Dify vs n8n: LLM-приложения против автоматизации процессов

Dify и n8n обычно ставят в один ряд: обе программы визуальные, обе можно развернуть у себя, обе умеют звать языковую модель. На деле это инструменты с разным центром тяжести. Вопрос «dify vs n8n» проще решить, если сначала понять, что у вас главное: само LLM-приложение или процесс, в котором модель один из шагов. Ниже разбираем различия, подключаем модель через шлюз и считаем стоимость на примере.

Dify vs n8n: в чём разница по сути

Dify в собственной документации называется открытой платформой для создания ИИ-приложений: агенты, агентные сценарии и чат-боты, которые опираются на ваши данные, публикуются как веб-приложение или подключаются через API. n8n описывает себя как инструмент автоматизации рабочих процессов с лицензией fair-code, в который встроены ИИ-возможности. Отсюда разница в акцентах.

Практический вывод: Dify удобен, когда вы делаете продукт, у которого есть «лицо» (бот-консультант, форма генерации, ассистент для сотрудников). n8n удобен, когда нужно связать сервисы и вставить модель в середину цепочки: пришло письмо, модель его разобрала, результат ушёл в таблицу и в мессенджер.

Подключение модели через шлюз

Вам понадобятся ключ fetch_... из кабинета↗ и адрес https://api.zukko.pro/v1. Формат запроса описан в справочнике по chat/completions↗.

Dify

Модели в Dify подключаются через провайдеры: в разделе Integrations, Model Provider выбираете провайдера из каталога, нажимаете Setup и вводите ключ и, если нужно, адрес своего эндпоинта. Для шлюза подойдёт провайдер OpenAI-совместимого API из маркетплейса Dify. Дальше:

1. Адрес эндпоинта: https://api.zukko.pro/v1, ключ: fetch_....
2. Если модели нет в списке, кнопка Add Model на карточке провайдера позволяет добавить её вручную. В качестве имени вводите точный ID, например claude-sonnet-5-5.
3. Если форма просит размер контекста, возьмите значение из таблицы моделей (для Claude и GPT это 1M, для GLM 128K).
4. В разделе Default Models назначьте модель по умолчанию для общих задач.

Точные названия полей зависят от версии плагина провайдера, поэтому сверяйтесь с его описанием в маркетплейсе. Есть и одна оговорка про базу знаний: в документации Zukko нет эндпоинта эмбеддингов, поэтому модель для векторизации подключайте от другого поставщика или запускайте локально. Отдельно настройка описана в нашей статье Подключение Zukko к Dify↗.

n8n

В n8n есть узел OpenAI Chat Model, который работает вместе с узлами AI Agent и Basic LLM Chain. Два способа:

1. Через учётные данные OpenAI. Создаёте credentials с ключом fetch_... и, если в вашей версии есть поле Base URL, указываете https://api.zukko.pro/v1. Список моделей n8n подгружает с эндпоинта провайдера; если нужной модели там нет, ID можно задать выражением.
2. Через узел HTTP Request. Самый предсказуемый вариант: он не зависит от версии узла модели. Метод POST, адрес https://api.zukko.pro/v1/chat/completions, заголовок Authorization: Bearer fetch_..., тело в JSON:

{
  "model": "deepseek-v4.1-flash",
  "messages": [
    {"role": "system", "content": "Классифицируй обращение: оплата, доступ, другое. Ответь одним словом."},
    {"role": "user", "content": "{{ $json.text }}"}
  ],
  "max_tokens": 10
}

Ответ лежит в choices[0].message.content. Узел OpenAI Chat Model умеет переключаться на Responses API; шлюз поддерживает /v1/responses, но начните с настроек по умолчанию, то есть с Chat Completions.

Три сценария и выбор

Бот-консультант по документам. Нужны база знаний, поиск, ответ со ссылкой на источник, виджет на сайте. Это территория Dify: всё перечисленное есть в самой платформе, а публикация в виде встраиваемого чата занимает несколько кликов.

Разбор входящих заявок. Заявка пришла в CRM, модель определила тему и срочность, строка добавилась в таблицу, менеджеру ушло сообщение. Здесь важны триггеры и десятки интеграций, поэтому n8n подходит лучше.

Связка. Часто выигрывает сочетание: n8n по расписанию собирает данные из сервисов и вызывает приложение Dify по его REST API, а Dify держит промпты, базу знаний и журнал ответов. Каждый инструмент занят тем, что делает лучше всего.

Что брать небольшой команде

• Один человек и один процесс: n8n, и модель вставляйте узлом. Меньше сущностей, меньше поддержки.
• Нужен продукт для клиентов или сотрудников с диалогом и данными компании: Dify.
• Не нужен самостоятельный хостинг: у обоих есть облачные версии, условия смотрите на их сайтах.
• Если боитесь потратить время на эксплуатацию: n8n в документации рекомендует самостоятельное развёртывание опытным пользователям, а Dify требует Docker и минимум 2 ядра CPU и 4 GiB RAM по их инструкции. Заложите время на обновления и резервные копии.

Сколько это стоит

Цены на 18 октября 2026. Сценарий: 300 заявок в день, 30 дней, то есть 9 000 запросов в месяц. В каждом запросе 800 токенов входа (инструкция плюс текст заявки) и 100 токенов выхода.

• deepseek-v4.1-flash (вход 0.013, выход 0.038 за 1M): 800 × 0.013 + 100 × 0.038 = 10.4 + 3.8 = 14.2 микродоллара на запрос, 14.2 × 9 000 = 127 800 микродолларов, около $0.13 в месяц.
• claude-sonnet-5-5 (вход 0.4, выход 2 за 1M): 800 × 0.4 + 100 × 2 = 320 + 200 = 520 микродолларов, 520 × 9 000 = 4 680 000, то есть $4.68 в месяц.

Разница видна, но подходит ли дешёвая модель для классификации, покажет выборка из ваших реальных заявок. Проверьте 50–100 штук, а потом выбирайте. Актуальные цены: GET https://api.zukko.pro/v1/models или страница «Модели» в кабинете. Пополнить баланс можно через СБП (комиссия платёжной страницы 8,5% сверху), криптовалютой или картой MasterCard; ключу можно задать дневной и месячный лимит в долларах, что полезно для сценария, который может зациклиться. Готовый пример с n8n есть в статье n8n: автоматизация с Claude и GPT↗.

Частые вопросы

Что проще для новичка?

Если цель — быстро получить чат-бот на своих документах, проще Dify. Если цель — перекладывать данные между сервисами, проще n8n. Оба можно попробовать в облаке без установки.

Можно ли использовать оба вместе?

Да. Dify публикует приложения через REST API, а в n8n их можно вызвать узлом HTTP Request. Так сценарий остаётся в n8n, а логика с моделью в Dify.

Нужен ли для Claude Anthropic-формат?

Нет, любую модель можно вызывать и в OpenAI-формате. Различие только в кэше: скидку за чтение кэша для Claude учитывает Anthropic-формат. Для коротких разовых запросов вроде классификации это не важно.

Что делать при ошибке 404 model_not_found?

Проверьте точный ID модели по GET /v1/models. Регистр и точки в версиях важны.