Jan: l'alternativa open source a ChatGPT

#Jan in poche parole: che cos'è nel 2026

Jan è un'applicazione desktop libera sviluppata da Menlo Research che sostituisce ChatGPT con modelli eseguiti sul tuo dispositivo. Il codice è pubblicato sotto licenza Apache 2.0 su GitHub. Funziona su Windows, macOS (Apple Silicon esclusivamente) e Linux, scarica modelli nel formato GGUF da un Hub collegato a Hugging Face, li esegue con llama.cpp e offre un'API compatibile con OpenAI sulla porta 1337. Sa anche connettersi a modelli cloud (OpenAI, Anthropic, Google, Groq, Mistral, OpenRouter) all'interno della stessa interfaccia, collegare server MCP e effettuare ricerche web. Per un uso quotidiano, non è necessario un account né una riga di comando. Questa guida ti aiuta a installare Jan, a scegliere un modello adatto alla tua memoria e a capire i suoi limiti.

#Jan, LM Studio o Ollama: cosa li distingue

I tre strumenti eseguono gli stessi modelli GGUF; si differenziano per l'interfaccia, la licenza e l'uso tipico. La tabella si limita agli elementi verificabili nei loro documenti ufficiali.

La scelta dipende dall'uso. Jan è adatto se vuoi un'interfaccia completa, codice libero e la possibilità di combinare locale e cloud senza cambiare strumento. Se automatizzi, scrivi script o esegui il deployment su un server, Ollama o llama-server restano scelte più naturali. La guida comparativa illustra nel dettaglio questi compromessi.

#Installare Jan su Windows, macOS o Linux

L'installazione non richiede un account. Ecco i prerequisiti ufficiali, da verificare prima di scaricare: determinano il modello che potrai caricare successivamente.

1. 01
   Scaricare il programma di installazione

   Vai su jan.ai o sulla pagina delle versioni su GitHub. Windows: file .exe. macOS: .dmg da trascinare in Applications. Linux: preferibilmente Flatpak, altrimenti .deb o AppImage.
2. 02
   Avviare Jan per la prima volta

   Nessun account da creare. Al primo avvio, Jan scarica il suo modello predefinito; una volta completato il download, la chat è utilizzabile. Il primo avvio permette anche di scegliere le tue preferenze relative alla misurazione dell'utilizzo.
3. 03
   Aprire l'Hub per altri modelli

   L'Hub è accessibile dalla barra laterale. Cerca un modello, clicca su Download, poi selezionalo nel selettore del modello di qualsiasi chat.

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

#Scegli un modello che rientri nella memoria disponibile

Il Hub mostra per ogni modello un indicatore di compatibilità: Fits, May be slow o Won't fit, calcolato in base al tuo hardware senza scaricare nulla. Le quantizzazioni sono raggruppate in Small, Balanced e Large, con la dicitura Recommended sul download predefinito. Dai priorità a questi indicatori rispetto a qualsiasi altro criterio.

Per orientarti, ecco gli ordini di grandezza indicati dal sito per Q4 (solo i pesi, prima di considerare il contesto) e le indicazioni fornite da Jan per i Mac: la tabella mette in relazione i due.

Il modello interno Jan-v3-4B, pubblicato sotto licenza Apache 2.0, è un punto di partenza ragionevole: 4 miliardi di parametri, una finestra nativa di 262.144 token e, secondo Jan, un minimo di 8 GB di RAM con quantizzazione Q4 (16 GB raccomandati in Q8). È un modello leggero: per riassumere testi o scrivere testi lunghi, un modello da 7 a 14 miliardi di parametri se la caverà meglio se la memoria a tua disposizione lo permette.

#Prima chat, assistenti e progetti

1. 01
   Aprire una nuova chat

   Seleziona il modello nel selettore in alto nella chat. Un modello locale viene caricato in memoria al primo utilizzo; prevedi più tempo per un modello di grandi dimensioni.
2. 02
   Scrivere il messaggio

   Invia il tuo messaggio; la risposta viene visualizzata man mano che viene generata. I parametri del modello (temperatura, contesto) sono indicati nella documentazione « Model Parameters » di Jan.
3. 03
   Aggiungere un file

   Il tasto più permette di aggiungere documenti, immagini (modello con visione richiesto) o file audio WAV e MP3 (modello audio richiesto). Con un modello locale, i file rimangono sulla tua macchina.

