Jan AI vs LM Studio: modelos locais, privacidade e sua própria chave de API

Jan AI e LM Studio já não são dois aplicativos comparáveis, e qualquer comparação de 2026 que não diga isso erra tanto a questão do preço quanto a da API. O Jan Desktop é um único aplicativo gratuito Apache-2.0. O LM Studio agora é composto por dois produtos desktop: o LM Studio (Classic), atualmente na versão 0.4.25, o gerenciador gratuito de modelos locais e servidor compatível com OpenAI que o nome sempre designou, e o LM Studio Bionic, um aplicativo de agentes separado anunciado em 16 de julho de 2026, com planos de $0, $20 e $100. Todas as comparações de terceiros atualmente classificadas para esta consulta são anteriores a essa divisão.

A resposta curta. Se você quer uma única janela desktop que execute um modelo local e converse com um modelo hospedado usando sua própria chave, o Jan Desktop é o que faz isso de primeira parte — Settings > Model Providers > Add Provider aceita uma URL base e uma chave. Se você quer o gerenciador de modelos locais mais forte e um servidor que outros softwares possam chamar, o LM Studio (Classic) é a ferramenta melhor e não custa nada, inclusive no trabalho. Nenhum dos aplicativos do LM Studio documenta um campo geral de URL base para um endpoint de terceiros; o changelog do Classic lista um modo não documentado de “enterprise internal network model endpoint”, abordado abaixo.

Uma distinção antes dos detalhes, porque os resultados de busca misturam os dois: Jan, o aplicativo de IA local em jan.ai desenvolvido pela Menlo Research, não é o Janitor AI, o site de chat de roleplay. E “chave de API do Jan” geralmente não é uma chave que você compra — o Jan não vende nada. Consulte as perguntas frequentes para saber o que essa expressão quase sempre significa.

Qual você deve escolher

A decisão é a mesma, quer você tenha pesquisado Jan vs LM Studio ou LM Studio vs Jan, porque depende de uma pergunta: o aplicativo precisa alcançar um modelo pelo qual você paga em outro lugar? Percorra esta tabela e pare na primeira linha que descreve você. Ela está ordenada pelo quão decisiva é a diferença, não pela quantidade de recursos.

Duas coisas que não são diferenças, apesar de aparecerem em comparações antigas. Ambos executam arquivos de modelos de pesos abertos no seu próprio hardware — o downloader integrado do LM Studio baixa “any supported model from Hugging Face”, e a documentação do Jan cita llama.cpp e MLX como seus mecanismos locais — portanto, os pesos que você já tem não ficam inutilizados ao trocar de aplicativo. A migração consiste em apontar novamente um aplicativo para arquivos no disco e inserir uma chave de novo, não em exportar um formato proprietário. E ambos são gratuitos para uso no trabalho: o Jan por sua licença, o Classic pela política de 8 de julho de 2025 do fornecedor, que afirma não ser necessário preencher um formulário nem entrar em contato com eles primeiro.

Hardware: um único piso publicado, não dois

Esta seção tem uma coluna de propósito. O LM Studio publica uma página de requisitos do sistema; a documentação desktop do Jan não tem equivalente — nenhuma página de hardware ou requisitos do sistema foi encontrada na navegação da documentação quando ela foi consultada para este artigo. Portanto, não há uma especificação equivalente do Jan para imprimir, e inventar uma seria a mentira mais fácil desta página.

Trate isto como um guia para os dois aplicativos, não para apenas um. Como ambos carregam os mesmos arquivos de modelos de pesos abertos, a restrição determinante é o modelo escolhido e a memória de que ele precisa, não qual inicializador você abriu. O Jan segue a abordagem por modelo: seu guia de início rápido afirma que cada modelo no Hub “shows whether it fits your hardware, so you can pick one your machine can run comfortably” — uma verificação no momento do download, não uma tabela para consultar previamente.

