Jan
Menlo Research 做的開源 ChatGPT 替代品：本機跑模型、也能接 OpenAI／Claude 金鑰，內建網頁搜尋與 MCP
Jan 是新加坡團隊 Menlo Research 開發的開源桌面 AI 應用，官網的說法是「Open-Source ChatGPT Replacement」，累計下載超過 700 萬次，原始碼放在 GitHub 的 janhq/jan，更新非常勤：2026 年 10 月已經出到 v0.8.7，幾乎每個月都有新版。它跟 Ollama、LM Studio 同樣能在本機跑模型，差別在 Jan 從一開始就把「像 ChatGPT 一樣好用的聊天介面」放在第一位，連 levelsio 都在 X 上說 Ollama 與 LM Studio 太工程師取向，Jan 簡單又好看。
功能特色與適用場景：第一次開啟會自動下載預設模型，裝好就能聊；Hub 裡每個模型都會標示你的電腦跑不跑得動。本機推論用內建的 llama.cpp 引擎（0.8.5 起直接包在 App 裡，不用另外下載），macOS 從 0.7.7 起支援原生 MLX，Linux 從 0.8.2 起支援 AMD ROCm。雲端那邊可以填自己的 OpenAI、Anthropic、Google 等金鑰，或接任何相容 OpenAI／Anthropic 格式的自訂端點，本地與雲端模型能在同一個 App 裡切換。0.8.4 加入原生網頁搜尋與擷取工具，不用另外裝 MCP 就能問最新消息；MCP 工具呼叫會跳出內嵌確認並附上引用卡片。其他像 Projects 專案資料夾、自訂 Assistants、訊息分支、HTML／SVG Artifacts，以及給其他程式呼叫的 Local API Server 都有。團隊也自己訓練小模型，例如 Jan-V1-4B 與 Jan V3。
另一條新產品線是 Jan Agent，一個在終端機裡工作的程式代理，目前是預覽版。它本身沒有推論引擎，要接雲端服務商或 Jan Desktop 的本機 API；建議用 jan --safe --sandbox 啟動，寫檔與執行指令前都會先問你。
給台灣使用者的建議：Jan 很適合想要「離線版 ChatGPT」又不想碰指令列的人，例如老師、行政人員、寫作者。介面是英文但很直覺；繁中回答品質取決於你選的模型，建議挑 Qwen 或 Gemma 系列，再在 Assistant 指令裡寫明「使用台灣繁體中文」。全部免費，接雲端模型時費用是付給 OpenAI 等服務商，用美元計價。記憶功能官網標示即將推出，目前還不會跨對話記住你的偏好。
TheAI學院 編輯建議
編輯實測後的真心話Jan 是我會推薦給「不想學任何東西」的朋友的本地 AI 工具，裝好就能聊、也看得懂自己的電腦能跑什麼。它的更新速度很驚人，但相對地，偶爾會遇到改版後設定位置變了；Jan Agent 預設自動核准指令這點，新手一定要記得加 --safe。
主要功能
- 開源桌面 App，首次開啟自動下載預設模型，Hub 標示硬體是否跑得動
- 內建 llama.cpp 引擎，macOS 原生 MLX、Linux 支援 AMD ROCm
- 可接 OpenAI、Anthropic、Google 金鑰或任何相容格式的自訂端點
- 原生網頁搜尋與擷取工具，MCP 工具呼叫有內嵌確認
- Projects、自訂 Assistants、訊息分支與 HTML／SVG Artifacts
- Local API Server 與預覽版終端機程式代理 Jan Agent
如何使用 Jan
- 到 jan.ai 下載 macOS、Windows 或 Linux 版（Linux 可用 Flathub）並安裝
- 第一次開啟等預設模型自動下載完成，就能直接開始對話
- 到 Hub 依「是否適合你的硬體」標示挑選其他模型下載
- 想用雲端模型時，到 Settings > Model Providers 貼上 OpenAI 或 Anthropic 金鑰
- 建立自訂 Assistant，寫入「使用台灣繁體中文」等固定指令，再搭配 Projects 整理對話
適用場景
- 老師或行政人員在離線電腦上用 AI 改寫公文與教材
- 同時有 ChatGPT 與 Claude 金鑰的人，用一個介面切換各家模型
- 在本機跑小模型配合網頁搜尋，查最新資訊又不交出對話紀錄
- 開發者用 Local API Server 讓自家程式呼叫本機模型
- 工程師試用 Jan Agent 在終端機讀程式碼、改檔案
Jan 的優點與缺點
優點
- 完全開源免費，介面在本地 AI 工具裡算最親民
- 本地與雲端模型同一個 App 切換，不必開好幾個工具
- 更新頻繁，幾乎每月都有新功能與修正
缺點
- 沒有中文介面，繁中品質要靠自己挑模型與設定指令
