LobeHub

Documentation Index

Fetch the complete documentation index at: https://docs.aihubmix.com/llms.txt

Use this file to discover all available pages before exploring further.

​

De LobeChat a LobeHub

LobeHub es el sucesor de LobeChat, un proyecto de código abierto que ha superado las 77.000 estrellas en GitHub. En 2026, el proyecto se rebautizó y migró de lobehub/lobe-chat a lobehub/lobehub, reposicionándose desde un “cliente de ChatGPT de código abierto” a una plataforma de colaboración con agentes completa. La descripción oficial lo presenta como “un espacio para el trabajo y la vida en el que descubres, construyes y colaboras con compañeros de equipo Agentes que crecen contigo”. Bajo esta nueva narrativa de producto, el Agente ya no es una utilidad de apoyo: es la unidad de trabajo más pequeña en LobeHub.

​

Tres modos de despliegue

LobeHub se ofrece en tres modos de despliegue que cubren desde usuarios individuales hasta equipos empresariales. La edición en la nube otorga 450.000 créditos de cómputo gratuitos al registrarse. Las suscripciones de pago están estructuradas en Starter, Premium y Ultimate, con recargas de créditos opcionales. Las ediciones de escritorio y autoalojada son gratuitas en sí mismas; los costos de inferencia se pagan a través de las claves API del propio usuario.

​

Capacidades principales en la versión de 2026

La versión de 2026 de LobeHub ha superado con creces al cliente de chat tradicional. Su matriz de capacidades ahora incluye:

• Acceso a modelos de múltiples proveedores: Compatibilidad nativa con más de 70 proveedores, incluidos OpenAI, Anthropic, Google, DeepSeek, Moonshot, Zhipu, Alibaba, Volcano Engine y Ollama.
• Agent Groups: Cuatro modos de colaboración multi-agente — Sequential, Parallel, Iterative y Debate.
• Marketplace de plugins MCP: Basado en el estándar Model Context Protocol, con más de 10.000 Skills instalables con un clic ya listadas.
• Memoria personal: Memoria a largo plazo transparente y estructurada que los usuarios pueden inspeccionar y editar en cualquier momento.
• Runtime de agentes heterogéneo (introducido en la RFC-153, lanzado en la línea v2.1): Monta agentes CLI externos como Claude Code y Codex directamente dentro de los flujos de trabajo de LobeHub.
• Base de conocimiento / RAG: Un motor de recuperación vectorial respaldado por PostgreSQL + pgvector, con fragmentación automática y embedding para PDF, Markdown, Word y otros formatos.

En conjunto, estas capacidades establecen un cambio claro: LobeHub ha evolucionado desde un “reemplazo web de ChatGPT” hasta una mesa de trabajo unificada de agentes que consolida modelos de muchos proveedores. Por ello, la estabilidad y la comodidad del suministro de modelos subyacente se convierten en el factor decisivo de la experiencia diaria.

---

​

Configurar una clave de AIHubMix

AIHubMix ofrece un endpoint unificado y compatible con OpenAI que permite acceder a GPT-5.5 / GPT-5.4, Claude Opus 4.7 / Sonnet 4.6, Gemini, DeepSeek V4 Flash, Kimi y otros modelos principales con una sola clave API. En comparación con autoalojar one-api o construir un proxy inverso con Cloudflare Workers, AIHubMix elimina la carga operativa de mantenimiento del servidor, el mapeo de modelos y las políticas de límites de tasa.

​

Requisitos previos

• Una cuenta de AIHubMix
• Una clave API válida (consíguela desde la consola)

---

​

Opción 1: Aplicación web

​

Paso 1 — Abre la configuración del proveedor del modelo

Visita app.lobehub.com, haz clic en tu avatar en la esquina inferior izquierda y navega a Settings → Model Provider. Localiza AIHubMix en la lista y ábrelo. <Frame>  </Frame>

​

Paso 2 — Introduce tu clave API

Pega tu clave API de AIHubMix en el campo API Key y haz clic en Check a la derecha para verificar la conectividad. Un indicador verde de estado confirma que la configuración es correcta.

​

Paso 3 — Habilita el proveedor y selecciona un modelo

Activa el interruptor del proveedor en la parte superior de la página para activar AIHubMix. Vuelve a la vista de chat, abre el selector de modelo y elige un modelo del grupo AIHubMix para iniciar una conversación.

---

​

Opción 2: Cliente de escritorio

​

Descargar e instalar

Descarga la versión correspondiente desde lobehub.com/downloads:

El cliente de escritorio se encuentra actualmente en beta pública, con paridad de funciones respecto a la aplicación web.

