Jan：のオープンソース代替案 ChatGPT

#Janの概要：2026年のJanとは

Janは、Menlo Researchが提供するオープンソースのデスクトップアプリで、ChatGPTの代わりに、自分のマシンで実行するモデルを使えます。ソースコードはGitHubでApache 2.0ライセンスのもと公開されています。Windows、macOS（Apple Siliconのみ）、Linuxで動作し、Hugging Faceに接続されたHubからGGUF形式のモデルをダウンロードしてllama.cppで実行し、ポート1337でOpenAI互換APIを公開します。また、同じインターフェースでクラウドモデル（OpenAI、Anthropic、Google、Groq、Mistral、OpenRouter）に接続したり、MCPサーバーを接続したり、ウェブ検索を行ったりすることもできます。通常の利用では、アカウントもコマンドライン操作も必要ありません。このガイドでは、Janのインストール手順を説明し、マシンのメモリ容量に合ったモデル選びを支援するとともに、Janの強みとその限界を紹介します。

#Jan、LM Studio、またはOllama：それぞれの違い

この 3 つのツールは同じ GGUF モデルを実行します。違いはインターフェース、ライセンス、および典型的な使用法にあります。以下の表は、公式ドキュメントで確認可能な項目に限定しています。

選択は用途によって決まります。充実したインターフェース、自由に利用できるソースコード、ツールを変えずにローカルとクラウドを併用できることを求めるなら、Jan が適しています。自動化やスクリプト作成、サーバーへのデプロイを行うなら、Ollama または llama-server のほうが使いやすい選択肢です。比較ガイドでは、こうした選び分けを詳しく説明しています。

#Windows、macOS、LinuxにJanをインストールする

インストールにアカウントは必要ありません。以下は公式の動作要件です。後で読み込めるモデルがこれらの要件によって決まるため、ダウンロード前に確認してください。

1. 01
   インストーラをダウンロード

   jan.ai または GitHub のバージョンページにアクセスしてください。Windows：.exe ファイル。macOS：Applications にドラッグ＆ドロップでインストールする .dmg ファイル。Linux：Flatpak を推奨します。それ以外は .deb または AppImage です。
2. 02
   Janを初めて起動する

   アカウントの作成は不要です。初回起動時にJanがデフォルトのモデルをダウンロードし、ダウンロードが完了するとチャットを利用できます。初回起動時には、利用状況の計測に関する設定も選択できます。
3. 03
   他のモデルを探すためにHubを開く

   Hubにはサイドバーからアクセスできます。モデルを検索して「Download」をクリックし、その後、任意のチャットのモデル選択欄でそのモデルを選んでください。

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

#メモリに収まるモデルを選択する

Hubでは、各モデルにFits、May be slow、Won't fitという適合性バッジが表示されます。何もダウンロードせずに、使用しているハードウェアに基づいて適合性が判定されます。量子化版はSmall、Balanced、Largeに分類され、デフォルトのダウンロード候補にはRecommendedと表示されます。他のどの基準よりも、まずこれらのバッジに従ってください。

目安として、このサイトに掲載しているQ4での容量の概算（コンテキスト分を含まない、重みのみの容量）と、Janが示しているMac向けの目安を紹介します。以下の表は、この2つを組み合わせたものです。

Apache 2.0ライセンスで公開されたJan独自のモデルJan-v3-4Bは、手始めに使うモデルとして妥当です。パラメータ数は40億、ネイティブのコンテキストウィンドウは262,144トークンで、JanによるとQ4量子化では最低8 GBのRAMが必要です（Q8では16 GBを推奨）。軽量なモデルなので、要約や長文の執筆には、メモリ容量が許せば70億〜140億パラメータのモデルのほうが良い結果を得られます。

#最初のチャット、アシスタント、プロジェクト

1. 01
   新しいチャットを開く

   チャットの上部のモデルセレクタからモデルを選択してください。ローカルモデルは最初の使用時にメモリに読み込まれます。大きなモデルの場合、読み込みにかかる時間が長くなります。
2. 02
   メッセージの作成

   メッセージを送信してください。回答は順次表示されます。モデルのパラメータ（温度、コンテキスト）は、Janの「Model Parameters」ドキュメントに記載されています。
3. 03
   ファイルを添付する

   「＋」ボタンを押すと、ドキュメント、画像（視覚モデルが必要）、またはWAVおよびMP3形式のオーディオファイル（音声モデルが必要）を追加できます。ローカルモデルを使用する場合、ファイルはあなたのマシンに残ります。