- 跨對話記憶功能尚未推出
- Jan Agent 仍是預覽版，預設不限制指令權限，要自己加 --safe
價格方案
Jan Desktop 開源免費；接 OpenAI、Anthropic、Google 等雲端模型需自備 API 金鑰，費用由各服務商收取；Jan Agent 目前為預覽版
Jan 常見問題
Jan 要錢嗎？
Jan Desktop 是開源軟體，下載與本機使用都免費。如果在 Jan 裡接 OpenAI、Anthropic 等雲端模型，要自備 API 金鑰，費用由那些服務商另外收取。
Jan 和 LM Studio、Ollama 差在哪？
三者都能在本機跑模型。[Ollama](/tools/ollama) 偏指令列與 API；[LM Studio](/tools/lm-studio) 轉向 AI 代理；Jan 則以 ChatGPT 式聊天介面為核心，完全開源，並能在同一個 App 混用本地與雲端模型。
Jan 可以完全離線使用嗎？
可以。本地模型下載完成後不需網路，也不需要 API 金鑰；只有網頁搜尋與雲端模型才會連網。
Jan 回答會出現簡體字怎麼辦？
繁中品質取決於模型。建議挑 Qwen 或 Gemma 系列，並在自訂 Assistant 的指令裡寫明「一律使用台灣繁體中文與台灣用語」，可以明顯減少混出簡體的情況。
使用者評價
還沒有足夠評價，搶先分享你的使用心得！
寫下你的評價
Jan 的替代方案
查看相似的 AI 工具 →相關 AI 工具
Claude
Anthropic 的 AI 助理，長文件與寫作品質是它的主場。
telemetry.dev
把 AI 代理每一次模型呼叫、工具步驟與檢索串成一條 trace，看出哪一步最慢、哪個模型最燒錢、哪個 MCP 工具最常失敗
agentmash
隊友的 Codex 正在改同一個檔案，你的 Claude Code 動手前就會收到通知；按開發者計費，代理不限數量
Pluto Door
用白話描述問題，Ori 讀 log、跑指令，改動前一定問你；另外把每台 Linux 主機變成有 Dock 和視窗的桌面
Backenly
代理透過 MCP 建好資料庫、登入與儲存，Backenly 每分鐘巡檢並自動修安全範圍內的問題，刪表這類動作一律等人核准
Spacesheep
代理寫好的 HTML 或資料夾一行指令發布成私人網址，人和代理都能留言、改版，還能送電子簽署與接即時資料
猜你也想看的AI 開發者工具
Jan 相關文章與教學
Jan 評測：值得用嗎？
這是什麼、解決什麼問題
Jan 是一款開源的本機 AI 對話應用，Mac、Windows、Linux 都有版本。一句話講清楚它的定位：**把 ChatGPT 那種聊天體驗搬到你自己的電腦上跑，資料不出門。**底層用 llama.cpp 跑 GGUF 格式的開源模型，Llama、Qwen、Gemma、Mistral 這些主流開放模型都能在內建的模型庫直接下載。
它跟最常被拿來比的 LM Studio 最大的差別是授權：Jan 整個專案是開源的，程式碼在 GitHub 上公開，這對在意「本機 AI 工具本身會不會偷傳資料」的人是可以自己驗證的承諾，而不是廠商的一句話。
實際用起來
安裝完打開，介面就是熟悉的聊天視窗，左邊選模型、右邊調參數。第一次用建議從 4B～8B 等級的量化模型開始，16GB 記憶體的 MacBook 跑起來速度可以接受；要跑 30B 以上就得看你的硬體臉色，這不是 Jan 的問題，是本機推論的物理限制。
兩個對進階使用者有價值的設計：一是內建 OpenAI 相容的本機 API 伺服器，開起來之後，任何支援自訂 API 端點的工具都能把 Jan 當成後端，拿來配自動化流程或開發測試很方便；二是它也能接遠端模型的 API key，本機跑不動的任務丟給雲端模型，同一個介面切換。
缺點要講清楚。功能打磨程度比 LM Studio 略粗，例如模型硬體相容性的提示、對 Apple Silicon MLX 格式的支援，LM Studio 走得比較前面；文件對完全新手來說還是有門檻，「量化」「context length」這些詞它不太會替你翻譯成人話；行動版目前不是重點，主戰場在桌面。
適合誰、替代方案
適合三種人：在意隱私、想要可稽核的開源方案的人；需要本機 OpenAI 相容端點做開發的工程師；以及單純想免費玩開源模型的玩家。如果你要的是更無腦的安裝體驗，LM Studio 仍是新手首選；想要更重的知識庫功能，可以看 Msty 或 Cherry Studio。
評語：開源身分是 Jan 最硬的賣點，體驗細節略遜於閉源對手，但「可以自己驗證它沒亂來」這件事，對某些場景就是無可取代。
本評測由 TheAI學院編輯群整理，內容力求客觀、含優缺點，僅供參考。
最後更新：2026年10月