Jan alternativa a ChatGPT de código abierto: el repositorio janhq/jan se presenta como un «Open-source ChatGPT replacement», una aplicación de escritorio que descarga y ejecuta modelos de lenguaje en tu equipo, «con control total y privacidad». Se publica bajo licencia Apache 2.0 por Menlo Research. El README enumera Windows, macOS y Linux, y la documentación habla de compatibilidad completa sin conexión para la aplicación de escritorio.
Para un SRE o un desarrollador, el interés va más allá del chat. Jan incorpora un servidor compatible con OpenAI en localhost:1337, un host MCP y una línea de comandos. Así se convierte en un punto de inferencia local para tus scripts y tus agentes. ¿Qué dice exactamente el repositorio, cómo se instala y qué se puede medir en una herramienta que corre en un puesto de trabajo?
Precisión de honestidad: span.observer no ha instalado ni ejecutado Jan. Los comandos y los ajustes proceden del README, de la documentación oficial en jan.ai y de los archivos docs/ del repositorio, leídos el 31 de octubre de 2026. Las capturas siguientes reproducen su texto. El número de estrellas no pudo releerse en la fuente ese día, así que no lo citamos.
Jan alternativa a ChatGPT de código abierto: lo que dice el repositorio
- Licencia: el archivo LICENSE del repositorio es el de Apache License 2.0, con la mención «Copyright 2025 Menlo Research». El README confirma «Apache 2.0».
- Versión: la rama principal del repositorio lleva la versión 0.8.8 en
src-tauri/tauri.conf.json. El registro de cambios del repositorio fecha la 0.8.8 el 28 de octubre de 2026. Es una versión de seguridad: los enlaces del chat se abren en el navegador y el servidor local controla el origen de las peticiones procedentes de un navegador. - Motor: el README da las gracias a llama.cpp, Tauri y Scalar. La documentación precisa que el motor llama.cpp está integrado en la aplicación y se actualiza con ella. En los Mac con Apple Silicon también se admiten modelos MLX.
- Funciones listadas: modelos locales desde Hugging Face (Llama, Gemma, Qwen, GPT-oss), conexión a modelos en la nube (OpenAI, Anthropic, Mistral, Groq, MiniMax), asistentes personalizados, API compatible con OpenAI e integración MCP.
Otro punto útil: la expresión «sin conexión» vale para los modelos locales. La documentación precisa que las peticiones enrutadas a un proveedor remoto no son sin conexión y no se quedan en tu ordenador.
Recorrido por el repositorio y la documentación
La primera captura reproduce, palabra por palabra, la sección «Features» y la licencia del README. Muestra el alcance del producto en seis líneas.

La documentación describe a continuación el servidor local. Los ajustes por defecto son el host 127.0.0.1, el puerto 1337 y el prefijo /v1. Una clave de API opcional se envía en la cabecera Authorization: Bearer. La segunda captura reúne el ejemplo de petición y esos ajustes.

Instalación paso a paso
Paso 1: descargar la aplicación
El README ofrece un instalador por plataforma (jan.exe para Windows 10 y posteriores, jan.dmg para macOS, jan.deb y jan.AppImage para Linux) desde jan.ai o la página Releases de GitHub. Windows también está disponible a través de Microsoft Store.
En Linux, la documentación recomienda Flatpak:
flatpak install flathub ai.jan.Jan
flatpak run ai.jan.Jan
Para un paquete .deb, la documentación da sudo apt-get install ./jan-linux-amd64-{version}.deb, donde {version} debe sustituirse por el número descargado. Para el AppImage: chmod +x sobre el archivo y ejecución directa.
Paso 2: descargar un modelo
Abre el Hub en la barra lateral, busca un modelo, haz clic en Download y elígelo en el selector de modelo de una conversación. El README da una referencia de memoria para macOS: 8 GB de RAM para modelos de 3 mil millones de parámetros, 16 GB para 7 mil millones, 32 GB para 13 mil millones.
Paso 3: iniciar el servidor compatible con OpenAI
- Ve a Settings > Local API Server.
- Elige el Default Model, un modelo llama.cpp o MLX ya descargado.
- Haz clic en Start Server y espera a que el estado indique que el servidor está en marcha.
- Prueba con la petición
curlde la captura anterior sustituyendoYOUR_MODEL_ID.
Según la documentación, la lista de modelos disponibles se lee con GET /v1/models. Si no hay ninguna clave configurada, se omite la cabecera Authorization.
Paso 4 (opcional): la línea de comandos
La documentación indica que la CLI jan se instala automáticamente en el primer arranque de la aplicación. Sirve para servir un modelo sin interfaz, con jan serve, o para lanzar un agente conectado a un modelo local con jan launch. Atención: la CLI expone el modelo en localhost:6767/v1, no en el puerto 1337 del servidor de la aplicación. La tercera captura muestra la ayuda de la CLI y el árbol de la carpeta de datos.