2つの機能が日常の使い方を変えます。アシスタントは再利用可能な指示セットです。保存されたシステムプロンプトに相当し、入力欄から有効化できます。プロジェクトは、共通の指示とファイルを軸に会話をまとめます。プロジェクトに追加されたドキュメントは分割・インデックス化され、そのプロジェクト内のすべての会話で利用できるようになります。これは軽量なRAGで、パイプラインを構築せずに数件のPDFの内容について質問するには十分です。アシスタントの指示を適切に作成するには、システムプロンプトに関するガイドを参照してください。

#クラウドモデルを接続する（その影響を含む）

Jan は、ローカルとクラウドを同じインターフェースで混在させることができます。ローカルの応答と大規模モデルの応答を比較したり、チャットクライアントを 1 つにまとめたりするのに便利です。Settings を開き、Model Providers に移動して、プロバイダー（OpenAI、Anthropic、Google、Groq、Mistral、OpenRouter、Azure OpenAI、Hugging Face）を選択し、API キーを貼り付けてください。OpenAI または Anthropic 互換のエンドポイントは、カスタムエンドポイントとして追加することもできます。その後、クラウドモデルがセレクターに表示されます。

#JanをローカルAPIサーバーとして使用

Jan は、llama.cpp で動作する OpenAI 互換サーバーを内蔵しています。Settings を開き、次に Local API Server を開いて、Start Server をクリックしてください。ログに http://127.0.0.1:1337 で待ち受けていることが表示されれば、準備完了です。その後は、ベース URL を変更することで、OpenAI 互換のスクリプト、コードエディタ、アプリケーションから利用できます。

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"}]}'

YOUR_MODEL_IDを、お使いのJanで利用可能なモデルの識別子に置き換え、キーもご自身で設定したものに置き換えてください。設定項目には注意を払う必要があり、特にネットワークに関わる項目はよく確認してください。

#ローカルサーバーでよくあるエラー

Connection refused

サーバーが起動されていないか、アプリケーションが誤ったホストまたはポートを参照しています

401 Unauthorized

APIキーがAuthorizationヘッダーに存在しないか、誤っている場合です。

404 Not Found

モデルIDがJanで利用可能などのモデルにも一致していないか、APIのプレフィックスに誤記があります。

ブラウザでのCORSエラー

サーバーの設定でCORSオプションが有効であることを確認してください。

#llama.cpp または Mac 用 MLX

Apple Siliconでは、Janは2つのエンジンを提供しています。llama.cppはすべてのプラットフォームで利用できる安定したエンジンで、GGUF形式を使用します。MLXはApple製チップ向けのエンジン（macOS 14以上が必要）で、Metalを活用しますが、Janは実験的なものと位置づけています。埋め込みに対応していないためRAGも使えず、推論過程の出力は扱えず、一部の新しいアーキテクチャは読み込めません。ドキュメントでは、まずllama.cppを使い、速度を求める場合は対応するモデルでMLXを試すことを推奨しています。

#プライバシー：ローカルに残るもの

Janは、同意を得るまでは一切データを収集しないと説明しています。初回起動時に利用状況の計測に関する設定を選び、後から設定画面で変更できます。同意した場合、開発元は、EU内でホスティングされているPostHogを通じて、ランダムな識別子に紐付けたアクティブユーザー数などの利用状況指標を集計します。会話を読んだり、プロンプトをログに記録したりすることは決してないとしています。データ（モデル、会話スレッド、設定、ログ）はローカルフォルダに保存されます。macOSでは ~/Library/Application Support/Jan/data、Linuxでは ~/.local/share/Jan/data です。これは開発元による説明です。規制が適用される環境では、ご自身の端末からの送信トラフィックを確認してください。

#Janはあなたに適していますか？

自由に利用・改変・再配布できるコードを求めている

リポジトリはApache 2.0で公開されています：コードの読取り、フォーク、再配布はライセンスの範囲内で行えますが、出典を明記する必要があります。

ローカルとクラウドを併用しています

ローカルモデルとクラウドプロバイダーを、共通のアシスタントとプロジェクトで一つのインターフェースから管理できます。

ターミナルを使いたくない方

インストール、モデルのダウンロード、ローカルサーバーの操作はすべてインターフェースから行えます。

自動化またはサーバーへのデプロイ

インターフェースなしで稼働するサービスには、より適した Ollama または llama-server を選んでください。

Intel搭載のMacを使用している場合

Janはサポートされていません。他のツールを選択してください。

• Jan：ChatGPTのオープンソース代替、100%ローカル（チュートリアル）
• Ollama vs LM Studio vs Jan vs GPT4All
• 初心者向けLM Studio：初めてのローカルチャット
• システムプロンプトの習得
• llama-server：llama.cpp によるローカル OpenAI 互換 API

• 出典：Jan Desktopの公式ドキュメント
• 出典：JanのGitHubリポジトリ
• 出典：JanのローカルAPIサーバー
• 出典：Janのプライバシー保護への取り組み