Jan AI e GPT4All: chat offline, documenti e accesso API

Jan e GPT4All sono entrambe app desktop di chat gratuite e orientate all'uso offline che eseguono modelli GGUF locali e possono anche collegarsi a un'API ospitata, ma solo una continua a essere sviluppata: il repository di Jan ha ricevuto codice il 18 settembre 2026, mentre la release più recente di GPT4All è v3.10.0 del 25 febbraio 2025 e il suo unico commit successivo è un'attività CI. Questo non rende GPT4All morto — non è archiviato, continua a essere scaricabile e il suo comportamento di recupero è documentato meglio di quello di Jan. Rende la scelta una questione di attività, non di popolarità.

Prima chiariamo due omonimie, perché entrambe possono essere pubblicate accidentalmente. Jan, su jan.ai, non è Janitor AI — prodotto diverso, pubblico diverso, nessuna relazione. E il banner "$20/Month" su nomic.ai non è un prezzo di GPT4All: appartiene a Nomic Platform, un prodotto per agenti di architettura e costruzioni con funzionalità di revisione dei disegni e verifica della conformità del codice. GPT4All è concesso in licenza MIT e gratuito.

Scegli in base all'attività, non al numero di stelle

GPT4All ha 77.394 stelle contro le 44.551 di Jan (API GitHub, 19 settembre 2026). È il nome più famoso e la codebase meno aggiornata. Ecco la decisione sugli aspetti che contano davvero:

La versione breve: scegli Jan a meno che qualcosa di specifico ti vincoli a GPT4All — un Mac Intel, che Jan esclude esplicitamente, un inventario software vincolato o la preferenza per una codebase che ha smesso di cambiare sotto di te. Scegli GPT4All quando la funzionalità decisiva è un indicizzatore di cartelle congelato e documentato.

Chat offline e flusso di lavoro documentale

È l'aspetto in cui i due prodotti si separano davvero, e non è quello confrontato dagli articoli comparativi.

GPT4All LocalDocs indicizza una cartella usando i modelli di embedding gratuiti di Nomic eseguiti sul dispositivo e permette di fare clic su Sources sotto una risposta per vedere quali file sono stati citati. I suoi valori predefiniti delle impostazioni sono specifici e vale la pena conoscerli prima di indicizzare una cartella di documenti: la dimensione dello snippet è di 512 caratteri e il numero massimo di snippet per prompt è 3. Entrambi sono valori che puoi aumentare, ma la documentazione avverte che farlo rallenta la generazione.

Per quanto riguarda i tipi di file indicizzati, le due fonti di GPT4All non concordano e quella pubblicata è la più vecchia: la pagina delle impostazioni elenca .txt, .pdf, .md e .rst, mentre il valore predefinito nel codice rilasciato — localdocs/fileExtensions in mysettings.cpp su main — è docx, pdf, txt, md, rst. LocalDocs ha aggiunto il supporto a .docx nella v3.4.0, quindi la pagina della documentazione sembra non essere stata aggiornata. Gli allegati delle chat seguono un percorso separato con un proprio elenco: la finestra di dialogo degli allegati in ChatView.qml filtra *.txt *.md *.rst *.xlsx — gli allegati Excel sono arrivati nella v3.4.0, mentre testo, markdown e rst nella v3.5.0-rc1, entrambi secondo il changelog. Un PDF non è incluso in quel filtro, quindi raggiunge il modello tramite una raccolta LocalDocs oppure non lo raggiunge affatto.

Jan Projects supporta un insieme più ampio: "PDF, Markdown, documenti Office (DOCX, XLSX, PPTX), file di codice e altro", suddivisi in blocchi e indicizzati per il recupero in ogni conversazione del progetto, con una barra di avanzamento e un conteggio dei blocchi per file. Tuttavia, la documentazione di Jan indica nessun modello di embedding, nessuna dimensione degli snippet e nessun limite di recupero. La nota sulla privacy nella stessa pagina afferma che tutti i file vengono elaborati localmente sul tuo computer e che, se usi un provider cloud, "i file vengono inviati all'API di quel provider come parte della richiesta". Non chiarisce se ciò descriva un file di progetto indicizzato anziché un allegato della chat, né cosa venga considerato un provider personalizzato basato su gateway — quindi trattalo come non documentato, non come una questione risolta.

Un limite che vale per entrambi: il passaggio di embedding non è un servizio fornito da Kunavo. Kunavo fornisce il modello di chat. GPT4All calcola i propri embedding sul tuo dispositivo per impostazione predefinita, oppure tramite l'API di Nomic se attivi quell'opzione; la documentazione del motore di Jan indica che questo passaggio è disponibile su llama.cpp e non disponibile su MLX, senza nominare alcun modello. Se vuoi una spiegazione completa del lato recupero, Implementazione RAG tratta tutti i componenti.

