Jan 是一款主打在自己电脑上离线运行大模型的开源桌面应用，由 Menlo Research 团队维护，适合不想把对话内容发到云端、又不想碰命令行的人。它在 GitHub 上已有四万多颗星，采用 Apache-2.0 许可证，个人和商用使用都比较宽松。它解决的问题很具体：把下载模型、加载模型、开始聊天这几步收进一个图形界面，让本地模型第一次变得像普通软件一样能装能用。
官方仓库信息
平台：GitHub；组织名：janhq；项目名：jan。应用支持 Windows、macOS 和 Linux，装好后可以直接从 Hugging Face 下载 Llama、Gemma、Qwen、gpt-oss 等开放模型到本地运行，全程可以断网使用。它同时留了云端入口，可以填自己的密钥接入 OpenAI、Anthropic 等厂商的模型，还提供与 OpenAI 接口兼容的本地服务，默认在本机 1337 端口，以及对 MCP 的支持，方便其他本机程序调用同一个模型。
部署成本主要在硬件，不在安装
安装本身不难，真正的门槛是电脑配置。官方给出的参考是：跑 3B 左右的小模型大约需要 8GB 内存，7B 模型需要 16GB，13B 模型需要 32GB；模型文件本身还要占数 GB 到数十 GB 硬盘。没有独立显卡也能跑，只是生成速度会明显变慢，长回答要多等。换句话说，它省下的是订阅费和数据出门的顾虑，付出的是硬盘、内存和等待时间，这笔账在下载第一个模型之前就该算清。
真实坑点有三个
第一，离线聊天不等于能力等同云端大模型。本地能流畅跑的多是中小模型，复杂推理、长文写作和多语言细腻程度与云端旗舰仍有差距，期待值要按所选模型来定。第二，模型需要自己挑。同一个应用里可以装很多模型，新手很容易在下载列表里迷路，先从一个 7B 左右的通用模型用起，比一口气下五六个更实际。第三，它是单人桌面应用，没有团队账号、权限管理和集中运维，需要多人共用、统一管控的团队应看服务端方案，而不是硬拿它顶上。适合的人群很明确：手头电脑配置不差、对话里常有不便上云的内容、愿意用速度换隐私的人；电脑内存只有 8GB、又追求回答质量的人，直接用云端服务会更省心。
