> ## Documentation Index
> Fetch the complete documentation index at: https://docs2.openclaw.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# LM Studio

LM Studio ejecuta modelos llama.cpp (GGUF) o MLX localmente, como aplicación GUI o mediante el demonio
`llmster` sin interfaz gráfica. Para la instalación y la documentación del producto, consulta [lmstudio.ai](https://lmstudio.ai/).

## Inicio rápido

<Steps>
  <Step title="Install and start the server">
    Instala LM Studio (escritorio) o `llmster` (sin interfaz gráfica) y luego inicia el servidor:

    ```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
    lms server start --port 1234
    ```

    O ejecuta el demonio sin interfaz gráfica:

    ```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
    lms daemon up
    ```

    Si usas la aplicación de escritorio, habilita JIT para una carga fluida de modelos; consulta la
    [guía de JIT y TTL de LM Studio](https://lmstudio.ai/docs/developer/core/ttl-and-auto-evict).
  </Step>

  <Step title="Set an API key if auth is enabled">
    ```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
    export LM_API_TOKEN="your-lm-studio-api-token"
    ```

    Si la autenticación de LM Studio está deshabilitada, deja la clave de API en blanco durante la configuración. Consulta
    [Autenticación de LM Studio](https://lmstudio.ai/docs/developer/core/authentication).
  </Step>

  <Step title="Run onboarding">
    ```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
    openclaw onboard
    ```

    Elige `LM Studio` y luego selecciona un modelo en el prompt `Default model`.
  </Step>
</Steps>

Cambia el modelo predeterminado más adelante:

```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
openclaw models set lmstudio/qwen/qwen3.5-9b
```

Las claves de modelo de LM Studio usan el formato `author/model-name` (por ejemplo, `qwen/qwen3.5-9b`); las referencias de modelo de OpenClaw
anteponen el proveedor: `lmstudio/qwen/qwen3.5-9b`. Encuentra la clave exacta de un modelo ejecutando el
comando siguiente y revisando el campo `key`:

```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
curl http://localhost:1234/api/v1/models
```

## Incorporación no interactiva

```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
openclaw onboard --non-interactive --accept-risk --auth-choice lmstudio
```

O especifica explícitamente la URL base, el modelo y la clave de API:

```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
openclaw onboard \
  --non-interactive \
  --accept-risk \
  --auth-choice lmstudio \
  --custom-base-url http://localhost:1234/v1 \
  --lmstudio-api-key "$LM_API_TOKEN" \
  --custom-model-id qwen/qwen3.5-9b
```

`--custom-model-id` toma la clave de modelo devuelta por LM Studio (por ejemplo, `qwen/qwen3.5-9b`), sin
el prefijo de proveedor `lmstudio/`. Pasa `--lmstudio-api-key` (o define `LM_API_TOKEN`) para servidores
autenticados; omítelo para servidores sin autenticación y OpenClaw almacenará en su lugar un marcador local que no es secreto.
`--custom-api-key` todavía se acepta por compatibilidad, pero se prefiere `--lmstudio-api-key`.

Esto escribe `models.providers.lmstudio` y establece el modelo predeterminado en `lmstudio/<custom-model-id>`.
Proporcionar una clave de API también escribe el perfil de autenticación `lmstudio:default`.

La configuración interactiva también puede solicitar una longitud de contexto de carga preferida y aplicarla en todos
los modelos descubiertos que guarda en la configuración.

## Configuración

### Compatibilidad de uso en streaming

LM Studio no siempre emite un objeto `usage` con forma de OpenAI en las respuestas transmitidas. OpenClaw
recupera los recuentos de tokens desde metadatos estilo llama.cpp `timings.prompt_n` / `timings.predicted_n`
en su lugar. Cualquier endpoint compatible con OpenAI resuelto como endpoint local (host de loopback) obtiene este mismo
fallback, lo que cubre otros backends locales como vLLM, SGLang, llama.cpp, LocalAI, Jan, TabbyAPI
y text-generation-webui.

