Jan AI 和 LM Studio 已不再是兩款可直接比較的應用程式，任何未說明這一點的 2026 年比較，都會同時誤判價格與 API 問題。 Jan Desktop 是單一免費的 Apache-2.0 應用程式。LM Studio 現在是兩款桌面產品：LM Studio (Classic)，目前版本為 0.4.25，是一直以來該名稱所指的免費本機模型管理器與 OpenAI 相容伺服器；以及 LM Studio Bionic，一款獨立的代理程式應用程式，於 2026 年 7 月 16 日宣布，提供 $0、$20 與 $100 方案。目前針對此查詢排名的每篇第三方比較文章都早於這次拆分。
簡短答案。如果你想要一個桌面視窗，既能執行本機模型又能使用你自己的金鑰連接託管模型，Jan Desktop 是第一方支援這項功能的選擇 — Settings > Model Providers > Add Provider 可輸入基本 URL 與金鑰。如果你想要更強的本機模型管理器，以及其他軟體可以呼叫的伺服器，LM Studio (Classic) 是更好的工具，而且完全免費，包括在工作場合使用。兩款 LM Studio 應用程式都沒有文件說明可供第三方端點使用的一般基本 URL 欄位；Classic 的變更記錄確實列出未有文件說明的「enterprise internal network model endpoint」模式，詳見下文。
在詳細內容前先釐清一點，因為搜尋結果會將兩者混在一起：由 Menlo Research 建立、位於 jan.ai 的本機 AI 應用程式 Jan，不是角色扮演聊天網站 Janitor AI。而「Jan API key」通常也不是你購買的金鑰 — Jan 不販售任何東西。請參閱 FAQ，了解這個說法幾乎總是指什麼。
你應該選哪一個
無論你搜尋的是 Jan vs LM Studio 還是 LM Studio vs Jan，判斷方式都相同，因為關鍵在於一個問題：應用程式是否需要連接你在其他地方付費使用的模型？請沿著此表往下閱讀，遇到第一個符合你的列就停止。表格依差異的決定性排序，而非依功能數量排序。
| 如果這是你的情況 | 選擇 | 原因 |
|---|---|---|
| 在你控制的金鑰下，於本機模型與託管模型之間使用單一應用程式 | Jan Desktop | 三者中唯一有文件記載的第一方自訂端點欄位。支援 OpenAI 相容或 Anthropic 相容，基本 URL 加上金鑰 |
| 你需要應用程式的原始碼，或要將其嵌入其他產品中發布 | Jan Desktop | Apache-2.0。LM Studio 的桌面應用程式為專有軟體，其條款禁止服務局與軟體即服務用途 |
| 供你自己的腳本使用的本機伺服器，以及日後的無頭部署 | LM Studio (Classic) | 在 localhost:1234/v1 提供類 OpenAI API，也可選擇在 LAN 上提供並要求 token，另附 llmster 精靈，供沒有 GUI 的機器使用 |
| 可立即使用、能規劃、使用工具並處理檔案的代理程式 | LM Studio Bionic | 專為此用途打造。取捨在於模型後端：Cloud、Local 或 Remote，沒有放置第三方端點的位置 |
| 完全離線、不需要帳戶、任何資料都不離開機器 | 任一款免費應用程式 | 兩者都會在你自己的硬體上執行開放權重模型。Jan 表示本機模型不需要金鑰或網路；Bionic 的 Local 與 LM Link 模型不需要帳戶或額度 |
| 你正在編列預算，而答案必須經得起稽核 | 閱讀價格部分 | Classic 為 $0。Bionic 為 $0 / $20 / $100，並附有未公開的使用額度。不存在單一的「LM Studio 價格」 |
