Jan: la alternativa de código abierto a ChatGPT

#Jan en pocas palabras: qué es en 2026

Jan es una aplicación de escritorio libre, publicada por Menlo Research, que reemplaza ChatGPT por modelos ejecutados en tu máquina. Su código está publicado bajo la licencia Apache 2.0 en GitHub. Funciona en Windows, macOS (solo Apple Silicon) y Linux, descarga modelos en formato GGUF desde un hub conectado a Hugging Face, los ejecuta con llama.cpp y expone una API compatible con OpenAI en el puerto 1337. También puede conectarse a modelos en la nube (OpenAI, Anthropic, Google, Groq, Mistral, OpenRouter) desde la misma interfaz, conectar servidores MCP y realizar búsquedas web. Para un uso habitual, no necesitas ninguna cuenta ni utilizar la línea de comandos. Esta guía te ayuda a instalar Jan, a elegir un modelo adecuado para tu memoria y te muestra hasta dónde llegan sus ventajas.

#Jan, LM Studio o Ollama: qué los diferencia

Las tres herramientas ejecutan los mismos modelos GGUF; se diferencian por su interfaz, su licencia y su uso típico. La tabla se limita a los elementos verificables en la documentación oficial de cada una.

La elección depende del uso. Jan es adecuado si buscas una interfaz completa, código libre y la posibilidad de combinar ejecución local y en la nube sin cambiar de herramienta. Si automatizas, escribes scripts o despliegas en un servidor, Ollama o llama-server siguen siendo opciones más naturales. La guía comparativa detalla los criterios para elegir entre estas opciones.

#Instalar Jan en Windows, macOS o Linux

La instalación no requiere cuenta. A continuación, los requisitos oficiales, que deben verificarse antes de descargar: determinan el modelo que podrás cargar posteriormente.

1. 01
   Descargar el instalador

   Ve a jan.ai o a la página de versiones de GitHub. Windows: archivo .exe. macOS: .dmg para arrastrar a Applications. Linux: preferiblemente Flatpak, de lo contrario .deb o AppImage.
2. 02
   Ejecutar Jan por primera vez

   No hace falta crear una cuenta. Al iniciar Jan por primera vez, descarga su modelo predeterminado; una vez finalizada la descarga, puedes usar el chat. Ese primer inicio también permite elegir tus preferencias de medición del uso.
3. 03
   Abrir el Hub para otros modelos

   El Hub está disponible en la barra lateral. Busca un modelo, haz clic en Download y luego selecciónalo en el selector de modelos de cualquier chat.

flatpak install flathub ai.jan.Jan
flatpak run ai.jan.Jan

#Elegir un modelo que quepa en tu memoria

El Hub muestra para cada modelo una etiqueta de adecuación: Fits, May be slow o Won't fit, calculada según tu equipo sin descargar nada. Las cuantizaciones se agrupan en Small, Balanced y Large, con una indicación Recommended en la descarga predeterminada. Prioriza estas etiquetas sobre cualquier otro criterio.

Para orientarte, aquí tienes las estimaciones aproximadas del sitio en Q4 (solo los pesos, antes de añadir el contexto) y las referencias que ofrece Jan para los Mac: la tabla combina ambas.

El modelo propio Jan-v3-4B, publicado bajo licencia Apache 2.0, es un punto de partida razonable: 4 mil millones de parámetros, una ventana nativa de 262.144 tokens y, según Jan, un mínimo de 8 GB de RAM en cuantización Q4 (16 GB recomendados en Q8). Es un modelo ligero: para resumir o redactar textos largos, un modelo de 7 a 14 mil millones de parámetros se comportará mejor si tu memoria lo permite.

#Primer chat, asistentes y proyectos

1. 01
   Abrir un nuevo chat

   Selecciona el modelo en el selector situado en la parte superior del chat. Un modelo local se carga en memoria la primera vez que lo usas; cuenta con un tiempo de carga mayor si el modelo es grande.
2. 02
   Escribir el mensaje

   Envía tu mensaje; la respuesta se muestra de forma continua. Los parámetros del modelo (temperatura, contexto) aparecen en la documentación «Model Parameters» de Jan.
3. 03
   Adjuntar un archivo

   El botón más permite añadir documentos, imágenes (se requiere un modelo con visión) o archivos de audio WAV y MP3 (se requiere un modelo de audio). Con un modelo local, los archivos permanecen en tu máquina.