Ambos oferecem um servidor local — e é isso que significa “chave de API do Jan”

A pergunta mais pesquisada sobre o Jan tem uma resposta simples. O servidor de API local do Jan é iniciado em Settings > Local API Server, usa por padrão a porta 1337 e expõe http://127.0.0.1:1337/v1/chat/completions. A chave de API é inventada por você: “Set any string (e.g., a-secure-password)”, enviada como um cabeçalho Authorization: Bearer. Por padrão, ele faz bind em 127.0.0.1, portanto nada na sua rede consegue alcançá-lo até que você altere isso.

O LM Studio (Classic) faz o mesmo trabalho em uma porta diferente. Sua documentação do servidor descreve a disponibilização de modelos locais “either on localhost or on the network”, e suas configurações do servidor listam uma Server Port configurável, um alternador “Allow other devices on the same local network to access the API server” e uma opção “Require Authentication” que exige que os clientes “provide a valid API token via the Authorization header”. A página de compatibilidade com OpenAI informa a URL base padrão como http://localhost:1234/v1.

Observe a direção. Nesse modo, os dois aplicativos disponibilizam uma API compatível com OpenAI; nenhum dos dois está consumindo uma. Isso é o oposto do que trata a próxima seção, e confundir os dois é o erro mais comum nesta comparação. Se você quer o padrão em que um servidor local e um gateway hospedado ficam atrás do mesmo cliente, o documento sobre endpoint local explica exatamente esse formato.

O que realmente sai da sua máquina

A página de privacidade do Jan afirma “Zero data collection until you say so”, limita as análises opcionais a usuários ativos e a retenção a um ID aleatório processado pelo PostHog EU, e é direta sobre o caso da nuvem: os modelos na nuvem “need to see your messages to work. That's between you and them - Jan just makes the introduction.” Desde a v0.8.4, as credenciais dos provedores foram retiradas do localStorage do webview e transferidas para um armazenamento de backend, com os segredos no chaveiro do sistema operacional, migrados automaticamente na primeira inicialização.

Vale mencionar uma lacuna, em vez de disfarçá-la. A mesma versão adicionou as ferramentas integradas web_search e web_fetch "baseadas em um tauri-plugin-websearch nativo", e o changelog não informa qual provedor de pesquisa as alimenta, se uma chave é necessária ou quais servidores veem a consulta. A página de privacidade do Jan também não aborda pesquisa na web. Se o motivo para executar um aplicativo local é manter as consultas locais, trate essas ferramentas como conectadas à rede até que o fornecedor documente o contrário.

No lado do LM Studio, o caminho dos dados depende inteiramente da fonte de modelo escolhida no Bionic. A documentação de créditos diz que "modelos locais e modelos remotos do LM Link não consomem créditos e não exigem configuração de cobrança", e os modelos Cloud são executados no que o LM Studio chama de Secure Cloud — um serviço que a página empresarial do fornecedor descreve como sua "nuvem de retenção zero de dados (ZDR) com hospedagem nos EUA". Essa é a descrição do próprio fornecedor sobre sua nuvem, não uma constatação independente. Remoto significa LM Link para outro dispositivo seu, portanto a inferência se desloca, mas a conversa permanece onde você está digitando.

Quanto custa cada um

Cada linha abaixo identifica o produto, porque uma frase que diga apenas "LM Studio" agora é falsa para um dos dois aplicativos.

Preços lidos em lmstudio.ai/pricing, na página de download e em jan.ai em 19 de setembro de 2026. Essa linha de transcrição pertence ao plano Free do Bionic e é executada no próprio dispositivo do usuário; a Kunavo não oferece modelos de conversão de fala em texto nem de embeddings, portanto nada nessa linha tem um equivalente na Kunavo.

Dois avisos. Primeiro, vários sites de terceiros publicam tarifas por token e tabelas de níveis para inferência em nuvem do LM Studio. A própria página de preços do fornecedor não publica nem uma tarifa por token nem o tamanho da franquia incluída, e diz apenas que "os créditos de nuvem cobrem o uso além da franquia incluída no seu plano". Qualquer valor específico encontrado em outro lugar não foi obtido de lmstudio.ai. Segundo, a situação das equipes permanece realmente indefinida: a mesma página oferece cobrança centralizada por meio de uma organização, embora diga que "planos de assinatura para equipes serão lançados em breve", o que é diferente do plano "Teams" que a publicação de 8 de julho de 2025 dizia que chegaria mais tarde naquele mês. Confirme no checkout antes de fazer o orçamento de uma vaga.