儘管出現在較早的比較中，以下兩點不是差異。兩者都會在你自己的硬體上執行開放權重模型檔案 — LM Studio 的內建下載器會從 Hugging Face 取得「任何受支援的模型」，而 Jan 的文件將 llama.cpp 與 MLX 列為其本機引擎 — 因此你已擁有的權重不會因切換而無法使用。遷移只是將應用程式重新指向磁碟上的檔案並重新輸入金鑰，而不是匯出專有格式。兩者在工作場合使用也都免費：Jan 依其授權免費，Classic 則依供應商的2025 年 7 月 8 日政策免費，該政策表示不需要先填寫表單或聯絡他們。
硬體：一個已發布的最低要求，而非兩個
本節刻意只列一欄。LM Studio 發布了系統需求頁面；Jan 的桌面文件沒有對應內容 — 為本文查核時，在其文件導覽中找不到硬體或系統需求頁面。因此不存在可列出的對稱 Jan 數字，而捏造一個數字會是本頁最容易犯的謊言。
| 平台 | LM Studio 發布的最低要求 |
|---|---|
| macOS | Apple Silicon (M1/M2/M3/M4)、macOS 14.0 或更新版本，建議 16GB 以上 RAM |
| Windows | x64 必須支援 AVX2，建議至少 16GB RAM，建議至少 4GB 專用 VRAM；支援 x64 與 ARM |
| Linux | Ubuntu 20.04 或更新版本，以 AppImage 發布，支援 x64 與 aarch64 |
請將這些視為兩款應用程式的指南，而不是其中一款的指南。由於兩者載入相同的開放權重模型檔案，限制因素是你選擇的模型及其所需記憶體，而不是你開啟了哪個啟動器。Jan 改採逐模型路徑：其快速入門表示，Hub 中的每個模型「會顯示它是否適合你的硬體，讓你可以選擇機器能舒適執行的模型」 — 這是在下載時檢查，而不是事前閱讀的表格。
兩者都提供本機伺服器 — 而這就是「Jan API key」的意思
最常被搜尋的 Jan 問題，其答案很平凡。Jan 的本機 API 伺服器可從 Settings > Local API Server 啟動，預設使用連接埠 1337，並公開 http://127.0.0.1:1337/v1/chat/completions。其 API 金鑰由你自行設定：「設定任意字串（例如 a-secure-password）」；並以 Authorization: Bearer 標頭傳送。預設會繫結至 127.0.0.1，因此除非你變更設定，網路上的任何裝置都無法連入。
LM Studio (Classic) 在不同連接埠上執行相同工作。其伺服器文件說明可「在 localhost 或網路上」提供本機模型服務，其伺服器設定列出可設定的 Server Port、可「允許同一區域網路上的其他裝置存取 API 伺服器」的開關，以及要求用戶端「透過 Authorization 標頭提供有效 API token」的「Require Authentication」選項。OpenAI 相容性頁面將預設基本 URL 列為 http://localhost:1234/v1。
| 本機伺服器 | Jan Desktop | LM Studio (Classic) |
|---|---|---|
| 預設端點 | http://127.0.0.1:1337/v1 | http://localhost:1234/v1 |
| 繫結位址 | 預設為 127.0.0.1，可選擇 0.0.0.0 | 預設為本機，可選擇「Serve on Local Network」 |
| 驗證 | 你設定的任意字串，以 bearer token 形式傳送 | 「Require Authentication」會要求用戶端傳送有效 token |
| 無頭作業 | Jan Desktop 沒有文件記載的精靈 | llmster，文件描述為「LM Studio 封裝成原生伺服器，不依賴 GUI」 |
請注意方向。在此模式中，兩款應用程式都提供 OpenAI 相容 API；兩者都不是在消費這類 API。這與下一節的內容正好相反，混淆兩者是此比較中最常見的錯誤。如果你想要的是讓本機伺服器與託管閘道位於同一用戶端後方的模式，本機端點文件會逐步說明完全相同的架構。
實際離開你機器的資料