Modelli, hardware e ciò che ciascuna app eseguirà realmente

Jan esegue modelli locali su llama.cpp o MLX, quest'ultimo esclusivamente su Apple Silicon con macOS 14+; scarica modelli GGUF dal proprio Hub e può importare un file GGUF già presente sul disco, collegandolo nella posizione originale anziché copiarlo. GPT4All include un catalogo curato che l'app recupera da models3.json — 32 voci, le più recenti sono i distillati DeepSeek-R1 di gennaio 2025 — senza Qwen3, Gemma 3 o Llama 4 (verificato il 19 settembre 2026). La pagina Explore Models cerca inoltre file GGUF su Hugging Face, quindi il catalogo non è un limite rigido — ma lo scaffale curato è un indicatore ragionevole di quanto tempo sia trascorso da quando il progetto ha smesso di essere seguito.

Dati di Jan dalle pagine di installazione per Mac e Windows; dati di GPT4All dalla tabella dei requisiti di sistema e dal README. Tutto verificato il 19 settembre 2026.

GPT4All si contraddice su due aspetti hardware e nessuno dei due ha una risposta chiara. Sui Mac Intel, il README afferma che la versione macOS "richiede Monterey 12.6 o successivo" e offre i risultati migliori con Apple Silicon, il che sembra indicare che Intel funzioni; la tabella dei requisiti di sistema inserisce M1 nelle righe relative a CPU e GPU Apple e non nomina alcun processore Intel. Su Windows-on-ARM, il README collega un installer win64-arm e afferma che quella versione "supporta i processori Qualcomm Snapdragon e Microsoft SQ1/SQ2", mentre la tabella dei requisiti a cui rimanda lo stesso README dichiara che i PC Windows e Linux con CPU ARM non sono supportati. La release v3.10.0 include effettivamente un installer win64-arm tra i propri asset; il link del README è stato aggiunto dieci minuti dopo quel tag, il 25 febbraio 2025, mentre la tabella dei requisiti non riceve commit dal 13 settembre 2024. Quindi il README è l'affermazione più recente — ma questa pagina non risolve nessuna delle due contraddizioni al posto tuo. Su un Mac Intel, GPT4All è l'unico dei due che valga la pena provare, perché Jan esclude esplicitamente Intel; su qualsiasi macchina ARM, installa e verifica prima di impegnarti.

Un’ulteriore lacuna che vale la pena segnalare: nomic.ai/gpt4all offre quattro pulsanti di download con nessun numero di versione, nessun changelog e nessun requisito di sistema, e i quattro stub degli installer su gpt4all.io riportano tutti una data Last-Modified del 4 febbraio 2025, precedente al tag v3.10.0. Sono installer online, quindi con ogni probabilità scaricano una build corrente al momento dell’installazione, ma non sono riuscito a individuare il repository di aggiornamento da cui attingono. Non presumere una versione specifica dalla pagina di download; controlla About dopo l’installazione.

Server API locale, accesso cloud e dati che lasciano la macchina

Entrambe le app espongono un server compatibile con OpenAI, così che altri strumenti possano comunicare con qualunque modello abbiano caricato; le impostazioni predefinite differiscono in modi importanti per una macchina condivisa.

Dalle pagine Local API Server e API preference di Jan e dalla documentazione di GPT4All sul API server, 19 settembre 2026. Il server di Jan è documentato come basato su llama.cpp, con esempi di modelli locali in tutta la documentazione; i documenti non chiariscono se un modello remoto di un custom provider sia raggiungibile tramite la porta 1337: non documentato, ma nemmeno escluso, quindi verificalo personalmente prima di basarci un’implementazione.

Per quanto riguarda la privacy, la pagina di installazione di Jan per Mac afferma che modelli, thread, impostazioni e log risiedono in ~/Library/Application Support/Jan/data e che nulla viene inviato al cloud; tuttavia la pagina sul caricamento dei file è altrettanto chiara: con un provider cloud, i file vengono inviati all’API di quel provider come parte della richiesta. Entrambe le app possono funzionare offline, ma non sono esclusivamente offline; nel momento in cui configuri un provider remoto, si applicano le normali domande sulla gestione dei dati da parte del destinatario.

Indirizzare una delle due app a una chiave ospitata

Il percorso del modello locale non prevede costi per richiesta, ma ti limita a ciò che l’hardware riesce a gestire. L’alternativa, in entrambe le app, consiste in un URL di base e una chiave. È qui che le due app divergono maggiormente.

