menjalankan pencarian satu tahap (single-pass): Vane mengambil kueri Anda, menjalankan satu set kata kunci pencarian melalui SearXNG, mengurai hasil teratas, dan menghasilkan respons.

Vane tidak melakukan riset mendalam otonom. Jika pertanyaan penelitian Anda membutuhkan eksplorasi berbagai cabang, verifikasi silang klaim yang bertentangan di 20 halaman atau lebih, atau penelusuran tautan bertingkat selama beberapa menit, Vane berhenti setelah hasil pencarian awal.

Kapan harus menggunakan Zemith untuk riset multi-model

Bagi peneliti, pendiri, dan profesional yang membutuhkan pencarian web mendalam dengan model-model terdepan tetapi tidak ingin mengelola kontainer Docker, mendebug proksi SearXNG, atau mengelola tagihan API terpisah, Zemith menyediakan alternatif tanpa perlu setup rumit.

Zemith menggabungkan pilihan model terdepan dengan riset otonom dan ekspor dokumen:

• Termasuk model unggulan: Beralih antara Claude 5.5 Sonnet, GPT 6.1 Sol, Gemini 4 Argon, dan Perplexity Sonar dalam percakapan yang sama pada paket Plus ($15,99 per bulan atau $179,88 per tahun).
• Riset Mendalam Otonom: Alih-alih pencarian satu tahap, agen Deep Research Zemith menyusun rencana penyelidikan eksplisit, meminta persetujuan Anda, dan membaca sekitar 24 sumber hingga 10 menit di latar belakang. Proses ini terus berjalan meskipun Anda menutup peramban atau aplikasi ponsel, menghasilkan laporan menyeluruh dengan catatan kaki lengkap seharga 100.000 kredit per sesi.
• Ekspor ke file Office siap pakai: Daripada menyalin tabel markdown mentah, Anda dapat membuat dan mengunduh dokumen Word asli (.docx), model Excel (.xlsx), atau slide presentasi (.pptx) langsung dari obrolan riset Anda.
• Integrasi perpustakaan: Simpan makalah penelitian, transkrip, dan sumber web ke dalam Library Project yang memuat hingga 50 sumber, memungkinkan Anda memeriksa silang materi yang rumit dengan sitasi pemanggilan aktif penuh.

Vane Mandiri vs Perplexity Pro vs Zemith

Pilihan yang tepat bergantung pada prioritas Anda: apakah isolasi jaringan zero-trust, mesin pencari siap pakai yang rapi, atau riset multi-model yang menghasilkan file siap pakai.

Mengapa Perplexica berganti nama menjadi Vane?

Pengembang proyek ini, ItzCrazyKns, mengganti nama Perplexica menjadi Vane untuk membangun identitas open source yang unik daripada dipandang sebagai tiruan sekunder dari Perplexity AI. Baling-baling angin (wind vane) menunjukkan arah melalui udara yang bergerak; nama ini mencerminkan sebuah instrumen yang mengarahkan pengguna menuju jawaban yang akurat di tengah riuhnya data web.

Repositori dasar di github.com/ItzCrazyKns/Vane mempertahankan basis kode, lisensi, dan struktur penerapan Docker yang sama, dengan pembaruan aktif berkelanjutan untuk mode fokus dan ekstraktor pencariannya.

Perangkat keras apa yang Anda butuhkan untuk menjalankan Vane dengan Ollama?

Untuk menjalankan Vane secara efektif pada perangkat keras lokal tanpa API key cloud, persyaratan sistem Anda bergantung pada ukuran model yang Anda pilih:

• Minimum (model 8B seperti Llama 3.1 8B): CPU 8-core, RAM sistem 16 GB (atau VRAM 8 GB pada GPU NVIDIA), dan penyimpanan kosong 20 GB. Jawaban akan cepat, tetapi sintesis multi-sumber yang rumit sering kali melewatkan rincian penting.
• Direkomendasikan (model 14B hingga 32B seperti Qwen 2.5 32B): Apple Silicon dengan memori terpadu 32 GB, atau GPU khusus dengan VRAM minimal 16 GB.
• Setara model terdepan (model 70B): Apple Silicon dengan memori terpadu 64 GB+, atau GPU ganda dengan total VRAM 48 GB.