Jan 的隱私頁面表示「在你表示同意前，不收集任何資料」，將選擇加入的分析資料限制為活躍使用者及透過 PostHog EU 處理的隨機 ID 留存資料，並直接說明雲端情況：雲端模型「需要查看你的訊息才能運作。這是你與它們之間的事 — Jan 只是促成介紹」。自 v0.8.4 起，供應商憑證已從 webview 的 localStorage 移至後端儲存區，機密資料存放在作業系統的金鑰圈中，並在首次啟動時自動遷移。
有一個值得明確指出、而不是含糊帶過的缺口。同一個版本發布也加入了內建的 web_search 和 web_fetch 工具，並稱其「由原生 tauri-plugin-websearch 支援」，但變更日誌沒有說明它們由哪個搜尋服務商提供、是否需要金鑰，或查詢會被哪些伺服器看見。Jan 的隱私權頁面也沒有涵蓋網頁搜尋。如果你執行本機應用程式的理由是查詢會留在本機，除非供應商另有文件說明，否則請將這些工具視為網路工具。
在 LM Studio 方面，資料路徑完全取決於你在 Bionic 中選擇的模型來源。其 點數文件 表示：「本機模型和遠端 LM Link 模型不會消耗點數，也不需要設定計費」，而 Cloud 模型會在 LM Studio 稱為 Secure Cloud 的環境中執行；供應商的 企業版頁面 將其描述為「位於美國、零資料保留（ZDR）的雲端」。這是供應商對其雲端服務的說法，而非獨立調查結果。遠端模式表示透過 LM Link 連線到你自己的另一台裝置，因此推論位置會改變，但對話仍留在你輸入內容的地方。
各自的費用
以下每一列都會標明產品，因為現在只寫「LM Studio」的句子，對兩個應用程式其中之一而言已經不正確。
| 產品 | 公布價格 | 這能帶來什麼 |
|---|---|---|
| Jan Desktop | $0，Apache-2.0 | 完整應用程式。不需要帳戶、不需要方案，jan.ai 上也沒有定價頁面 |
| LM Studio（Classic）0.4.25 | $0，包括工作用途 | 本機模型、聊天介面與可程式化 API 伺服器 |
| LM Studio Bionic，免費 | $0 | 「Bionic Agent」、透過 llama.cpp 和 MLX 執行的本機 LLM、離線語音轉錄、最多 5 台裝置的 LM Link、有限的網頁搜尋 |
| LM Studio Bionic+ | $20 USD／月 | 定價頁面列出的美國託管開放模型、折扣批次 token、網頁搜尋與頁面擷取 |
| LM Studio Bionic Pro | 每月 $100 USD | 「5 倍使用量上限」——該頁面從未說明其倍增的基準 |
| 超出配額的 Bionic 雲端點數 | 未公開 | 超過方案配額的使用量；定價頁面沒有列出每 token 費率，也沒有顯示配額大小 |
| LM Studio Enterprise | 未公布價格 | 企業版頁面 提供一份要求填寫工作電子郵件、公司和團隊規模的聯絡表單，但未列出價格 |
價格取自 2026 年 9 月 19 日的 lmstudio.ai/pricing、下載頁面 和 jan.ai。該轉錄項目屬於 Bionic 的免費方案，並在使用者自己的裝置上執行；Kunavo 不提供語音轉文字或嵌入模型，因此該列中的內容沒有 Kunavo 對應項目。
有兩項警告。第一，數個第三方網站會發布 LM Studio 雲端推論的每 token 費率和級距表。供應商自己的定價頁面既沒有公布每 token 費率，也沒有公布包含配額的大小，只表示「雲端點數涵蓋超出方案所含配額的使用量」。你在其他地方找到的任何具體數字，都不是從 lmstudio.ai 讀取的。第二，其團隊方案狀況確實尚未釐清：同一頁面提供透過組織進行集中計費，同時又表示「團隊訂閱方案即將推出」，這與 2025 年 7 月 8 日貼文所說當月稍後推出的「Teams」方案並不是同一回事。在編列席位預算前，請於結帳時確認。
將任一應用程式連接到託管 API
這才是真正的不對稱之處，值得精確說明，而不是簡化成「LM Studio 做不到」。
