Dify

O que é

Dify é uma plataforma para construir aplicações de LLM: chatbots, assistentes de recuperação (RAG) sobre os seus próprios documentos, workflows de IA de várias etapas e, desde julho de 2026, agentes autônomos. Você constrói num canvas visual, conecta qualquer provedor de modelos (OpenAI, Anthropic, Gemini, modelos open-weight via Ollama ou vLLM) e publica o resultado como web app, widget de chat embutível, REST API ou servidor MCP. Bases de conhecimento, versões de prompt, logs de execução e correção de respostas por anotação ficam todos no mesmo workspace.

É construído pela LangGenius, fundada em 2023 e com sede em Menlo Park. Em 9 de março de 2026 a empresa anunciou uma Série Pré-A de $30M liderada pela HSG, a um valuation de $180M, e disse que mais de 280 empresas rodam suas edições comerciais, citando Maersk e Novartis entre elas. O repositório no GitHub tem mais de 158.000 estrelas. As releases saem mais ou menos a cada duas a quatro semanas. A versão atual, 1.17.1, chegou em 10 de setembro de 2026, depois que a 1.16 colocou o novo Agent App em beta aberto, com sandbox embutido e um sistema de skills.

A licença é “open source” com duas condições por cima da Apache 2.0. Você não pode rodar o código como serviço multi-tenant (um tenant é um workspace) sem permissão por escrito, e não pode remover o logo ou o copyright do Dify do console ou dos web apps. Uso interno, inclusive como backend do seu próprio produto, é permitido.

Por que aparece em stacks de operações

• RAG é o núcleo, não um complemento. Você sobe contratos, políticas, playbooks ou bibliotecas de descrições de vaga, escolhe uma estratégia de chunking e um modelo de embedding, e ganha uma base de conhecimento que qualquer app ou nó de workflow pode consultar, com hit testing para ver quais chunks voltaram. Para um time de Legal Ops construindo um bot de perguntas e respostas sobre políticas, ou um time de RevOps ancorando um assistente de deal desk nas regras de preço, isso é a maior parte da construção.
• MCP nas duas direções. Qualquer app do Dify pode ser publicado como servidor MCP pela aba Access Point, para que o Claude Desktop ou o Cursor o chamem como ferramenta. O Dify também consome servidores MCP externos via transporte HTTP e entrega as ferramentas deles a agentes e nós de workflow. A versão 1.16 adicionou suporte à spec MCP 2025-06-18.
• Escolha de modelo por nó. Um mesmo workflow pode mandar a classificação para um modelo barato e a redação para um modelo de fronteira, o que importa quando a conta é por token.

Preço na prática

Fonte: dify.ai/pricing, verificado em 2026-10-11. Os planos na nuvem são cobrados por workspace, não por assento.

• Sandbox, grátis. 200 créditos de mensagem no total (não por mês), 1 membro, 5 apps, 50 documentos de conhecimento, 30 dias de logs.
• Professional, $59/mês ou $590/ano (cerca de $49/mês). 5.000 créditos de mensagem por mês, 3 membros, 50 apps, 500 documentos, 5GB de armazenamento de conhecimento.
• Team, $159/mês ou $1.590/ano. 10.000 créditos por mês, 50 membros, 200 apps, 1.000 documentos, 20GB.
• Community Edition, grátis, self-hosted. Todos os recursos principais, um workspace. O mínimo documentado é 2 núcleos de CPU e 4 GiB de RAM.
• Enterprise, sob consulta. Vários workspaces, SSO, licença comercial e suporte. Não há valor público, e não encontramos dados confiáveis de preço de terceiros, então trate como uma conversa com vendas.

Os créditos de mensagem só pagam modelos hospedados pelo Dify, e se esgotam rápido em modelos de fronteira: a página de preços lista 20 créditos por resposta no Claude Opus 4.7 e 5 no GPT-5, contra 1 no Gemini 2.5 Flash. Isso faz os 5.000 créditos do Professional valerem cerca de 250 respostas do Opus. Não dá para comprar mais créditos. Quando eles acabam, você passa para a sua própria chave de API e paga o provedor diretamente. Na prática, todo deployment sério acaba custando $590–1.590 por ano em taxas de plataforma, mais uma conta de modelos separada. O plano Team é o teto realista para um departamento: 50 membros por $1.590 por ano sai muito mais barato do que qualquer plataforma de agentes cobrada por assento.

