¿Es Jan completamente gratis?

Sí. Jan en sí no tiene nivel de pago, ni suscripción, ni cargos por token. Descargas la aplicación de forma gratuita, y los modelos de código abierto que ejecutas a través de ella también son gratuitos. El único costo es el hardware que ya posees y el almacenamiento para los archivos de los modelos (normalmente de 3 a 15 GB por modelo). Si conectas opcionalmente un proveedor en la nube como OpenAI o Anthropic a través de una clave API, esos proveedores cobran según sus propias tarifas, pero Jan en sí sigue siendo gratuito.

¿En qué se diferencia Jan de Ollama?

Ollama es una herramienta CLI sin interfaz gráfica (headless): ejecuta un servidor de modelos en segundo plano sin interfaz gráfica. Jan incluye una interfaz de chat de escritorio completa sobre una tecnología de inferencia similar. Muchos usuarios ejecutan ambos: Ollama como servidor en segundo plano y Jan (u otro frontend) como cliente de chat. Si prefieres trabajar en una terminal, Ollama puede resultarte más adecuado. Si deseas una interfaz gráfica (GUI) que se parezca a ChatGPT, Jan es la opción más accesible.

¿Qué modelos puedo ejecutar en Jan?

Jan es compatible con cualquier modelo cuantizado en formato GGUF, lo que cubre la mayoría de las principales familias de modelos de pesos abiertos: Llama 3, Qwen, Mistral, Gemma, Phi-4, DeepSeek, Falcon y otros. Menlo Research también lanza su propio Jan-Nano (4B parámetros, optimizado para tareas de investigación con el uso de herramientas MCP) directamente para su uso en la aplicación Jan. El tamaño del modelo está limitado por tu RAM y VRAM disponibles. Un mínimo práctico es de 8 GB de RAM para modelos más pequeños de 3-7B.

¿Es Jan de código abierto y qué licencia utiliza?

Jan es de código abierto bajo la licencia Apache 2.0. El código fuente completo está disponible en github.com/menloresearch/jan. Apache 2.0 permite el uso comercial, la modificación y la distribución sin requerir que tus modificaciones también sean de código abierto (a diferencia de AGPL, que utiliza Cherry Studio). Esto hace que Jan sea legalmente más simple para implementaciones empresariales.

¿Funciona Jan en Mac con Apple Silicon?

Sí. Jan v0.7.7 (febrero de 2026) añadió soporte nativo de MLX para Apple Silicon, lo que significa que los Mac de la serie M ahora utilizan el framework de ML de Apple para la inferencia en lugar de la ruta multiplataforma Metal. Esto proporciona una mejora de velocidad notable en los chips M1, M2, M3 y M4. Las versiones anteriores funcionaban en Apple Silicon pero sin aceleración MLX.

¿Se puede utilizar Jan como servidor API para desarrolladores?

Sí. Jan incluye un servidor API integrado compatible con OpenAI que se inicia en localhost:1337 al hacer clic en "Start Server". Cualquier código que llame a la API de chat completions de OpenAI puede redirigirse a Jan cambiando la URL base, sin necesidad de realizar otros cambios en el código. Este es un patrón común para los desarrolladores que desean probar integraciones de LLM localmente antes de comprometerse con los costos de la API en la nube.

¿Qué pasó con Cortex.cpp?

Cortex.cpp era una plataforma API de IA local en C++ independiente desarrollada por el mismo equipo de janhq que creó Jan. Se utilizó como proxy de inferencia interno de Jan durante un período en 2024. El 4 de julio de 2025, el repositorio de Cortex.cpp se archivó con un aviso explicando que el desarrollo se había trasladado a menloresearch/llama.cpp: el equipo optó por contribuir con su trabajo de inferencia directamente en el proyecto principal de llama.cpp en lugar de mantener una bifurcación (fork) separada. La aplicación de escritorio de Jan continuó su propia vía de desarrollo y no se vio afectada por el archivo.

Jan

Name: Jan
Price: Free USD
Author: Menlo Research

Modelos de IA y LLM

Gratis

Jan es una aplicación de escritorio gratuita y de código abierto desarrollada por Menlo Research que ejecuta grandes modelos de lenguaje (LLM) completamente en tu propio hardware. Sin nube, sin suscripciones y sin que los datos salgan de tu equipo. Es compatible con Llama, Qwen, Mistral, Gemma y decenas de modelos GGUF adicionales en Windows, macOS y Linux.