Il lato Jan deriva dalla pagina Custom Endpoints, che indica esplicitamente gateway e proxy come casi supportati. Il lato GPT4All è stato ricavato dal codice sorgente rilasciato su main: le quattro schede dei provider e la whitelist OpenAI si trovano in AddRemoteModelView.qml, le tre etichette dei campi in RemoteModelCard.qml, la costruzione dell’URL in chatllm.cpp, mentre "stream": true e l’header Authorization: Bearer impostati hard-coded si trovano in chatapi.cpp. Nulla di tutto ciò è stato testato a runtime.

Il fatto su GPT4All che nessuno annota: la scheda OpenAI integrata è una whitelist hard-coded, commentata // last updated 2025-02-24, che contiene solo gpt-3.5-turbo, gpt-3.5-turbo-16k, gpt-4, gpt-4-32k, gpt-4-turbo e gpt-4o. Anche con una chiave OpenAI first-party valida, quella scheda non può offrire un modello rilasciato da OpenAI in seguito. Le schede Groq e Mistral contengono elenchi congelati con la stessa data del commento; tuttavia quello di Mistral include alias -latest, che continuano a risolversi nel modello fornito oggi da Mistral, quindi in quel caso "elenco congelato" non significa "modello congelato". Per qualsiasi modello più recente di gpt-4o con una chiave in stile OpenAI, il percorso è la scheda Custom, direttamente o tramite un gateway.

E la trappola di Jan che genera più confusione: poiché Jan non può rilevare le capacità di un provider personalizzato, un modello aggiunto manualmente arriva con la capacità degli strumenti non selezionata, mentre MCP richiede un modello che la possieda. Selezionala sul modello, non solo sul provider.

Per Kunavo i valori sono gli stessi in entrambe le app: URL di base https://api.kunavo.com/v1, chiave Bearer che inizia con sk-kn-. In Jan, scegli il formato compatibile con OpenAI e lascia che popoli l’elenco dei modelli; in GPT4All, inserisci esattamente l’id del modello, ad esempio claude-sonnet-4-6, perché GPT4All aggiunge /chat/completions a qualunque base tu fornisca e non verifica mai l’id. Il formato compatibile con Anthropic di Jan può inoltre raggiungere un endpoint in stile Anthropic, ma la documentazione di Jan dice solo di "usare la base documentata dal gateway" e il loro esempio omette /v1; questa pagina non ha testato quale stringa di base Jan richieda per quel percorso, quindi usa quello OpenAI a meno che tu non sia disposto a sperimentare.

# Both apps need the same two things: a base URL that ends in /v1 and a
# Bearer key. This is the check to run BEFORE you type either into an app.
curl -s https://api.kunavo.com/v1/models \
  -H "Authorization: Bearer sk-kn-..."

# Jan calls this exact path to populate its model list.
# GPT4All never calls it for a Custom provider — you type the id by hand.

Una stima dei costi per il percorso ospitato

Questi sono calcoli esemplificativi sui token, non costi misurati delle attività né un limite massimo all'importo della fattura. Ipotizziamo una sessione incentrata sui documenti che invia 30.000 token di input non memorizzati nella cache — prompt di sistema, estratti recuperati e una conversazione in corso — e riceve 2.000 token di output, ripetuta 50 volte in un mese. Le tariffe sono i prezzi aggiornati del catalogo Kunavo per milione di token.

Nota l’effetto delle impostazioni di recupero su questi calcoli. GPT4All usa per impostazione predefinita al massimo 3 snippet di 512 caratteri, cioè circa 400 token secondo l’approssimazione comune di quattro caratteri per token; con queste impostazioni, quindi, un prompt LocalDocs su una chiave ospitata costa poco più della chat essenziale che lo circonda. Aumentando una delle due impostazioni, il costo cresce proporzionalmente. Jan non pubblica alcun limite, quindi la quota del file di progetto in un prompt dipende da ciò che decide l’indicizzatore. Se la fattura aumenta inaspettatamente dopo il passaggio da GPT4All a Jan, questa asimmetria è il primo elemento da controllare.

Scala questi valori in base al tuo utilizzo prima di considerarli un budget e nota che il percorso del modello locale, in entrambe le app, non prevede alcun costo per richiesta: al suo posto ci sono hardware ed elettricità. L’importo del catalogo Kunavo è un minimo di fatturazione, non un tetto massimo: quando l’upstream comunica il proprio addebito, la fattura è il maggiore tra il costo del catalogo e il costo upstream moltiplicato per il markup applicabile. Gli addebiti per la cache e gli strumenti esterni non rientrano in questo esempio. La ricarica minima è $10 di credito prepagato, un minimo di finanziamento e non una tariffa per attività o un abbonamento: consulta dettagli di fatturazione.