​

Configuración

Después de la instalación, el flujo de configuración es idéntico al de la aplicación web:

1. Haz clic en tu avatar → Settings → Model Provider
2. Localiza AIHubMix y pega tu clave API
3. Activa el interruptor del proveedor y vuelve a la vista de chat para seleccionar un modelo

---

​

Escenarios prácticos de uso

​

Escenario 1 — Conversación cotidiana y redacción

Mezcla de modelos recomendada: GPT-5.5 (propósito general) + Claude Sonnet 4.6 (textos largos). Elige del marketplace un Agente orientado a la escritura — por ejemplo un Senior Prompt Architect o un asistente de contenido de marca — adjunta tus materiales de producto y documentos de referencia a su base de conocimiento, y produce briefs, correos y publicaciones en volumen. Para textos largos en chino, Claude Sonnet 4.6 ofrece una relación calidad/costo notablemente mejor que Opus 4.7 y debería ser el modelo predeterminado para salidas largas.

​

Escenario 2 — Tareas de código e ingeniería

Mezcla de modelos recomendada: Claude Opus 4.7 (preferido) + GPT-5.5. El Agent Builder de LobeHub te permite personalizar el system prompt y el conjunto de herramientas MCP para un Agente dedicado a la programación. Con el plugin MCP de GitHub adjunto, el Agente puede leer el código del repositorio, redactar descripciones de pull requests y ayudar directamente con la revisión de código. Un patrón avanzado es el modo Iterative en Agent Groups: Claude Opus 4.7 produce una implementación inicial, GPT-5.5 revisa y propone cambios, y Opus 4.7 itera de nuevo. Como ambos modelos se sirven a través del mismo endpoint de AIHubMix, todo el ciclo se ejecuta dentro de una sola conversación sin cambiar de proveedor.

​

Escenario 3 — Investigación con documentos largos y Q&A en bases de conocimiento

Mezcla de modelos recomendada: Gemini 2.5 Pro (contexto largo) + Kimi (contexto en chino de 2M tokens) + DeepSeek V4 Flash (eficiente en costos). En la edición autoalojada con base de datos de LobeHub, la base de conocimiento utiliza pgvector para ofrecer una pipeline RAG completa: subida de documentos → fragmentación automática → embedding vectorial → generación aumentada por recuperación. Configura el modelo de embedding (como text-embedding-3-large) y el modelo de chat a través de AIHubMix, y toda la pila se ejecutará con una sola clave: sin necesidad de gestionar cuentas multi-proveedor.

​

Escenario 4 — Colaboración multi-agente

Agent Groups es la capacidad estrella de la versión 2026 de LobeHub y ofrece cuatro modos de colaboración:

• Sequential: Agente de investigación → Agente de análisis → Agente de redacción. Mejor para flujos lineales con puntos claros de traspaso.
• Parallel: Varios agentes gestionan subtareas independientes simultáneamente.
• Iterative: Autor y editor intercambian revisiones; ideal para salidas que requieren pulido.
• Debate: Varios agentes argumentan posiciones diferentes sobre la misma pregunta; un moderador sintetiza la conclusión final.

Un ejemplo práctico: arma un escuadrón de análisis competitivo con Gemini 2.5 Pro como investigador, Claude Opus 4.7 como crítico y GPT-5.5 como sintetizador. En modo Sequential, los tres se ejecutan en orden, produciendo un informe equilibrado que refleja tanto perspectivas a favor como en contra.

---

​

LobeHub frente a Claude Code frente a Codex

​

En qué se diferencian

LobeHub, Claude Code y Codex aparecen con frecuencia juntos en conversaciones de 2026, pero ocupan categorías de producto distintas:

• LobeHub: Una plataforma gráfica de colaboración multi-agente orientada a flujos de trabajo de propósito general.
• Claude Code: La herramienta oficial de línea de comandos de Anthropic, centrada en programación y tareas de terminal.
• Codex: El agente de programación de OpenAI, centrado en tareas de programación.

Estrictamente hablando, “LobeHub vs. Claude Code” no es una comparación equivalente: se acerca más a una relación “plataforma vs. herramienta”.

​

Comparación lado a lado

​

Cuándo elegir LobeHub

LobeHub es la mejor opción cuando:

• Tu equipo combina ingenieros con personas que no lo son.
• Cambias con frecuencia de proveedor (GPT / Claude / Gemini).
• Necesitas una base de conocimiento y memoria a largo plazo.
• Quieres orquestación multi-agente con un historial de conversación visualizado.

​

Cuándo elegir Claude Code o Codex

Una herramienta CLI es la mejor opción cuando:

• Tu trabajo está dominado por flujos intensivos de programación que requieren acceso directo al repositorio y a la terminal.
• Prefieres interfaces de línea de comandos y quieres minimizar los cambios de contexto.
• Aceptas el lock-in con un solo proveedor de modelo.

​

Combinando los tres: agentes heterogéneos

El Heterogeneous Agent Runtime introducido en la RFC-153 te permite montar agentes CLI externos como Claude Code y Codex dentro de los flujos de trabajo de LobeHub. La división de responsabilidades es clara:

• LobeHub se encarga del estado de la conversación, la memoria y la orquestación de agentes.
• Claude Code / Codex se encargan de la ejecución local (E/S de archivos, ejecución de comandos).
• El usuario controla los agentes CLI desde la ventana de chat de LobeHub, sin salir de la GUI.

