Jan

Jan es *ChatGPT que se ejecuta completamente en tu propia máquina* — una aplicación de escritorio de código abierto (MIT) que descarga y ejecuta LLMs locales con una interfaz de chat limpia, para que tus prompts y conversaciones nunca salgan de tu computadora.

Antecedentes. Lanzado en 2023 y con *licencia MIT*, Jan envuelve el motor de inferencia llama.cpp en una amigable aplicación de escritorio: descubrimiento y descarga de modelos, historial de chat y un *servidor localhost compatible con OpenAI* para que otras herramientas puedan hablar con tu modelo local como si fuera la API de OpenAI. Es multiplataforma y apunta explícitamente a ser "el Ollama de código abierto, con una UI". Ese diseño completamente local y con licencia permisiva es por lo que obtiene una A en /ai — es la forma más accesible de poner en marcha un asistente privado y sin conexión.

En qué confías. En ti mismo y en tu hardware. Como Jan ejecuta modelos *completamente en tu máquina*, tus prompts, tus documentos y las respuestas del modelo *nunca transitan por un tercero* — no hay un endpoint en la nube registrando tus conversaciones, ningún proveedor entrenando con tus datos, ninguna cuenta que vincule tu uso a una identidad. La aplicación es *código abierto (MIT)*, por lo que lo que hace — y que no está llamando a casa — es auditable en lugar de prometido. El *servidor local compatible con OpenAI* significa que incluso puedes apuntar herramientas existentes de la API de OpenAI a Jan y mantener toda la inferencia local. La confianza se reduce a "código que puedes leer, ejecutándose en hardware que controlas".

Especificaciones operativas. Una *aplicación de escritorio multiplataforma* (Windows/macOS/Linux) que envuelve *llama.cpp*: coloca un *modelo GGUF* (o elige uno del descubrimiento dentro de la aplicación) y chatea. Mantiene el historial de chat local y expone una *API compatible con OpenAI en localhost* para que editores, agentes y scripts puedan usar tu modelo local como reemplazo directo del endpoint de OpenAI. La UX está deliberadamente ajustada para *no ingenieros* — no necesitas tocar una terminal para poner un modelo a hablar. Gratuito y de código abierto; el único costo es tu propio cómputo.

Filosofía. La experiencia convencional de LLM enruta tus consultas más sensibles — borradores, ideas, preguntas médicas y legales, código — directamente a un proveedor que registra y puede entrenar con ellas. La premisa de Jan es que la IA capaz debe ser *tuya*: ejecuta los pesos en tu propio silicio, mantén los datos en tu disco y deja que cualquiera inspeccione el código que lo hace. Hacerlo *fácil* (una aplicación real, no una línea de comandos) es la otra mitad de la filosofía — la privacidad que solo los expertos pueden lograr no es privacidad para la mayoría de las personas, así que Jan cambia algo de flexibilidad para usuarios avanzados por una interfaz que un no ingeniero puede realmente usar.

Justificación de la calificación. A en /ai. La calificación refleja inferencia completamente local (cero egreso de datos), una base de código abierta con licencia MIT, una API local compatible con OpenAI para integración, soporte multiplataforma genuino y una UX que acerca los LLMs locales a usuarios no técnicos. Es una opción de privacidad destacada en la categoría. Las advertencias tratan sobre el techo de capacidad del modelo local y las necesidades de hardware, no sobre la integridad de la herramienta.

Útil cuando. Usa Jan cuando quieras un asistente de IA cuyas conversaciones *permanezcan en tu máquina* — trabajo confidencial, preguntas privadas, uso sin conexión, o simplemente no querer que un proveedor registre tus prompts — y prefieras tener una aplicación pulida que lidiar con una CLI. También es una forma limpia de dar a las *herramientas existentes de la API de OpenAI* un backend local: apúntalas al servidor localhost de Jan y tus datos dejan de salir de la caja. Ideal para los conscientes de la privacidad que no están listos para ejecutar inferencia desde la línea de comandos.

Advertencias. Los modelos locales están limitados por *tu hardware* — una GPU/CPU de consumo ejecuta modelos más pequeños que un servicio de nube de frontera, así que ajusta las expectativas a tu máquina; la privacidad viene con un techo de capacidad. Los modelos GGUF más grandes y capaces necesitan RAM/VRAM real, y ejecutarlos bien requiere cierto ajuste. Como proyecto de código abierto en evolución activa, las características y la estabilidad se mueven rápido (con ocasionales asperezas). Y "privado" significa que *tú* ahora eres responsable del modelo y los datos en tu disco — la seguridad de tu dispositivo importa. Nada de esto socava la A: la capacidad de ejecutar un asistente competente con *cero* datos saliendo de tu máquina, en una aplicación que un no ingeniero puede usar, es exactamente lo que la categoría necesita más.