### Compatibilidad de pensamiento

Cuando el descubrimiento `/api/v1/models` de LM Studio informa opciones de razonamiento específicas del modelo, OpenClaw
expone valores `reasoning_effort` coincidentes (`none`, `minimal`, `low`, `medium`, `high`, `xhigh`) en
los metadatos de compatibilidad del modelo. Algunas versiones de LM Studio anuncian una opción binaria de UI (`allowed_options: ["off",
"on"]`) mientras rechazan esos valores literales en `/v1/chat/completions`; OpenClaw normaliza esa
forma binaria a la escala de seis niveles antes de enviar solicitudes, incluso para configuraciones guardadas antiguas que
todavía tienen mapas de razonamiento `off`/`on`.

### Configuración explícita

```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
{
  models: {
    providers: {
      lmstudio: {
        baseUrl: "http://localhost:1234/v1",
        apiKey: "${LM_API_TOKEN}",
        api: "openai-completions",
        models: [
          {
            id: "qwen/qwen3-coder-next",
            name: "Qwen 3 Coder Next",
            reasoning: false,
            input: ["text"],
            cost: { input: 0, output: 0, cacheRead: 0, cacheWrite: 0 },
            contextWindow: 128000,
            maxTokens: 8192,
          },
        ],
      },
    },
  },
}
```

### Deshabilitar la precarga

LM Studio admite la carga de modelos justo a tiempo (JIT), que carga los modelos en la primera solicitud. OpenClaw
precarga los modelos mediante el endpoint de carga nativo de LM Studio de forma predeterminada, lo que ayuda cuando JIT está
deshabilitado. Para dejar que el JIT, el TTL de inactividad y el comportamiento de autoexpulsión de LM Studio gestionen el ciclo de vida del modelo,
deshabilita el paso de precarga de OpenClaw:

```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
{
  models: {
    providers: {
      lmstudio: {
        baseUrl: "http://localhost:1234/v1",
        api: "openai-completions",
        params: { preload: false },
        models: [{ id: "qwen/qwen3.5-9b" }],
      },
    },
  },
}
```

### Host de LAN o tailnet

Usa la dirección alcanzable del host de LM Studio, conserva `/v1` y asegúrate de que LM Studio esté vinculado más allá de
loopback en esa máquina:

```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
{
  models: {
    providers: {
      lmstudio: {
        baseUrl: "http://gpu-box.local:1234/v1",
        apiKey: "lmstudio",
        api: "openai-completions",
        models: [{ id: "qwen/qwen3.5-9b" }],
      },
    },
  },
}
```

`lmstudio` confía automáticamente en su endpoint configurado para solicitudes de modelo, incluidos hosts de loopback,
LAN y tailnet (excepto orígenes de metadatos/link-local). Cualquier entrada de proveedor personalizada/local compatible con OpenAI
obtiene la misma confianza de origen exacto. Las solicitudes a un host o puerto privado diferente todavía
requieren `models.providers.<id>.request.allowPrivateNetwork: true`; establécelo en `false` para excluirte de
la confianza predeterminada.

## Solución de problemas

### LM Studio no detectado

Asegúrate de que LM Studio esté en ejecución:

```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
lms server start --port 1234
```

Si la autenticación está habilitada, define también `LM_API_TOKEN`. Verifica que la API sea alcanzable:

```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
curl http://localhost:1234/api/v1/models
```

### Errores de autenticación (HTTP 401)

* Comprueba que `LM_API_TOKEN` coincida con la clave configurada en LM Studio.
* Consulta [Autenticación de LM Studio](https://lmstudio.ai/docs/developer/core/authentication).
* Si el servidor no requiere autenticación, deja la clave en blanco durante la configuración.

## Relacionado

* [Selección de modelo](/es/concepts/model-providers)
* [Ollama](/es/providers/ollama)
* [Modelos locales](/es/gateway/local-models)