Jan Desktop 提供不受方案限制的第一方連線方式。 其 自訂端點文件 將設定位置列為 Settings > Model Providers > Add Provider，格式選擇器提供「OpenAI-compatible」或「Anthropic-compatible」；後者是在 v0.8.1、2026 年 5 月 29 日 加入的；並有三個欄位：供應商名稱、基礎 URL、API 金鑰。
| 欄位 | Jan 的文件說明 | 針對 Kunavo 金鑰 |
|---|---|---|
| API 格式 | OpenAI 相容或 Anthropic 相容 | 使用 OpenAI-compatible。此處未驗證 Anthropic 格式的基礎 URL——請參閱下方注意事項 |
| 基底 URL | 「Base URL 必須包含伺服器所要求的版本路徑」；文件所列的錯誤是省略 /v1 後收到 404 | https://api.kunavo.com/v1 |
| API 金鑰 | 註冊時必填；對不需要金鑰的本機伺服器可使用佔位值 | 從控制面板取得你自己的金鑰 |
| 模型清單 | 「儲存時，Jan 會嘗試從 {base_url}/models 擷取可用模型。如果你的端點未提供該資訊，請手動新增模型」 | Kunavo 提供 /v1/models，因此模型探索有可呼叫的端點 |
| 功能 | 「自訂供應商不會自動偵測功能——Jan 無法推斷模型是否支援工具、視覺或音訊」 | 模型出現後，逐一手動開啟每個模型的工具和視覺功能 |
最後一列就是使用者會遇到、卻可能歸咎於端點的摩擦點。Jan 不會探測你的供應商具備哪些功能；新加入的模型預設會關閉工具和視覺功能，你必須在模型設定中逐一設定。在貼上任何內容之前，只需執行一個指令，就能確認端點是否會回應 Jan 的探索請求：
# 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.請明確了解這是什麼：這是根據 Jan 公開文件和 Kunavo 自有端點推導出的操作流程，不是相容性測試。本文未對 api.kunavo.com 執行 Jan 的執行時測試，因此嘗試時請保留可運作的替代路徑。Anthropic-compatible 選項刻意留白——Jan 的文件描述了格式，但沒有說明 Jan 是否會將 Messages 路徑附加到你的基礎 URL，而猜測的後綴在你的應用程式中只會得到 404。如果你想使用 Messages 通訊協定，請閱讀 Anthropic 基礎 URL 文件 並自行測試。
兩個 LM Studio 應用程式都沒有說明該欄位。 Classic 從 Hugging Face 取得模型並在本機執行；其應用程式文件中沒有出現第三方服務的基礎 URL 或供應商金鑰設定。唯一有文件記載的替代途徑是官方外掛系統：generator 是「本機 LLM 的替代方案」，「適合用來為外部模型實作介面卡，例如使用遠端 LM Studio 執行個體或其他線上模型」，而包含該元件的外掛「會出現在模型下拉式選單中並作為模型運作」。機制本身是官方的；使用該機制的介面卡由社群發布，因此這條路徑意味著要將你的 API 金鑰交給第三方外掛。請根據其本身的條件評估這項取捨。
Bionic 完全沒有這個入口。其 模型文件 明確列出三種來源——Cloud（託管，需要帳戶和點數）、Local（裝置上執行）與 Remote（透過 LM Link 連線到你的另一台裝置）——沒有自訂基礎 URL，也沒有使用者金鑰。Bionic 自有文件所列的可擴充性是 skills，它們教導可重複的操作，而不是提供模型後端。對這個簡單「否」有一項注意事項：LM Studio 的 0.4.20 變更日誌項目 列出「支援企業內部網路模型端點」，因此 Classic 確實存在非 Hugging Face 端點模式。本文找到的文件頁面都沒有說明如何設定或誰能啟用它，因此請將其視為確實存在但未有文件說明，而不是可以據此規劃的路徑。
