LM Studio

LM Studio exécute localement des modèles llama.cpp (GGUF) ou MLX, sous forme d’application avec interface graphique ou de daemon llmster sans interface. Pour l’installation et la documentation du produit, consultez lmstudio.ai.

Démarrage rapide

Installer et démarrer le serveur

Installez LM Studio (application de bureau) ou llmster (sans interface), puis démarrez le serveur :

lms server start --port 1234

Vous pouvez également exécuter le daemon sans interface :

lms daemon up

Si vous utilisez l’application de bureau, activez le JIT pour assurer un chargement fluide des modèles ; consultez le guide de LM Studio sur le JIT et le TTL.

Définir une clé d’API si l’authentification est activée

export LM_API_TOKEN="your-lm-studio-api-token"

Si l’authentification de LM Studio est désactivée, laissez la clé d’API vide pendant la configuration. Consultez Authentification de LM Studio.

Lancer la configuration initiale

openclaw onboard

Choisissez LM Studio, puis sélectionnez un modèle à l’invite Default model.Lors d’une nouvelle configuration guidée, OpenClaw interroge d’abord /api/v1/models sur l’hôte LM Studio par défaut ou configuré. Un LLM existant est proposé par le biais du même parcours de configuration CLI/macOS et vérifié avec une véritable complétion avant l’enregistrement de sa configuration. La vérification automatique ne télécharge jamais de modèle et ignore les entrées du catalogue réservées aux embeddings.

Pour modifier ultérieurement le modèle par défaut :

openclaw models set lmstudio/qwen/qwen3.5-9b

Les clés de modèle LM Studio utilisent un format author/model-name (par exemple qwen/qwen3.5-9b) ; les références de modèle OpenClaw ajoutent le fournisseur en préfixe : lmstudio/qwen/qwen3.5-9b. Pour trouver la clé exacte d’un modèle, exécutez la commande ci-dessous et consultez le champ key :

curl http://localhost:1234/api/v1/models

Configuration initiale non interactive

openclaw onboard --non-interactive --accept-risk --auth-choice lmstudio

Vous pouvez également spécifier explicitement l’URL de base, le modèle et la clé d’API :

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 prend la clé de modèle renvoyée par LM Studio (par exemple qwen/qwen3.5-9b), sans le préfixe de fournisseur lmstudio/. Transmettez --lmstudio-api-key (ou définissez LM_API_TOKEN) pour les serveurs authentifiés ; omettez-la pour les serveurs sans authentification et OpenClaw stockera à la place un marqueur local non secret. --custom-api-key reste accepté à des fins de compatibilité, mais --lmstudio-api-key est recommandé. Cette opération écrit models.providers.lmstudio et définit le modèle par défaut sur lmstudio/<custom-model-id>. La fourniture d’une clé d’API écrit également le profil d’authentification lmstudio:default. La configuration interactive peut en outre demander une longueur de contexte de chargement préférée et l’appliquer à tous les modèles découverts qu’elle enregistre dans la configuration.

Configuration

Compatibilité de l’utilisation en streaming

LM Studio n’émet pas toujours un objet usage au format OpenAI dans les réponses diffusées en streaming. OpenClaw récupère plutôt le nombre de tokens à partir des métadonnées timings.prompt_n / timings.predicted_n au format llama.cpp. Tout point de terminaison compatible avec OpenAI résolu comme point de terminaison local (hôte loopback) bénéficie de la même solution de secours, ce qui couvre d’autres backends locaux tels que vLLM, SGLang, llama.cpp, LocalAI, Jan, TabbyAPI et text-generation-webui.

Compatibilité du raisonnement

Lorsque la découverte /api/v1/models de LM Studio signale des options de raisonnement propres au modèle, OpenClaw expose les valeurs reasoning_effort correspondantes (none, minimal, low, medium, high, xhigh) dans les métadonnées de compatibilité du modèle. Certaines versions de LM Studio annoncent une option binaire dans l’interface utilisateur (allowed_options: ["off", "on"]) tout en rejetant ces valeurs littérales dans /v1/chat/completions ; OpenClaw normalise cette forme binaire selon l’échelle à six niveaux avant d’envoyer les requêtes, y compris pour les anciennes configurations enregistrées qui comportent encore des correspondances de raisonnement off/on.

Configuration explicite

{
  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,
          },
        ],
      },
    },
  },
}

Désactivation du préchargement

LM Studio prend en charge le chargement juste-à-temps (JIT) des modèles, qui les charge à la première requête. Par défaut, OpenClaw précharge les modèles à l’aide du point de terminaison de chargement natif de LM Studio, ce qui est utile lorsque le JIT est désactivé. Pour laisser plutôt le JIT, le TTL d’inactivité et le comportement d’éviction automatique de LM Studio gérer le cycle de vie des modèles, désactivez l’étape de préchargement d’OpenClaw :

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

Hôte sur le LAN ou le tailnet

Utilisez l’adresse accessible de l’hôte LM Studio, conservez /v1 et assurez-vous que LM Studio est lié à une adresse autre que l’adresse loopback sur cette machine :

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

lmstudio approuve automatiquement son point de terminaison configuré pour les requêtes de modèle, notamment les hôtes loopback, LAN et tailnet (à l’exception des origines de métadonnées/link-local). Toute entrée de fournisseur compatible avec OpenAI personnalisée/locale bénéficie de la même approbation limitée à l’origine exacte. Les requêtes vers un autre hôte ou port privé nécessitent toujours models.providers.<id>.request.allowPrivateNetwork: true ; définissez-le sur false pour désactiver l’approbation par défaut.

Dépannage

LM Studio non détecté

Assurez-vous que LM Studio est en cours d’exécution :

lms server start --port 1234

Si l’authentification est activée, définissez également LM_API_TOKEN. Vérifiez que l’API est accessible :

curl http://localhost:1234/api/v1/models

Erreurs d’authentification (HTTP 401)

Vérifiez que LM_API_TOKEN correspond à la clé configurée dans LM Studio.
Consultez Authentification de LM Studio.
Si le serveur ne nécessite pas d’authentification, laissez la clé vide pendant la configuration.

Overview

Concepts and configuration

Providers

Démarrage rapide

Configuration initiale non interactive

Configuration

Compatibilité de l’utilisation en streaming

Compatibilité du raisonnement

Configuration explicite

Désactivation du préchargement

Hôte sur le LAN ou le tailnet

Dépannage

LM Studio non détecté

Erreurs d’authentification (HTTP 401)

Pages connexes

​Démarrage rapide

​Configuration initiale non interactive

​Configuration

​Compatibilité de l’utilisation en streaming

​Compatibilité du raisonnement

​Configuration explicite

​Désactivation du préchargement

​Hôte sur le LAN ou le tailnet

​Dépannage

​LM Studio non détecté

​Erreurs d’authentification (HTTP 401)

​Pages connexes

Démarrage rapide

Configuration initiale non interactive

Configuration

Compatibilité de l’utilisation en streaming

Compatibilité du raisonnement

Configuration explicite

Désactivation du préchargement

Hôte sur le LAN ou le tailnet

Dépannage

LM Studio non détecté

Erreurs d’authentification (HTTP 401)

Pages connexes