Jan
免费开源本地AI对话
官网: 立即访问
所属分类: AI训练模型
工具介绍
Jan具体信息
Jan 是一款免费开源、可在本地设备上运行大语言模型(LLM)并进行 AI 对话的桌面应用。它的目标是成为 ChatGPT 的开源替代品,把开源 AI 的能力装进一个简单易用的产品里,让每个人都能在自己的电脑上获得完整的 AI 对话体验,同时拥有数据的完全控制权和隐私保护。
Jan 支持 100% 离线运行——所有模型与对话数据都保存在本地,不经过任何第三方服务器。它覆盖 Windows、macOS、Linux 三大平台,基于 llama.cpp 引擎(Cortex)驱动,可高效运行 GGUF 与 TensorRT-LLM 格式的模型。项目采用 Apache 2.0 开源协议,代码完全公开,可免费下载与修改。
本地模型运行:支持下载并运行 Llama、Gemma、Qwen、GPT-oss、Mistral 等主流开源模型,全部在本地完成推理,无需云端参与。
内置模型中心(Model Hub):深度集成 Hugging Face,可在应用内一键浏览、搜索、下载和管理模型,无需切换其他网站。
云端模型接入:支持通过 OpenAI、Anthropic Claude、Mistral、Groq、MiniMax 等 API 连接云端模型,实现本地与云端模型的统一管理。
自定义助手(Custom Assistants):可为模型设置专属系统指令,创建面向写作、编程等特定任务的个性化 AI 助手。
OpenAI 兼容 API:内置本地 API 服务器(默认端口 localhost:1337),可供其他应用以 OpenAI 接口格式调用本地模型。
MCP 支持:集成 Model Context Protocol,为本地模型扩展工具调用等智能体(Agent)能力。
会话与项目管理:支持按主题组织对话线程,并通过项目(Projects)分类管理工作内容。
第一步:安装。访问 jan.ai 官网或 GitHub Releases 页面,根据操作系统(Windows / macOS / Linux)下载对应安装包,完成后启动应用。
第二步:下载模型。打开应用后点击左侧边栏的“Hub(模型中心)”,从内置模型列表中选择合适模型一键下载。新手建议先选择参数量较小的量化版本(如 7B 的 Q4 量化),对内存要求更低。
第三步:开始对话。在模型下拉菜单中选择已下载的模型,在输入框输入消息即可开始本地 AI 对话。可在设置中调整 GPU 层数、上下文长度、温度等参数,以优化速度与效果。
第四步(可选):通过设置连接云端模型 API,或启用本地 API 服务器,将 Jan 扩展为统一 AI 入口或供其他工具调用的本地后端。
隐私与离线能力:Jan 可 100% 离线运行,对话数据不离开设备,从根源上杜绝数据泄露与第三方追踪,非常适合处理敏感信息。
免费开源:采用 Apache 2.0 协议,完全免费,无订阅、无 API 费用,代码可审查、可定制,用户可完全掌控自己的 AI 工具栈。
跨平台且轻量:覆盖 Windows、macOS、Linux,基于 Tauri 框架构建,相比 Electron 应用占用更少内存,在普通硬件上也能流畅运行。
一站式体验:内置模型中心一键下载模型,界面简洁无需命令行;同时统一管理本地与云端模型,一个应用即可访问主流大模型。
开放生态:提供 OpenAI 兼容 API、MCP 支持与 CLI,可与 Open WebUI 等第三方工具无缝对接,便于开发者二次开发。
与 Ollama 相比:Ollama 以命令行为核心,适合脚本化与自动化部署;Jan 提供完整图形界面,上手门槛更低。同一模型下 Ollama 的推理速度通常略快于 Jan,但 Jan 原生支持 MCP 工具调用,这是 Ollama 默认不具备的智能体扩展能力。
与 LM Studio 相比:两者都是图形化的本地模型管理工具,LM Studio 的模型浏览器更成熟、生态更丰富;Jan 则更侧重“隐私优先的个人聊天助手”定位,强调离线体验与对话组织,并提供了更灵活的 MCP 扩展机制。
与云端 ChatGPT 相比:Jan 免费、私有、数据不出设备且无使用限制;但受限于本地硬件,其模型能力与 GPT-4 级别的云端前沿模型仍有差距,更适合日常写作、总结、编程辅助等任务。
综合来看,Jan 的差异化优势在于“图形界面 + 隐私优先 + MCP 扩展”的组合,是本地 AI 入门用户和隐私敏感用户的理想选择。
Q1: Jan 是免费的吗?
A1: 是的。Jan 完全免费,采用 Apache 2.0 开源协议,源码公开,可自由下载、使用和修改。
Q2: 使用 Jan 必须联网吗?
A2: 不需要。Jan 支持 100% 离线运行,模型与对话数据都保存在本地,只有下载模型或连接云端 API 时才需要联网。
Q3: Jan 对硬件有什么要求?
A3: 建议至少 8GB 内存(可运行 3B 模型),7B 模型建议 16GB,13B 模型建议 32GB。GPU 加速(NVIDIA/AMD/Intel Arc)可显著提升速度,无 GPU 时 CPU 模式也可用。
Q4: Jan 支持哪些模型?
A4: 支持 GGUF 格式的开源模型,包括 Llama、Gemma、Qwen、GPT-oss、Mistral 等,可通过内置模型中心从 Hugging Face 下载。
Q5: 回答速度很慢怎么办?
A5: 可尝试选择更低量化的模型(如 Q4 而非 Q8)、开启 GPU 加速、减小上下文长度,或在设置中调整 GPU 层数以获得更快的响应。
Q6: Jan 能连接云端模型吗?
A6: 可以。Jan 支持通过 OpenAI、Anthropic、Mistral、Groq、MiniMax 等 API 接入云端模型,实现本地与云端模型的统一使用。
Jan的标签
Jan数据分析
数据更新于 2026-08-01,每月更新一次,预计15号之前完成更新,数据仅统计主域名:jan.ai。
总访问量
328,300
环比变化
-13.19%
平均停留
00:01:01
跳出率
49.71%
- 直接访问 40.58%
- 搜索引擎 44.18%
- 展示广告 0.18%
- 引荐流量 4.22%
- 社交媒体 3.78%
- 邮件 0.40%
- 其他 6.67%
- United States 19.3%
- India 8.22%
- Canada 4.79%
- United Kingdom 4.09%
- Brazil 3.53%