與 LM Studio 確實相容的方向正好相反：讓 Classic 持續在 localhost:1234/v1 上提供服務，並讓呼叫端依任務在它與閘道之間選擇。OpenAI-compatible API 指南涵蓋這項切換；如果你比較的是聊天前端而非本機執行環境，AnythingLLM 與 Open WebUI 以及 LibreChat 與 Open WebUI 介紹了兩個與 Jan 相同、可接受基礎 URL 的選項。
如果你確實加入託管模型，以下是一份計算範例
這些是示意性的 token 算術，不是測量所得的成本，也不是帳單上限。假設桌面聊天的輕度月份：300 則訊息，每則在重新傳送目前為止的對話後約傳送 3,000 個輸入 token，並接收 600 個輸出 token——因此輸入 token 為 900,000，輸出 token 為 180,000。高用量欄位的模式相同，但數量是五倍。費率採用即時的 Kunavo 目錄每百萬 token 價格。
| 模型 | 每 1M 的輸入／輸出 | 輕量月份估算 | 重度月份估算 |
|---|---|---|---|
| Claude Haiku 4.5 | $0.70 / $3.50 | $1.26 | $6.30 |
| GPT-5.6 Terra | $0.70 / $4.20 | $1.39 | $6.93 |
| Claude Sonnet 4.6 | $2.10 / $10.50 | $3.78 | $18.90 |
在這些假設下，最高用量那一列為 $18.90，低於每月 $20 的 Bionic+。這是對這些數字的真實解讀，但適用範圍很窄。它只適用於這種使用模式、這四個模型和這些費率，並且是將按量計費的帳單與一項同時包含產品功能及 LM Studio 自有託管開放模型的方案相比，而 Kunavo 不提供後者。按量計費的 token 只購買 token：成本會隨你傳送的內容增加，也會隨接收的內容增加。列出的費率較低，也不等於總成本較低——一個任務若需要嘗試三次的模型，可能比第一次就完成任務的模型更昂貴，因此請以能完成工作的最低成本模型建立候選清單，而不是選擇表格中最便宜的一列。AI 成本最佳化說明了這種方法。
Kunavo 的目錄金額是計費下限，而不是上限：上游回報費用時，帳單金額取目錄成本與上游成本乘以適用加成兩者之較高者。快取費用和外部工具不包含在此範例中。最低儲值金額是 $10 的預付額度，這是資金下限，而不是任務費或訂閱費——相同的算術估計顯示，其中約可容納 7 個輕度月份的 Claude Haiku 4.5 聊天；這是根據上述假設得出的估計，不保證任何餘額能使用多久。請參閱 計費詳細資訊。
功能比較一覽
| 項目 | Jan Desktop | LM Studio (Classic) | LM Studio Bionic |
|---|---|---|---|
| 授權 | Apache-2.0，Menlo Research | 專有，Element Labs, Inc. | 專有，Element Labs, Inc. |
| 價格 | $0 | $0，包含工作用途 | 每月 $0／$20／$100 |
| 所見最新版本 | v0.8.4，變更日誌日期為 2026 年 7 月 21 日 | 0.4.25，變更日誌日期為 2026 年 9 月 19 日 | 1.1.5，變更日誌日期為 2026 年 9 月 19 日 |
| 文件中列出的本機引擎 | llama.cpp 和 MLX | 所有地方都使用 llama.cpp，另在 Apple Silicon 上使用 Apple MLX | llama.cpp 和 MLX，依據定價頁面 |
| 你自己的端點和金鑰 | 是，第一方，與 OpenAI 或 Anthropic 相容 | 外掛 generator，由社群發布；另有 0.4.20 變更日誌中未記錄文件的「企業內部網路模型端點」模式 | 不在文件記載的三種模型來源之中 |
| 向其他軟體提供 API | 是，預設使用連接埠 1337 | 是，預設使用連接埠 1234，可選擇 LAN | 未記載為伺服器 |
| 無頭／無 GUI | Desktop 未有文件說明 | llmster 常駐程式 | 未提供文件說明 |