Apontando qualquer um dos aplicativos para uma API hospedada

Essa é a verdadeira assimetria, e vale expressá-la com precisão, em vez de dizer que "o LM Studio não consegue fazer isso".

O Jan Desktop tem um caminho oficial sem bloqueio por plano. A documentação de endpoint personalizado o coloca em Settings > Model Providers > Add Provider, com um seletor de formato que oferece "OpenAI-compatible" ou "Anthropic-compatible" — o segundo adicionado na v0.8.1, em 29 de maio de 2026 — e três campos: nome do provedor, URL base e chave de API.

Essa última linha é o ponto de atrito que as pessoas encontram e então atribuem ao endpoint. O Jan não consulta seu provedor em busca de capacidades; um modelo recém-adicionado chega com ferramentas e visão desativadas, e você as configura por modelo. Antes de colar qualquer coisa, basta um comando para confirmar que o endpoint responde à solicitação que a descoberta do Jan fará:

# Does the endpoint answer the request Jan's auto-discovery makes?
curl https://api.kunavo.com/v1/models \
  -H "Authorization: Bearer $KUNAVO_API_KEY"

# Base URL to paste into Jan: https://api.kunavo.com/v1
# Dropping the /v1 is the documented way to get a 404.

Deixe claro o que isto é: um procedimento derivado da documentação publicada pelo Jan e dos próprios endpoints da Kunavo, não um teste de compatibilidade. O Jan não foi testado em tempo de execução contra api.kunavo.com aqui, portanto mantenha uma rota funcional disponível enquanto você experimenta. A opção compatível com Anthropic foi deixada deliberadamente sem preenchimento — a documentação do Jan descreve o formato, mas não informa se o aplicativo acrescenta o caminho Messages à sua URL base, e um sufixo presumido é simplesmente um 404 no seu aplicativo. Se quiser o protocolo Messages, leia a documentação da URL base Anthropic e teste por conta própria.

Nenhum dos aplicativos do LM Studio documenta esse campo. O Classic obtém seus modelos do Hugging Face e os executa localmente; nenhuma configuração de URL base ou chave de provedor para um serviço de terceiros aparece na documentação do aplicativo. A única alternativa documentada é o sistema oficial de plugins: um generator é "um substituto para LLMs locais" que é "útil para implementar adaptadores para modelos externos, como usar uma instância remota do LM Studio ou outros modelos online", e um plugin que contenha um "aparecerá no menu suspenso de modelos e funcionará como um modelo". O mecanismo é oficial; os adaptadores que o utilizam são publicados pela comunidade, portanto esse caminho significa entregar sua chave de API a um plugin de terceiros. Avalie essa troca por seus próprios critérios.

O Bionic não oferece essa alternativa. Sua documentação de modelos lista exatamente três fontes — Cloud (hospedada, requer uma conta e créditos), Local (no dispositivo) e Remote (outro dispositivo seu via LM Link) — sem URL base personalizada e sem chave do usuário. A extensibilidade mencionada na própria documentação do Bionic são skills, que ensinam ações repetíveis em vez de fornecer um backend de modelo. Uma ressalva ao "não" absoluto: a entrada do changelog 0.4.20 do LM Studio lista "Support for enterprise internal network model endpoint", portanto existe um modo de endpoint que não é do Hugging Face no Classic. Nenhuma página de documentação encontrada para este artigo descreve como ele é configurado ou quem pode ativá-lo; trate-o como real, mas não documentado, e não como um caminho em que você possa basear seu planejamento.

A direção que funciona com o LM Studio é a inversa: mantenha o Classic servindo em localhost:1234/v1 e deixe o cliente chamador escolher entre ele e um gateway por tarefa. O guia da API compatível com OpenAI aborda essa alternância e, se você estiver comparando interfaces de chat em vez de runtimes locais, AnythingLLM vs Open WebUI e LibreChat vs Open WebUI abordam duas que aceitam uma URL base da mesma forma que o Jan.