Due funzioni cambiano l'uso quotidiano. Gli assistenti sono insiemi di istruzioni riutilizzabili: l'equivalente di un system prompt salvato, che attivi dal campo di inserimento. I progetti raggruppano conversazioni attorno a istruzioni e file comuni: un documento caricato in un progetto viene suddiviso e indicizzato, poi diventa disponibile in tutte le conversazioni del progetto. È un RAG leggero, sufficiente per interrogare alcuni PDF senza costruire una pipeline. Consulta la guida sui system prompt per scrivere bene le istruzioni di un assistente.

#Collegare un modello cloud (e ciò che implica)

Jan ti permette di combinare modelli locali e cloud nella stessa interfaccia: utile per confrontare una risposta locale con quella di un grande modello, o per mantenere un solo client di chat. Apri Settings, poi Model Providers, scegli un fornitore (OpenAI, Anthropic, Google, Groq, Mistral, OpenRouter, Azure OpenAI, Hugging Face) e incolla la tua chiave API. Qualsiasi punto di accesso compatibile con OpenAI o Anthropic può anche essere aggiunto come endpoint personalizzato. A quel punto, il modello cloud appare nel selettore.

#Usa Jan come server API locale

Jan include un server compatibile con OpenAI, basato su llama.cpp. Apri Settings, poi Local API Server, e fai clic su Start Server. È pronto quando i log indicano che è in ascolto su http://127.0.0.1:1337. I tuoi script, editor di codice o applicazioni compatibili con OpenAI possono poi usarlo cambiando l'URL di 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"}]}'

Sostituisci YOUR_MODEL_ID con l'identificativo di un modello disponibile nella tua installazione di Jan e la chiave con quella che hai definito. Le opzioni di configurazione meritano attenzione, soprattutto quelle relative alla rete.

#Errori frequenti del server locale

Connection refused

Il server non è avviato, oppure la tua applicazione punta all'host sbagliato o alla porta sbagliata.

401 Unauthorized

La chiave API manca dall'intestazione Authorization o è errata.

404 Not Found

L'identificativo del modello non corrisponde a nessun modello disponibile in Jan, o il prefisso API è scritto male.

Errore CORS nel browser

Verifica che l'opzione CORS sia attivata nelle impostazioni del server.

#llama.cpp o MLX su Mac

Su Apple Silicon, Jan propone due motori. llama.cpp è il motore stabile, presente su tutte le piattaforme, con formato GGUF. MLX è un motore per chip Apple (richiede almeno macOS 14) che sfrutta Metal, ma Jan lo definisce sperimentale: niente embedding, quindi niente RAG, l'output di ragionamento non è gestito e alcune architetture recenti non si caricano. La documentazione consiglia di iniziare con llama.cpp e di provare MLX con un modello compatibile se cerchi maggiore velocità.

#Privacy: ciò che rimane sul tuo dispositivo

Jan dichiara di non raccogliere alcun dato prima del tuo consenso: scegli le preferenze per la misurazione dell'utilizzo al primo avvio e puoi modificarle in seguito nelle impostazioni. Se accetti, il produttore rileva indicatori di utilizzo, come gli utenti attivi, associati a un identificativo casuale, tramite PostHog ospitato nell'Unione europea. Afferma di non leggere mai le tue conversazioni né di registrare i tuoi prompt nei log. I tuoi dati (modelli, conversazioni, impostazioni, log) sono memorizzati in una cartella locale: su macOS, ~/Library/Application Support/Jan/data; su Linux, ~/.local/share/Jan/data. Questa descrizione è quella del produttore: per un contesto regolamentato, verifica il traffico in uscita dal tuo computer.

#Jan è fatto per te?

Vuoi codice libero

Il repository è distribuito sotto licenza Apache 2.0: puoi leggere il codice, crearne un fork e redistribuirlo, nel rispetto della licenza e con la menzione di attribuzione richiesta.

Combini locale e cloud

Un'unica interfaccia per i tuoi modelli locali e i tuoi fornitori cloud, con assistenti e progetti comuni.

Eviti il terminale

Installazione, download dei modelli e server locale vengono gestiti dall'interfaccia.

Automatizzi o effettui il deployment su un server

Preferisci Ollama o llama-server, più adatti ai servizi che funzionano senza interfaccia.

Usi un Mac Intel

Jan non è supportato: scegli un altro strumento.

• Jan: l'alternativa open-source a ChatGPT, 100% locale (tutorial)
• Ollama vs LM Studio vs Jan vs GPT4All
• LM Studio per principianti: prima chat locale
• Padroneggiare i system prompt
• llama-server: API OpenAI locale con llama.cpp

• Fonte: documentazione ufficiale di Jan Desktop
• Fonte: repository GitHub di Jan
• Fonte: server API locale di Jan
• Fonte: approccio alla privacy di Jan