| 供應商託管的模型 | 無——Jan 不銷售推論服務 | Classic 聊天未有文件說明 | 是，以點數計費 |
| 公布的硬體門檻 | 未發布任何資料 | 是，依平台而定 | 未另行公布 |
| 公開原始碼儲存庫 | janhq/jan，未封存 | 僅 SDK 和 CLI，沒有應用程式儲存庫 | 沒有應用程式儲存庫 |
有兩列值得加註腳註。Classic 是否能與 LM Studio 的託管雲端模型聊天，確實不清楚——沒有任何文件頁面確認可以或不可以，因此儲存格寫的是「未有文件說明」，而不是「否」。另外兩列版本號取自不同的 LM Studio 變更日誌——一份是 Classic，一份是 Bionic——兩者更新速度都比本文快，因此請將它們視為查核時的目前版本，而不是你將會獲得的版本。
如果你決定連接託管金鑰
Kunavo 沒有發布 Jan 專用的整合頁面，因此誠實的做法是使用一般流程：建立金鑰，將 Jan 的自訂供應商指向 https://api.kunavo.com/v1，讓探索功能填入模型清單，然後手動逐一啟用模型的工具或視覺功能。若要取得金鑰和基礎 URL，請從快速入門開始；準備好儲值時，請建立 Kunavo 帳戶。請同時保留本機模型設定——最初執行 Jan 或 LM Studio 的理由，就是在託管方案不值得付費時，離線路徑仍然可用。
常見問題
Jan 比 LM Studio 好嗎？
兩者回答的是不同問題，而且自 2026 年起，這項比較由三方組成，而非兩方。Jan Desktop 是一款免費的 Apache-2.0 應用程式，可執行本機模型，也能連接你輸入的 OpenAI 相容或 Anthropic 相容端點；如果你想在單一視窗中同時使用本機模型與付費託管模型，就應選它。LM Studio (Classic) 免費且為專有軟體；如果你主要管理與提供本機模型服務，它是更強的工具：可從 Hugging Face 下載模型，在 localhost:1234/v1 提供類 OpenAI API，並附帶名為 llmster 的無頭精靈供伺服器使用。LM Studio Bionic 是獨立的代理程式應用程式，提供 Free、$20 與 $100 方案，其模型選擇器只有 Cloud、Local 與 Remote — 沒有供你輸入自有端點的欄位。
LM Studio 免費嗎？
這取決於你指的是哪個 LM Studio，而這正是目前多數比較文章過時的地方。LM Studio (Classic) 的供應商變更記錄最新版本為 2026 年 9 月 19 日的 0.4.25；它免費，即使在工作場合也免費：供應商 2025 年 7 月 8 日的文章表示，在工作場合使用不需要填寫表單或聯絡他們，而這仍是現行政策。LM Studio Bionic 是另一款於 2026 年 7 月 16 日宣布的代理程式應用程式，提供 $0 的 Free 方案、每月 $20 USD 的 Bionic+，以及每月 $100 USD 的 Pro。Bionic 的 Free 方案涵蓋本機模型與 LM Link；付費方案則加入 LM Studio 自有的託管開放模型。因此，「LM Studio 免費」與「LM Studio 每月 $20」都是真的，只是指不同的應用程式。
我要去哪裡取得 Jan API 金鑰？
你不需要購買，因為 Jan 不販售任何東西 — jan.ai 沒有定價頁，也沒有付費方案。這個說法幾乎總是指兩種情況之一。其一，你想取得 Jan 自有本機 API 伺服器的金鑰；此時開啟 Settings > Local API Server，將任意字串設為金鑰，並以 Authorization: Bearer 標頭傳送至 http://127.0.0.1:1337/v1/chat/completions。其二，你想取得在 Jan 內使用託管模型的金鑰；此時金鑰來自該供應商，並輸入 Settings > Model Providers。另請注意，jan.ai 的本機 AI 應用程式 Jan 並不是 Janitor AI；後者是無關的角色扮演聊天網站。
