把合約條文、病歷摘要或自家程式的片段貼進雲端助手的那一刻，多數人心裡都會頓一下：這段文字究竟被送到了哪裡。訂閱費按月扣，隱私條款年年改寫，受監管行業的從業者更是連問的資格都沒有。把模型搬到自己的機器上，是從根上解決這件事的辦法，偏偏多數教學的開頭就是一整頁終端指令，於是大半人到此為止。

在這份不長的清單裡，Jan 是最不留退路的一個。這款桌面程式出自新加坡的一個小團隊，自 2023 年問世起就把全部程式碼放在寬鬆的開放原始碼許可之下：對話視窗、模型管理、本機服務，每一行都攤在陽光下。倉庫累積的星標超過四萬，安裝次數突破五百萬。這裡的開源不是姿態——你可以順著程式碼看它怎麼處理你的文字，也可以確認它沒有偷偷連回任何地方。

斷網照樣能用，是它最硬的一張牌。從內建清單下載好開放模型之後，對話、長文問答、本機服務全都不再需要連線；對話紀錄以普通檔案存在磁碟上，計算發生在你自己的處理器與顯示卡裡。在管制的內網、在出差的車上，或者只是不想讓筆記出門的家庭，這個差別讓它從「方便」變成「可以倚靠」。

介面藏起來的，是底下的機器。模型中心把幾個知名的開放系列列在一起，每一項都標明與眼前這台機器的契合程度，按一下開始下載，中途可以暫停再續。工作階段排在左欄，取樣參數在右邊，和一般聊天軟體的佈局差不多。它也沒有把你鎖在本機：大型雲端服務的憑證可以填進來，同一個視窗裡既養著私密的本機模型，也掛著能力強悍的遠端模型，隨任務切換。

對寫程式的人，同一個程式就變成了管線。本機服務開出一個與主流雲端格式相同的端點，預設在 1337 埠上等候，既有的腳本通常只要換個位址。接上 MCP 之後，模型可以伸手到外面，驅動瀏覽器或執行程式碼，這是往代理式用法走的門。2026 年的版本來得密集：一次預測多個詞元、切換模型時保留訊息分支、在自由作業系統上支援另一家顯示卡的運算堆疊，最新的版本甚至內建網頁搜尋與抓取，讓本機模型也看得到今天的新聞。

界線也該講得一樣清楚。速度與水準取決於你的機材，16 GB 記憶體是比較現實的起點，參數大的模型要更強的顯示卡或更多記憶體。碰上硬推理，它與頂級雲端模型的差距一眼可見。桌面之外沒有手機版。應用本身開源，部分加值功能走可選的付費路線，核心的本機使用則一直免費。

當 AI 愈來愈像公共基礎設施，「資料歸誰」就不再是抽象問題。Jan 的答案很直白：程式碼公開、模型在桌上、流量不出門、拔掉線也照樣運作。它大概不是你裝得到的最強助手，卻可能是你最不怕把心事交給它的那一個。

真正的隱私不是承諾，是結構。當原始碼讀得到、模型在本地、網線拔得掉，信任才終於有東西可以踩。