Casos de uso:Chat y Asistentes de IA

Funciones:Open Source

Jan es una aplicación de escritorio gratuita y de código abierto que ejecuta grandes modelos de lenguaje de forma local en tu computadora. Desarrollada por Menlo Research (una startup de I+D aplicada con sede en Singapur, anteriormente conocida como janhq), Jan te permite descargar y ejecutar modelos de las familias Llama, Qwen, Mistral, Gemma y DeepSeek sin depender de la nube. Es una auténtica alternativa a ChatGPT que mantiene cada palabra de cada conversación en tu propio hardware. Con más de 5,3 millones de descargas y 42.000 estrellas en GitHub a mediados de 2026, es uno de los clientes de LLM locales con mayor adopción disponibles. El proyecto cuenta con la licencia Apache 2.0, lo que significa que el código fuente completo es auditable, se puede bifurcar (fork) y es legalmente utilizable en proyectos comerciales sin obligaciones de pago de regalías.

La aplicación incluye una interfaz de chat al estilo de ChatGPT, un centro de modelos integrado para descargar archivos GGUF cuantizados directamente desde HuggingFace y un servidor API local compatible con OpenAI a un solo clic en localhost:1337. Los desarrolladores pueden apuntar LangChain, AutoGen o cualquier herramienta compatible con el SDK de OpenAI a ese endpoint sin cambiar su código. Jan v0.7.7 (febrero de 2026) añadió soporte nativo de MLX para Apple Silicon, acelerando significativamente la inferencia en los Mac de la serie M. La aplicación también es compatible con el Model Context Protocol (MCP) para el uso experimental de herramientas de agentes, lo que permite a Jan realizar búsquedas web, acceder a archivos y utilizar otras herramientas externas desde dentro de una conversación. Los usuarios pueden conectar opcionalmente proveedores en la nube como OpenAI, Anthropic, Mistral o Groq mediante una clave API para una configuración híbrida local y en la nube.

Lo que Jan realmente hace en mayo de 2026

Jan v0.7.9, lanzada el 23 de marzo de 2026, es la versión estable actual. Obtiene una lista de modelos seleccionados durante la configuración inicial, limita la longitud del contexto automáticamente para evitar bloqueos por falta de memoria e incluye una CLI para flujos de trabajo automatizados en Windows y macOS. La aplicación funciona en Windows 10+, macOS 13.6+ y las principales distribuciones de Linux, con requisitos del sistema que parten de 8 GB de RAM (se recomiendan 16 GB) y más de 10 GB de almacenamiento para los modelos.

El motor de inferencia subyacente es llama.cpp, el mismo entorno de ejecución en C++ que utilizan LM Studio y Ollama. Para Apple Silicon, la ruta MLX (añadida en la versión 0.7.7) proporciona un aumento de velocidad significativo en comparación con la ruta Metal predeterminada. La aceleración por GPU para tarjetas NVIDIA y AMD se gestiona a través de CUDA y ROCm. La aplicación Jan expone parámetros avanzados de llama.cpp (tamaño del contexto, temperatura, penalización por repetición, semilla) a través de un panel de "Configuración avanzada" para los usuarios que deseen realizar ajustes más allá de los valores predeterminados.

Jan también incluye su propia familia de modelos. Jan-Nano, un modelo no pensante de 4.000 millones de parámetros optimizado para tareas de investigación profunda con el uso de herramientas MCP, se lanzó el 16 de junio de 2025 y está alojado en HuggingFace (Menlo/Jan-nano). Se integra directamente con la aplicación Jan y está diseñado para producir informes de investigación estructurados y citados utilizando herramientas de búsqueda conectadas. Una guía de configuración complementaria "Jan v1" en el sitio oficial explica cómo configurar el prompt del sistema optimizado para la investigación. Para los usuarios que desean permanecer completamente dentro del ecosistema de Jan, esta combinación de modelo y aplicación es la experiencia de primer nivel prevista.

El servidor API local merece una mención especial. Al hacer clic en "Start Server" en la interfaz de Jan, expone un endpoint REST totalmente compatible con OpenAI en localhost:1337. A diferencia de algunas alternativas, Jan permite ejecutar múltiples endpoints de modelos simultáneamente, lo que significa que un desarrollador puede configurar tanto una instancia local de Llama como un modelo remoto proxy de OpenAI detrás de la misma interfaz y cambiar entre ellos sin necesidad de reiniciar.

La posición de Jan frente a LM Studio y Cherry Studio

El espacio de escritorio de LLM locales tiene tres serios contendientes en 2026: LM Studio, Jan y Cherry Studio. Sirven a usuarios significativamente diferentes a pesar de su similitud superficial.