我可以在 LM Studio 中使用自己的 API 金鑰嗎？
截至 2026 年 9 月 21 日，兩款應用程式都沒有任何有文件記載的第一方設定可做到這件事。LM Studio (Classic) 從 Hugging Face 取得模型並在本機執行；其文件中沒有出現供第三方服務使用的基本 URL 或供應商金鑰欄位。它的 0.4.20 變更記錄確實列出「Support for enterprise internal network model endpoint」，因此存在這種模式，但本文找到的文件頁面沒有說明如何設定。唯一有文件記載的外部模型路徑，是官方外掛系統的 generator hook；LM Studio 自身文件將其描述為可取代本機 LLM、並可用於連接其他線上模型的機制 — 但執行此功能的介面卡由社群發布，因此你必須信任第三方外掛並將金鑰交給它。LM Studio Bionic 僅提供 Cloud、Local 與 Remote 模型，其中 Cloud 代表 LM Studio 自有的託管服務。相較之下，Jan Desktop 可直接在 Settings > Model Providers > Add Provider 中輸入基本 URL 與金鑰。
Jan 是開放原始碼，而 LM Studio 是開放原始碼嗎？
Jan 是。其 LICENSE 檔案採 Apache License 2.0，著作權屬於 Menlo Research；GitHub 的授權欄位只顯示 NOASSERTION，是因為授權文字上方有自訂標頭區塊。儲存庫 janhq/jan 並未封存，且在 GitHub API 為本頁查核時擁有超過 44,500 顆星。LM Studio 不是開放原始碼：其使用條款指定 Element Labs, Inc. 為授權人，授予「僅供您個人及／或內部商業用途」使用軟體的授權，並禁止你對其進行「再授權、散布、銷售、用於服務局或應用程式服務提供者用途，或作為軟體即服務」。混淆源自 LM Studio 的 GitHub 組織，其中充滿 MIT 儲存庫 — lmstudio-js、lms CLI、lmstudio-python、mlx-engine 與 venvstacks。這些是 SDK、CLI 與引擎。桌面應用程式本身沒有公開儲存庫。
Jan 和 LM Studio 可以離線運作嗎？
兩者都可以進行本機推論，而這正是兩款工具的用途。Jan 的文件表示，本機模型完全在你的機器上執行，不需要 API 金鑰，也不需要網路；其隱私頁面則表示，雲端模型是 Jan 協助建立的連線，而不是 Jan 能看見的內容。LM Studio (Classic) 從 Hugging Face 下載模型一次，之後便在你自己的硬體上執行。有兩點需要注意。任何需要網路的功能 — 託管模型，或 Jan 在 v0.8.4 加入的內建 web_search 與 web_fetch 工具 — 按定義都會將資料傳出機器，而 Jan 的變更記錄沒有說明這些工具使用哪個搜尋供應商。LM Studio Bionic 的 Cloud 模型是需要帳戶與額度的託管服務，而其 Local 與 LM Link 模型兩者皆不需要。
2026 年 9 月 19 日擷取、並於 2026 年 9 月 21 日重新檢查的供應商頁面、文件和變更日誌：jan.ai 的首頁、快速入門、自訂端點、API 伺服器、隱私權和變更日誌頁面，以及 janhq/jan 中的 LICENSE 檔案；lmstudio.ai 的定價、下載、企業版、條款、Classic 和 Bionic 變更日誌、系統需求、模型下載、應用程式文件、Bionic 模型和點數、generator 外掛、伺服器與伺服器設定、OpenAI 相容性、無頭模式及工作用途免費頁面；以及 janhq/jan 和 lmstudio-ai 組織的 GitHub API。版本號和星數是較晚日期時這些頁面所顯示的內容。本文未對任一應用程式執行 Kunavo 實際測試，且本頁計算的所有美元數字都是採用即時目錄費率的示意性 token 算術。