Límites y puntos abiertos
- Hardware: la documentación indica que el motor llama.cpp integrado no carga ningún modelo en los Mac Intel desde la 0.8.5; MLX también exige Apple Silicon.
- Exposición en red: al elegir el host
0.0.0.0, el servidor pasa a ser accesible desde la red local. La documentación recomienda entonces una clave de API y desaconseja dejarla vacía. Los Trusted Hosts añaden una capa de control. - Ejecución de herramientas: la opción «Execute Tools on Server», desactivada por defecto, ejecuta en el servidor las llamadas a herramientas MCP recibidas por la API. Mantenla desactivada mientras el cliente no la reclame.
- Modelos y MCP: la documentación advierte de que no todos los modelos gestionan bien las llamadas a herramientas. Los riesgos propios de MCP se describen en nuestra guía para proteger un servidor MCP.
- Telemetría: la página de privacidad describe estadísticas de uso sometidas a tu elección en el primer arranque, modificable después en los ajustes, enviadas a PostHog (alojamiento en la UE). Afirma que no rastrea el contenido de las conversaciones. Relee esa página antes de un despliegue en la empresa.
- Ritmo de cambio: tres versiones en tres semanas (0.8.6, 0.8.7, 0.8.8, según las fechas del registro de cambios). Prueba cada actualización antes de generalizarla.
Observar Jan en un puesto o en un servidor de pruebas
Jan es una aplicación de escritorio, no un servicio pensado para Kubernetes. El proyecto no documenta métricas de Prometheus ni exportación OpenTelemetry para la aplicación; por tanto, no suponemos ninguna. Lo que ofrece la documentación:
- Registros:
logs/app.logen la carpeta de datos, con las categorías [APP], [SERVER] y [SPECS]. Los «Verbose Server Logs» están activados por defecto y detallan las peticiones recibidas por el servidor local. - Disponibilidad: una prueba sintética sobre
GET /v1/modelscomprueba que el servidor responde y que el modelo esperado está presente. Un401señala una clave ausente o incorrecta, un404un identificador de modelo desconocido y «Connection Refused» un servidor detenido o un puerto equivocado. La documentación enumera estos tres casos. - Recursos: la memoria y el procesador o la GPU del proceso se miden con las herramientas del host. Ahí se ve la saturación de un modelo demasiado grande para la máquina. El ajuste «Request Timeout» limita la espera de una respuesta del modelo.
Para las llamadas del lado del cliente, instrumenta el script que consulta el punto de acceso: un span por petición, con el nombre del modelo y la duración. El principio se detalla en la supervisión de un LLM local con Ollama, cuyo enfoque se aplica a cualquier servidor local compatible con OpenAI. Para elegir el modelo en sí, consulta los criterios de explotación de un LLM.
¿Y Dynatrace?
Jan no documenta ninguna integración con Dynatrace, y no nos inventamos ninguna. Una instrumentación OpenTelemetry del cliente que llama al servidor local sigue siendo posible con cualquier backend compatible con OTLP, incluido Dynatrace SaaS; la verificación de la configuración corresponde a la documentación de Dynatrace.
Buenas prácticas
- Mantén el host en
127.0.0.1mientras ningún otro equipo necesite la API, y configura una clave de API en cuanto salgas de ese marco. - Deja «Execute Tools on Server» desactivado salvo necesidad concreta y limita los servidores MCP conectados. Consulta también las salvaguardas de los agentes de IA en producción.
- Actualiza Jan: la versión 0.8.8 corrige fallos señalados por GitHub Security Advisories.
- Vigila el registro
app.logtras cada cambio de modelo o de versión. - Si buscas un motor para producción, compara con vLLM y sus métricas.
Preguntas frecuentes
¿Funciona Jan realmente sin conexión?
Sí para los modelos locales, una vez descargados: la documentación de inicio habla de modelos «privados, sin conexión, sin clave de API». Los modelos en la nube y las peticiones enrutadas a un proveedor remoto exigen conexión.
¿Sustituye Jan a la API de OpenAI en mis scripts?
La documentación lo presenta como un sustituto directo para aplicaciones privadas. Basta con apuntar tu cliente a http://127.0.0.1:1337/v1. span.observer no ha probado la compatibilidad exacta de cada parámetro; verifica los puntos de los que depende tu código.
¿Qué licencia tiene y se puede usar en la empresa?
El código está bajo Apache 2.0, una licencia permisiva. Cada modelo descargado tiene su propia licencia: léela antes de cualquier uso profesional.
Conclusión
Jan es una puerta de entrada sencilla a la IA local. Su servidor compatible con OpenAI y su CLI lo convierten en una herramienta útil para pruebas, prototipos de agentes y entornos sin nube. La supervisión sigue por construir a su alrededor: registros, pruebas sintéticas y mediciones del host. El proyecto evoluciona rápido, así que relee la documentación antes de cada despliegue.
span.observer es un blog independiente de la comunidad, no afiliado a Jan ni a Menlo Research, ni a Dynatrace LLC. Las marcas citadas pertenecen a sus propietarios. Las herramientas evolucionan rápido: comprueba siempre los comandos y opciones en su documentación oficial.