Uma estimativa calculada caso você adicione um modelo hospedado

Estas são operações aritméticas ilustrativas de tokens, não custos medidos nem um limite de cobrança. Suponha um mês leve de chat no desktop: 300 mensagens, cada uma enviando cerca de 3.000 tokens de entrada depois que a conversa até então é reenviada, e recebendo 600 tokens de saída — portanto, 900.000 tokens de entrada e 180.000 de saída. A coluna pesada mantém o mesmo formato com cinco vezes o volume. As tarifas são os preços atuais do catálogo da Kunavo por milhão de tokens.

Sob essas premissas, a linha mais pesada chega a $18.90, abaixo dos $20 mensais do Bionic+. Essa é uma leitura real desses números, mas estreita. Ela vale para esse padrão de uso, esses quatro modelos e essas tarifas, e compara uma cobrança medida com um plano que também inclui recursos do produto e os próprios modelos abertos hospedados do LM Studio, que a Kunavo não oferece. Tokens medidos compram apenas tokens: o custo acompanha o que você envia, tanto para cima quanto para baixo. E uma tarifa listada menor não é o mesmo que um total menor — um modelo que precisa de três tentativas para realizar uma tarefa pode custar mais do que um que acerta na primeira, portanto faça a seleção com base no modelo mais barato que conclui seu trabalho, não na linha mais barata. Otimização de custos de IA aborda esse método.

O valor do catálogo da Kunavo é um piso de cobrança, não um teto: quando o upstream informa sua cobrança, a fatura é o maior entre o custo do catálogo e o custo do upstream multiplicado pela margem aplicável. As cobranças de cache e as ferramentas externas ficam fora deste exemplo. A recarga mínima é de $10 em crédito pré-pago, que é um mínimo de financiamento, não uma taxa por tarefa nem uma assinatura — a mesma aritmética comporta aproximadamente 7 meses leves de Claude Haiku 4.5 chat, uma estimativa baseada nas premissas acima, não uma garantia de quanto tempo qualquer saldo durará. Consulte os detalhes de cobrança.

Comparação de recursos em resumo

Duas linhas merecem uma nota de rodapé. Não está realmente claro se o Classic pode conversar com os modelos hospedados na nuvem do LM Studio — nenhuma página de documentação confirma isso em qualquer direção, portanto a célula diz "não documentado" em vez de "não". E as duas linhas de versão foram lidas em changelogs separados do LM Studio — um do Classic, um do Bionic — ambos avançam mais rápido que esta página; trate-os como o que estava atual quando verificados, não como a versão que será oferecida a você.

Se você decidir conectar uma chave hospedada

A Kunavo não publica uma página de integração específica para o Jan, portanto o caminho honesto é o genérico: crie uma chave, aponte o provedor personalizado do Jan para https://api.kunavo.com/v1, deixe a descoberta preencher a lista de modelos e ative ferramentas ou visão manualmente por modelo. Comece pelo guia de início rápido para obter a chave e a URL base, e crie uma conta na Kunavo quando estiver pronto para adicionar fundos. Mantenha seu modelo local configurado ao lado dele — o motivo para executar o Jan ou o LM Studio em primeiro lugar é que o caminho offline continua disponível quando o hospedado não vale o custo.

Perguntas frequentes

Páginas dos fornecedores, documentação e changelogs obtidos em 19 de setembro e verificados novamente em 21 de setembro de 2026: a página inicial, o guia de início rápido, as páginas de endpoint personalizado, servidor de API, privacidade e changelog de jan.ai, além do arquivo LICENSE em janhq/jan; as páginas de preços, download, empresa, termos, changelogs do Classic e do Bionic, requisitos do sistema, download de modelos, documentação do aplicativo, modelos e créditos do Bionic, plugin generator, servidor e configurações do servidor, compatibilidade com OpenAI, headless e uso profissional gratuito de lmstudio.ai; e a API do GitHub para janhq/jan e a organização lmstudio-ai. Os números de versão e de estrelas são os exibidos por essas páginas na data posterior. Não foi realizado nenhum teste em tempo de execução de qualquer aplicativo contra a Kunavo, e todo valor em dólares calculado nesta página é uma operação aritmética ilustrativa de tokens usando as tarifas atuais do catálogo.