El valor práctico es eliminar el cambio constante de contexto entre GUI y CLI. Cuando los modelos subyacentes tanto de Claude Code como de Codex se enrutan a través de AIHubMix, toda la configuración se ejecuta con una sola clave API para autenticación y facturación unificadas, lo que facilita comparar ambas CLIs en tareas idénticas.

---

​

Preguntas frecuentes

P1. ¿La Base URL debe terminar en /v1? LobeHub añade el segmento de ruta automáticamente. https://aihubmix.com/v1 normalmente funciona sin más; si encuentras un 404 o una respuesta vacía, cambia a https://aihubmix.com y vuelve a intentarlo. Utiliza el botón Check junto a la lista de modelos para verificar la conectividad. P2. La lista de modelos no muestra Claude Opus 4.7 u otros modelos recién lanzados. El catálogo de modelos integrado en LobeHub va ligeramente por detrás de las versiones upstream. Hay dos formas de añadir un modelo manualmente:

• En la configuración del Custom Provider, añade el ID del modelo al campo Model List.
• Confirma que el modelo esté habilitado en la consola de AIHubMix, copia el ID oficial del modelo y pégalo en LobeHub.

P3. Las respuestas son sistemáticamente vacías o el streaming se interrumpe en mitad de la salida. Diagnostica en el siguiente orden:

1. Verifica el sufijo /v1 en la Base URL.
2. Comprueba si se ha deshabilitado la opción Stream.
3. Confirma que tu red local no bloquea SSE (Server-Sent Events).
4. Inspecciona el registro de solicitudes en la consola de AIHubMix para confirmar que las solicitudes están llegando al gateway.

P4. 502 Bad Gateway.

• Autoalojado: Comprueba la salud del contenedor de PostgreSQL y del contenedor de LobeHub. Verifica que DATABASE_URL, la lista de dominios permitidos de NextAuth y la configuración CORS de S3 sean correctas.
• Nube o escritorio: Normalmente un problema de red transitorio: espera unos minutos o cambia de red y vuelve a intentarlo.

P5. ¿Puedo controlar Claude Code y Codex a través de LobeHub después de configurar AIHubMix? Deben cumplirse dos requisitos previos:

1. Versión de LobeHub ≥ v2.1.56.
2. La CLI de Claude Code o de Codex está instalada localmente.

Una vez cumplidos, habilita la función Heterogeneous Agent en LobeHub y apunta también ANTHROPIC_BASE_URL y OPENAI_BASE_URL de las herramientas CLI a AIHubMix. La autenticación y la facturación quedarán unificadas bajo la misma clave.

---

LobeHub proporciona la mesa de trabajo de agentes; AIHubMix proporciona el suministro unificado de modelos. Combinados, ofrecen una sola interfaz gráfica, una sola clave API y una sola configuración que da acceso a GPT-5.5, Claude Opus 4.7, Gemini, DeepSeek V4 Flash y otros modelos líderes de 2026, sobre los cuales Agent Groups, las bases de conocimiento, MCP y el Heterogeneous Agent Runtime te permiten componer flujos de trabajo de IA individuales o de equipo. Para usuarios nuevos en LobeHub, el camino de incorporación recomendado es:

1. Regístrate en AIHubMix y crea una clave de prueba.
2. Usa el cliente de escritorio y sigue la Opción 2 para realizar la configuración mínima viable y explorar el conjunto completo de funciones.
3. Según la frecuencia de uso y el tamaño del equipo, decide si actualizar a la edición autoalojada con base de datos.

Recursos relacionados

• Sitio web oficial de LobeHub
• LobeHub en GitHub
• Descargas de LobeHub
• Precios de LobeHub
• Sitio web oficial de AIHubMix

Última actualización: 13 de mayo de 2026

---

Algunas notas de traducción para tu revisión:

• Número de proveedores: El original decía “más de 40”; actualizado a más de 70 según la página de inicio actual de LobeHub y la documentación oficial.
• Heterogeneous Agent: Anclado a la RFC-153 y a la línea v2.1 para mejorar la capacidad de búsqueda y la credibilidad.
• Escritura de la marca: Normalizada como AIHubMix (la fuente tenía dos apariciones sueltas de “AiHubMix” en las secciones de Requisitos previos y Paso 3).
• Palabras clave SEO destacadas: “configurar AIHubMix en LobeHub”, “endpoint compatible con OpenAI”, “plataforma de colaboración multi-agente”, “Heterogeneous Agent Runtime”, “marketplace de plugins MCP”, “RAG con pgvector”: todas son consultas razonables en español para la audiencia de LobeHub + AIHubMix.

Fuentes utilizadas para verificar terminología y datos:

• LobeHub — Agent teammates that grow with you
• lobehub/lobehub en GitHub
• Agent Groups · LobeHub Docs
• RFC-153 — Heterogeneous Agent Runtime
• LobeHub Changelog
• LobeHub Pricing
• AIHubMix — One Interface, Router All LLMs
• AIHubMix Documentation Hub