Jan vs. LM Studio se reduce a la apertura frente al pulido. LM Studio es propietario, de código cerrado y requiere una licencia comercial para uso empresarial. Jan tiene licencia Apache 2.0: cada línea de código está en GitHub, cada dependencia es auditable y no hay tarifas de licencia para la implementación empresarial. Para las organizaciones que necesitan verificar el cumplimiento (auditorías HIPAA, GDPR, SOC 2), la naturaleza de código abierto de Jan no es un argumento de venta, es un requisito práctico. En cuanto a la experiencia del usuario, LM Studio tiene una ventaja más estrecha: su navegador de modelos HuggingFace integrado permite filtrar y descargar modelos sin salir de la aplicación en unos 2 minutos, mientras que el descubrimiento de modelos de Jan requiere más pasos manuales y toma cerca de 5 minutos para una configuración por primera vez. Ambas herramientas utilizan llama.cpp como su motor de inferencia, por lo que la velocidad de generación bruta en hardware idéntico está dentro del 5% entre sí. LM Studio ha añadido recientemente un SDK propietario y un soporte MLX más refinado, dándole una ventaja para los desarrolladores que desean crear herramientas específicas para LM Studio. La ventaja de Jan es que su base de código nunca cambiará su licencia de forma inesperada.

Jan vs. Cherry Studio es una división arquitectónica más fundamental. Cherry Studio (AGPL-3.0) es principalmente un agregador en la nube: te ofrece una única interfaz pulida para cambiar entre más de 20 proveedores de LLM en la nube, con soporte opcional para modelos locales a través de Ollama como backend. La identidad de Cherry Studio es "una interfaz de usuario para todas tus API en la nube". La identidad de Jan es la opuesta: eliminar por completo las API en la nube y ejecutar todo en tu propia máquina. Cherry Studio es compatible con iOS y macOS, algo que Jan no ofrece (no tiene cliente móvil). Cherry Studio tiene un poco más de estrellas en GitHub (~44.900 frente a las ~42.400 de Jan) y un flujo de trabajo de cambio de modelos más activo para los usuarios que realmente utilizan múltiples proveedores en la nube. Pero para el usuario cuyo requisito principal es que ningún dato salga del dispositivo, el ADN centrado en la nube de Cherry Studio lo convierte en una categoría de producto diferente. Los usuarios que evalúen Cherry Studio por sus capacidades de IA local también deberían considerar Open WebUI y AnythingLLM, que ofrecen interfaces de IA local basadas en la web con sólidas funciones de RAG y bases de conocimiento.

"Hace que sea más fácil para el usuario final que no quiere lidiar con dependencias de Python o líneas de comandos". EMM_386, Hacker News, marzo de 2024

Jan también se posiciona de manera diferente a Ollama, que se basa principalmente en la CLI y no tiene interfaz gráfica (headless). Ollama es un backend; Jan incluye un frontend completo. De hecho, muchos usuarios ejecutan ambos: Ollama sirve modelos a múltiples frontends mientras que Jan actúa como el cliente de chat de escritorio. Las herramientas se complementan entre sí en lugar de competir directamente.

Cómo es la realidad del flujo de trabajo con LLM locales

El uso diario de Jan se divide en tres patrones. El primero es el flujo de trabajo de revisión de documentos aislado por privacidad: un profesional de la salud, abogado o analista financiero desactiva su conexión a Internet, carga un modelo cuantizado de 7B o 13B parámetros (archivos GGUF de 3 a 8 GB) y utiliza la interfaz de chat para consultar o resumir documentos que no se pueden enviar a un proveedor en la nube. Esta es la propuesta de valor más clara de Jan y el escenario donde ninguna herramienta en la nube puede competir en garantías de privacidad.

El segundo patrón es el ciclo de API local para desarrolladores: iniciar el servidor de Jan en localhost:1337, apuntar una aplicación LangChain o Python personalizada hacia él, e iterar sobre prompts y lógica de agentes sin acumular costos de API. El endpoint compatible con OpenAI de Jan significa que el código existente que llama a openai.chat.completions.create() solo requiere un cambio en la URL base para ejecutarse contra un modelo local. Para los desarrolladores que construyen y prueban funciones de LLM, esto representa una ventaja significativa en costos y latencia durante el desarrollo.