Jika mesin Anda tidak memenuhi spesifikasi ini, menjalankan model lokal akan menghasilkan pembuatan token yang lambat dan kesalahan kehabisan memori selama peringkasan pencarian.

Bagaimana perbandingan Vane dengan Perplexity Pro untuk riset?

Perplexity Pro tetap jauh lebih mumpuni untuk riset eksploratif yang kompleks dibandingkan instalasi standar Vane. Perplexity mengelola indeks skala web dan infrastruktur scraping sendiri, menghindari CAPTCHA dan deteksi bot yang kerap mengganggu instans SearXNG.

Selain itu, Perplexity Pro menyertakan riset mendalam otomatis yang secara rekursif menelusuri web untuk memperjelas jawaban ambigu. Vane hanya menjalankan satu siklus perintah-dan-cari. Kecuali Anda membuat orkestrasi khusus, Vane tidak dapat secara mandiri merencanakan, mencabangkan, dan menyusun berkas laporan multi-halaman di puluhan situs web.

Bagi peneliti yang mengevaluasi alternatif untuk Perplexity Pro, ulasan kami tentang Perplexity vs ChatGPT untuk riset menganalisis perbandingan akurasi sitasi dan penalaran multitahap di seluruh platform utama.

Kapan Anda sebaiknya memilih hosting mandiri Vane daripada alat terkelola?

Melakukan hosting mandiri Vane adalah pendekatan terbaik jika Anda termasuk dalam salah satu dari dua kategori ini:

1. Lingkungan air-gapped atau rahasia yang ketat: Jika Anda bekerja dengan rekam medis pasien, bukti hukum, atau kode sumber sensitif yang dilarang oleh kebijakan untuk dikirimkan melalui jaringan pihak ketiga mana pun, Vane yang dipadukan dengan instans Ollama lokal menjamin bahwa tidak ada paket data yang keluar dari jaringan lokal Anda.
2. Penikmat homelab: Jika Anda senang mengelola layanan mandiri, mengonfigurasi instans SearXNG, menyetel kumpulan proksi, dan mengelola kontainer Docker, Vane adalah proyek open source yang menarik dan mumpuni.

Namun, jika tujuan utama Anda adalah menghasilkan riset yang menyeluruh dan bersitasi secara cepat tanpa perlu memecahkan masalah jembatan jaringan Docker, menghadapi kueri pencarian yang diblokir, atau melihat token API tanpa cache menguras saldo Anda, layanan multi-model terkelola jauh lebih produktif.

Kesimpulan

Vane adalah pencapaian open source luar biasa yang membuktikan bahwa pencarian AI mandiri yang bersitasi dapat berjalan di perangkat keras konsumen. Bagi pecinta privasi murni dan pengembang homelab, proyek ini menyediakan fondasi yang kokoh untuk mesin penjawab privat.

Untuk riset akademis, pasar, dan teknis sehari-hari, pemeliharaan berkelanjutan terhadap endpoint scraping SearXNG serta persyaratan perangkat keras yang berat untuk model penalaran lokal menjadikan hosting mandiri sebagai komitmen yang cukup besar.

Jika Anda menginginkan akses ke model-model terdepan seperti Claude 5.5 Sonnet dan Gemini 4 Argon bersama dengan Deep Research otomatis dan pengunduhan dokumen Office asli, Zemith Plus menyediakan lingkungan riset lengkap seharga $15,99 per bulan tanpa beban infrastruktur. Pelajari perbandingan Zemith dengan mesin pencari mandiri di perbandingan Zemith vs Perplexity kami.