Dos funciones cambian el uso diario. Los asistentes son conjuntos de instrucciones reutilizables: el equivalente a un system prompt guardado, que activas desde el campo de entrada. Los proyectos agrupan conversaciones en torno a instrucciones y archivos comunes: un documento subido a un proyecto se divide en fragmentos y se indexa, y después está disponible en todas las conversaciones del proyecto. Es un RAG ligero, suficiente para consultar algunos PDF sin construir un pipeline. Consulta la guía sobre los system prompts para redactar bien las instrucciones de un asistente.

#Conectar un modelo en la nube (y lo que implica)

Jan permite combinar modelos locales y en la nube en la misma interfaz: útil para comparar una respuesta local con la de un gran modelo, o para mantener un solo cliente de chat. Abre Settings, luego Model Providers, elige un proveedor (OpenAI, Anthropic, Google, Groq, Mistral, OpenRouter, Azure OpenAI, Hugging Face) y pega tu clave API. Cualquier punto de acceso compatible con OpenAI o Anthropic también puede añadirse como endpoint personalizado. Después, el modelo en la nube aparece en el selector.

#Usar Jan como servidor de API local

Jan incorpora un servidor compatible con OpenAI que funciona con llama.cpp. Abre Settings, luego Local API Server y haz clic en Start Server. Está listo cuando los registros indiquen que está escuchando en http://127.0.0.1:1337. Tus scripts, editores de código o aplicaciones compatibles con OpenAI pueden utilizarlo después cambiando la URL base.

curl http://127.0.0.1:1337/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer secret-key-123" \
  -d '{"model": "YOUR_MODEL_ID", "messages": [{"role": "user", "content": "Bonjour"}]}'

Reemplaza YOUR_MODEL_ID por el identificador de un modelo disponible en tu instalación de Jan, y la clave por la que hayas definido. Las opciones de configuración merecen atención, especialmente las que afectan a la red.

#Errores frecuentes del servidor local

Connection refused

El servidor no está arrancado, o tu aplicación apunta al host o puerto incorrecto.

401 Unauthorized

La clave de API está ausente en el encabezado Authorization o es incorrecta.

404 Not Found

El identificador de modelo no corresponde a ningún modelo disponible en Jan, o el prefijo de la API está mal escrito.

Error CORS en el navegador

Asegúrate de que la opción CORS esté activada en la configuración del servidor.

#llama.cpp o MLX en Mac

En Apple Silicon, Jan ofrece dos motores. llama.cpp es el motor estable, disponible en todas las plataformas, con el formato GGUF. MLX es un motor para chips de Apple (macOS 14 como mínimo) que aprovecha Metal, pero Jan lo califica de experimental: no admite embeddings y, por tanto, tampoco RAG, no gestiona la salida de razonamiento y algunas arquitecturas recientes no se cargan. La documentación recomienda empezar con llama.cpp y probar MLX con un modelo compatible si buscas velocidad.

#Privacidad: lo que permanece en tu equipo

Jan indica que no recopila ningún dato sin tu consentimiento previo: eliges tus preferencias de medición del uso en el primer inicio y puedes modificarlas después en los ajustes. Si aceptas, la empresa desarrolladora contabiliza indicadores de uso, como los usuarios activos, asociados a un identificador aleatorio, mediante PostHog alojado en la Unión Europea. Afirma que nunca lee tus conversaciones ni registra tus prompts. Tus datos (modelos, hilos de conversación, ajustes y registros) se almacenan en una carpeta local: en macOS, ~/Library/Application Support/Jan/data; en Linux, ~/.local/share/Jan/data. Esta descripción procede de la empresa desarrolladora: si trabajas en un entorno regulado, verifica el tráfico saliente de tu equipo.

#¿Jan está hecho para ti?

Quieres código libre

El repositorio está bajo la licencia Apache 2.0: puedes leer el código, crear un fork y redistribuirlo, respetando la licencia e incluyendo la atribución requerida.

Combinas el uso local y la nube

Una sola interfaz para tus modelos locales y proveedores en la nube, con asistentes y proyectos compartidos.

Evitas el terminal

Instalación, descarga de modelos y servidor local se gestionan desde la interfaz.

Automatizas o despliegas en un servidor

Prefiere Ollama o llama-server, más adecuados para servicios que funcionan sin interfaz.

Usas un Mac Intel

Jan no es compatible: elige otra herramienta.

• Jan: la alternativa open-source a ChatGPT, 100 % local (tutorial)
• Ollama vs LM Studio vs Jan vs GPT4All
• LM Studio para principiantes: primer chat local
• Dominar los system prompts
• llama-server: API OpenAI local con llama.cpp

• Fuente: documentación oficial de Jan Desktop
• Fuente: repositorio GitHub de Jan
• Fuente: servidor de API local de Jan
• Fuente: enfoque de privacidad de Jan