El tercero es el modo de asistente de investigación utilizando Jan-Nano y MCP. Configura Jan con un servidor MCP que proporcione acceso a búsquedas web, carga el modelo Jan-Nano 4B con su prompt de sistema de investigación y pídele que produzca un informe estructurado sobre un tema. Jan-Nano alcanza una precisión del 91,1% en el benchmark SimpleQA, en comparación con el 78,3% del modelo anterior Lucy 1.7B al que sucedió. Este flujo de trabajo produce investigaciones organizadas y citadas en lugar de respuestas conversacionales casuales.

"También intenta asignar 30 GB, que es el tamaño del modelo, pero mi VRAM es de solo 10 GB y la máquina tiene 32 GB, por lo que no tiene sentido. Ollama funciona perfecto con modelos de 30B". Usuario anónimo, informe de la comunidad BigGo, agosto de 2025

El punto de fricción con el que los usuarios se encuentran más a menudo es la detección de VRAM. Jan no siempre divide correctamente la carga del modelo entre la memoria de la CPU y la GPU de la manera en que lo hace Ollama, por lo que los usuarios con tarjetas de 10-12 GB de VRAM a veces descubren que Jan se niega a cargar un modelo que funciona bien en Ollama. Este es un problema conocido a partir de 2025-2026 y la queja más común en los foros de la comunidad. La versión 0.7.9 añadió la limitación de la longitud del contexto para reducir una categoría de estos bloqueos, pero la lógica de asignación de VRAM sigue siendo imperfecta.

Para quién está diseñado Jan

Jan es la herramienta adecuada para los profesionales que priorizan la privacidad: cualquier persona que maneje documentos confidenciales, historiales médicos, expedientes legales o datos financieros y que necesite asistencia de IA sin exposición a la nube. Es igualmente adecuada para los defensores del código abierto que necesitan código auditable con licencia Apache 2.0 para fines de cumplimiento. Los desarrolladores que desean un servidor de inferencia local basado en GUI para probar integraciones de LLM, sin tener que gestionar la CLI de Ollama, también son usuarios naturales.

Jan no es la opción adecuada para los usuarios que priorizan la velocidad de descubrimiento de modelos y una experiencia inicial pulida: LM Studio maneja la configuración inicial de manera más fluida y su navegador HuggingFace integrado requiere menos pasos. Jan también es una mala opción para los usuarios que necesitan ejecutar múltiples modelos simultáneamente, ya que las sesiones de modelos en paralelo no son totalmente compatibles. Cualquiera que desee una interfaz accesible a través de la web en lugar de una aplicación de escritorio debería considerar Open WebUI o AnythingLLM en su lugar.

Jan fue nombrada una de las 20 startups de código abierto más populares de 2024 por el Índice ROSS de TechCrunch (22 de marzo de 2025), basándose en la tasa de crecimiento de estrellas en GitHub. Ese reconocimiento refleja un impulso genuino de la comunidad: el proyecto ha acumulado más de 42.000 estrellas y 5,3 millones de descargas sin ningún nivel de pago ni marketing agresivo. La decisión del equipo en julio de 2025 de archivar Cortex.cpp y fusionar su trabajo de inferencia directamente en el repositorio principal de llama.cpp fue una elección deliberada para fortalecer la base compartida de código abierto en lugar de mantener una bifurcación (fork) competidora.

Lo que Jan no es

Jan no es un proveedor de modelos. No entrena, ajusta (fine-tune) ni aloja ningún LLM en sus propios servidores. Tú proporcionas el hardware; Jan proporciona la interfaz. Si buscas un servicio gestionado que aloje modelos por ti, necesitas algo como la oferta en la nube de Ollama, o un proveedor en la nube directamente.

Jan no es un constructor de IA sin código (no-code). No te permite implementar chatbots para usuarios externos, crear flujos de trabajo con una interfaz visual ni conectarte a aplicaciones empresariales como Slack o Notion de forma predeterminada. Para esos casos de uso, AnythingLLM y herramientas similares tienen funciones de flujo de trabajo e implementación más maduras.

Jan no funciona en dispositivos móviles. No hay cliente para iOS o Android a mediados de 2026. Los usuarios que deseen un LLM local en un iPhone o iPad tendrán que buscar en otra parte.

Por último, la afirmación de Jan de ser "100% offline" merece un matiz. La aplicación realiza conexiones a GitHub y fuentes externas para obtener metadatos de modelos y comprobar actualizaciones durante su funcionamiento normal. No está aislada de la red (air-gapped) por defecto. Los usuarios en entornos estrictamente aislados deben verificar el comportamiento de la red antes de la implementación o configurar las reglas de red en consecuencia.