Ideal para

• Ideal para: um engenheiro de operações ou analista técnico numa empresa de 50 a 1.000 pessoas que precisa colocar no ar dois ou três apps internos de IA, como um bot de perguntas e respostas sobre políticas, um extrator de cláusulas de contratos ou um assistente de triagem de candidatos, ancorados nos documentos do próprio time e de propriedade do time, não da TI.
• Times de Legal Ops e Recruiting que precisam manter documentos na própria infraestrutura: a Community Edition roda numa única VM pequena.
• Não é para times cujo trabalho real é mover registros entre apps SaaS de forma agendada. O Dify tem triggers e nós HTTP, mas o catálogo de conectores é fraco perto de um motor de automação dedicado.

Frente às alternativas

• n8n: o líder em participação na automação técnica, com mais de 1.000 integrações e cobrança por execução a partir de €20/mês. Escolha o n8n quando o trabalho é encanamento de CRM para enriquecimento para Slack com uma etapa de IA no meio. Escolha o Dify quando o trabalho é o próprio app de IA: qualidade de recuperação, iteração de prompt e um front end de chat. Muitos times rodam os dois, com o n8n chamando a API do Dify.
• Microsoft Copilot Studio: o outro líder em participação, $200 por mês por pacote de 25.000 créditos. Escolha quando a empresa vive no Microsoft 365 e a TI quer os agentes dentro da governança desse tenant.
• Gumloop: o construtor AI-native que mais cresce, Pro a $37/mês com assentos ilimitados. Escolha quando ninguém no time vai mexer em configuração de provedor de modelos. Escolha o Dify quando você precisa de self-hosting ou de controle sobre chunking e recuperação.
• Sim: o rival open source mais novo, Pro a $25 por usuário por mês. Escolha se você prefere um canvas totalmente aberto e agent-first e consegue conviver com um ecossistema menor.
• Relevance AI: escolha quando o objetivo é um time de agentes de vendas trabalhando dentro das suas ferramentas de GTM, não um app sob medida.
• Dust ou Langdock: escolha quando o que você quer é um assento de chat para a empresa toda, com agentes, e não apps que um construtor publica para os outros.
• Flowise (agora da Workday) e Langflow (agora da IBM, via DataStax) são os outros canvases open source. Os dois agora estão dentro de fornecedores maiores, o que vale pesar se independência importa.

Pontos de atenção

• A licença não é Apache 2.0 pura. Rodar o Dify como serviço multi-tenant, ou fazer white-label do front end, exige licença comercial. Proteção: se você planeja dar a cada cliente o próprio workspace, ou entregar telas do Dify com a sua marca, obtenha termos por escrito da LangGenius antes de construir. Se você só precisa da API por trás da sua própria UI, a cláusula do frontend não se aplica.
• Os créditos acabam rápido em modelos de fronteira. A 20 créditos por resposta do Opus, um bot interno movimentado pode esgotar o Professional em dias. Proteção: adicione suas próprias chaves de provedor no primeiro dia e coloque-as em primeiro lugar no Usage Priority de cada provedor, para que os créditos sejam só um fallback e o gasto com modelos apareça numa fatura que você controla.
• Upgrades quebram instalações self-hosted. As notas da 1.17.1 exigem um upgrade em etapas para o Weaviate embutido, e a 1.16.1 adicionou uma nova variável de ambiente obrigatória. Proteção: fixe uma versão, leia as release notes antes de cada upgrade e teste numa cópia de staging dos seus volumes de dados antes de mexer em produção.
• O Agent App ainda está em beta. Proteção: mantenha os casos de uso de produção em apps Workflow e Chatflow, que são os tipos de app maduros, até o Agent sair do beta.