Installazione, manutenzione e limiti della licenza

Tutte le righe sono state consultate il 19 settembre 2026 tramite le API di GitHub e PyPI e gli elenchi dei rilasci di ciascun progetto. Due precisazioni sulle date: il changelog di jan.ai attribuisce v0.8.4 al 21 luglio 2026, mentre il rilascio su GitHub è datato 23 luglio, da cui "luglio 2026" sopra; inoltre il changelog di GPT4All data v3.10.0 al 24 febbraio, rispetto al 25 febbraio del tag di rilascio.

Due dettagli sulla titolarità, esposti con cautela perché le prove consentono di affermare solo fino a un certo punto. Jan è sviluppato pubblicamente dal team Jan sotto l’organizzazione GitHub janhq, il cui profilo ora riporta semplicemente "Jan"; il vecchio URL menloresearch/jan restituisce un HTTP 301 verso quello nuovo. Il file LICENSE di Jan accredita ancora Menlo Research, mentre l’organizzazione separata menloresearch descrive ora un prodotto di robotica umanoide. Non ho trovato alcun annuncio datato che spieghi questo cambiamento, quindi questa pagina non sostiene che vi sia stato uno spin-out o una vendita: riporta soltanto ciò che dicono il reindirizzamento e i due profili. Il manutentore di GPT4All ha chiaramente cambiato attività: il titolo della homepage di nomic.ai riguarda ora design e costruzione, mentre le pagine dei prodotti descrivono una piattaforma per agenti destinata alla revisione dei disegni e alla verifica della conformità del codice. La pagina di GPT4All sopravvive come residuo. Nomic non ha rilasciato alcuna dichiarazione sullo stato di GPT4All e un’issue intitolata "Is GPT4all dead?" è ancora aperta e irrisolta.

Una nota di tutela degli utenti che dovrebbe accompagnare qualsiasi pagina su GPT4All: nomic.ai non distribuisce alcuna build mobile. La pagina GPT4All offre quattro installer desktop e nient’altro, mentre i rilasci GitHub contengono solo artefatti desktop. Una issue del 2024 sul repository, aperta il 20 dicembre 2024 e chiusa come non pianificata, segnala un pacchetto Google Play denominato com.principia_tech.ai.gpt4all che, secondo l’autore, non ha nulla a che fare con il progetto e blocca le conversazioni dietro annunci pubblicitari. Scarica solo da nomic.ai o dai rilasci GitHub. Non confondere il progetto nemmeno con l’omonimo e non correlato "GPT4Free".

Configurazione del percorso ospitato

Kunavo non ha testato a runtime nessuna delle due app con il proprio endpoint e non esiste una pagina di configurazione Kunavo per nessuna delle due; tutto quanto sopra è stato ricavato dalla documentazione ufficiale e, per GPT4All, dal codice sorgente rilasciato. Ciò che è verificabile è la struttura richiesta da entrambe le app: un URL di base in stile OpenAI che termini con /v1, una chiave Bearer e un GET /v1/models funzionante affinché Jan possa popolare l’elenco. Esegui prima lo smoke test sopra, mantieni disponibile un percorso funzionante mentre provi, quindi esegui un’attività delimitata e leggi l’addebito effettivamente registrato dal tuo account.

Crea un account Kunavo quando sei pronto a finanziare una chiave. Per informazioni di contesto, API compatibile con OpenAI spiega il formato wire utilizzato da entrambe le app, miglior gateway LLM illustra come confrontare le opzioni ospitate e, se stai ancora scegliendo un client desktop, AnythingLLM vs Open WebUI confronta due alternative orientate ai documenti con la stessa suddivisione tra app gratuite e API a consumo.

Domande frequenti

Verificato il 19 settembre 2026: entrambe le API dei repository GitHub, entrambi gli elenchi dei rilasci, il record PyPI di gpt4all, il catalogo curato dei modelli GPT4All e gli header degli installer, il link al tag del blog nomic.ai, il reindirizzamento menloresearch/jan, gli URL del changelog e dei prezzi di jan.ai, la documentazione di Jan su installazione, caricamento file, MCP, server API ed endpoint personalizzati, la documentazione di GPT4All su LocalDocs, impostazioni e server API, il README, il changelog, la pagina dei modelli e la tabella dei requisiti di sistema, i due thread di issue collegati sopra, la cronologia dei commit del README e della tabella dei requisiti, e il codice sorgente GPT4All su main: le viste dei provider remoti, il filtro attach di ChatView.qml e il valore predefinito localdocs/fileExtensions in mysettings.cpp. Non verificato: alcuna sessione runtime delle due app con l’endpoint Kunavo, la versione distribuita oggi dall’installer online GPT4All e la raggiungibilità di un modello di un provider personalizzato Jan tramite il server locale di Jan. Le tariffe dei token Kunavo provengono dal catalogo live; ogni esempio in dollari qui riportato è un calcolo illustrativo dei token, non un costo misurato dell’attività.