मुख्य सामग्री पर जाएं
LM Studio अपने हार्डवेयर पर open-weight मॉडल चलाने के लिए एक अनुकूल लेकिन शक्तिशाली ऐप है। यह आपको llama.cpp (GGUF) या MLX मॉडल (Apple Silicon) चलाने देता है। यह GUI पैकेज या headless daemon (llmster) में आता है। उत्पाद और सेटअप दस्तावेज़ों के लिए, lmstudio.ai देखें।

​
तुरंत शुरू करें

  1. LM Studio (desktop) या llmster (headless) इंस्टॉल करें, फिर local server शुरू करें:
curl -fsSL https://lmstudio.ai/install.sh | bash
  1. server शुरू करें
सुनिश्चित करें कि आप या तो desktop app शुरू करें या निम्न कमांड का उपयोग करके daemon चलाएँ: 
lms daemon up

lms server start --port 1234
यदि आप app का उपयोग कर रहे हैं, तो सहज अनुभव के लिए सुनिश्चित करें कि JIT सक्षम है। LM Studio JIT और TTL गाइड में अधिक जानें।
  1. यदि LM Studio authentication सक्षम है, तो LM_API_TOKEN सेट करें:
export LM_API_TOKEN="your-lm-studio-api-token"
यदि LM Studio authentication अक्षम है, तो interactive OpenClaw setup के दौरान API key खाली छोड़ सकते हैं। LM Studio auth setup विवरणों के लिए, LM Studio Authentication देखें।
  1. onboarding चलाएँ और LM Studio चुनें:
openclaw onboard
  1. onboarding में, अपना LM Studio model चुनने के लिए Default model prompt का उपयोग करें।
आप इसे बाद में भी सेट या बदल सकते हैं: 
openclaw models set lmstudio/qwen/qwen3.5-9b
LM Studio model keys author/model-name प्रारूप का पालन करती हैं (उदा. qwen/qwen3.5-9b)। OpenClaw model refs provider नाम पहले जोड़ते हैं: lmstudio/qwen/qwen3.5-9b। आप किसी model की सटीक key curl http://localhost:1234/api/v1/models चलाकर और key field देखकर पा सकते हैं।

​
Non-interactive onboarding

जब आप setup को script करना चाहते हों (CI, provisioning, remote bootstrap), तब non-interactive onboarding का उपयोग करें: 
openclaw onboard \
  --non-interactive \
  --accept-risk \
  --auth-choice lmstudio
या base URL, model, और वैकल्पिक API key निर्दिष्ट करें: 
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 LM Studio द्वारा लौटाई गई model key लेता है (उदा. qwen/qwen3.5-9b), बिना lmstudio/ provider prefix के। authenticated LM Studio servers के लिए, --lmstudio-api-key पास करें या LM_API_TOKEN सेट करें। unauthenticated LM Studio servers के लिए, key छोड़ दें; OpenClaw एक local non-secret marker संग्रहीत करता है। compatibility के लिए --custom-api-key समर्थित रहता है, लेकिन LM Studio के लिए --lmstudio-api-key को प्राथमिकता दी जाती है। यह models.providers.lmstudio लिखता है और default model को lmstudio/<custom-model-id> पर सेट करता है। जब आप API key प्रदान करते हैं, तो setup lmstudio:default auth profile भी लिखता है। Interactive setup वैकल्पिक preferred load context length के लिए prompt कर सकता है और इसे config में सहेजे गए खोजे गए LM Studio models पर लागू करता है। LM Studio plugin config model requests के लिए configured LM Studio endpoint पर भरोसा करता है, जिसमें loopback, LAN, और tailnet hosts शामिल हैं। Metadata/link-local origins के लिए फिर भी स्पष्ट opt-in आवश्यक है। आप models.providers.lmstudio.request.allowPrivateNetwork: false सेट करके opt out कर सकते हैं।

​
Configuration

​
Streaming usage compatibility

LM Studio streaming-usage compatible है। जब यह OpenAI-shaped usage object emit नहीं करता, तो OpenClaw इसके बजाय llama.cpp-style timings.prompt_n / timings.predicted_n metadata से token counts recover करता है। इन OpenAI-compatible local backends पर भी वही streaming usage behavior लागू होता है:
  • vLLM
  • SGLang
  • llama.cpp
  • LocalAI
  • Jan
  • TabbyAPI
  • text-generation-webui

​
Thinking compatibility

जब LM Studio का /api/v1/models discovery model-specific reasoning options रिपोर्ट करता है, तो OpenClaw model compat metadata में matching OpenAI-compatible reasoning_effort values expose करता है। मौजूदा LM Studio builds binary UI options जैसे allowed_options: ["off", "on"] advertise कर सकते हैं, जबकि वे values /v1/chat/completions पर reject करते हैं; OpenClaw requests भेजने से पहले उस binary discovery shape को none, minimal, low, medium, high, और xhigh में normalize करता है। पुराना saved LM Studio config जिसमें off/on reasoning maps हैं, catalog load होने पर उसी तरह normalize किया जाता है।

​
Explicit configuration

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

​
समस्या निवारण

​
LM Studio detected नहीं हुआ

सुनिश्चित करें कि LM Studio चल रहा है। यदि authentication सक्षम है, तो LM_API_TOKEN भी सेट करें: 
# Start via desktop app, or headless:
lms server start --port 1234
API accessible है या नहीं सत्यापित करें: 
curl http://localhost:1234/api/v1/models

​
Authentication errors (HTTP 401)

यदि setup HTTP 401 रिपोर्ट करता है, तो अपनी API key सत्यापित करें:
  • जाँचें कि LM_API_TOKEN LM Studio में configured key से मेल खाता है।
  • LM Studio auth setup विवरणों के लिए, LM Studio Authentication देखें।
  • यदि आपके server को authentication की आवश्यकता नहीं है, तो setup के दौरान key खाली छोड़ दें।

​
Just-in-time model loading

LM Studio just-in-time (JIT) model loading का समर्थन करता है, जहाँ models पहली request पर load होते हैं। OpenClaw default रूप से LM Studio के native load endpoint के माध्यम से models preload करता है, जो JIT disabled होने पर मदद करता है। LM Studio के JIT, idle TTL, और auto-evict behavior को model lifecycle संभालने देने के लिए, OpenClaw का preload step disabled करें: 
{
  models: {
    providers: {
      lmstudio: {
        baseUrl: "http://localhost:1234/v1",
        api: "openai-completions",
        params: { preload: false },
        models: [{ id: "qwen/qwen3.5-9b" }],
      },
    },
  },
}

​
LAN या tailnet LM Studio host

LM Studio host का reachable address उपयोग करें, /v1 बनाए रखें, और सुनिश्चित करें कि उस machine पर LM Studio loopback से आगे bound है: 
{
  models: {
    providers: {
      lmstudio: {
        baseUrl: "http://gpu-box.local:1234/v1",
        apiKey: "lmstudio",
        api: "openai-completions",
        models: [{ id: "qwen/qwen3.5-9b" }],
      },
    },
  },
}
lmstudio guarded model requests के लिए अपने configured local/private endpoint पर automatically trust करता है। Custom/local OpenAI-compatible provider entries भी अपने exact configured baseUrl origin पर trust करती हैं, metadata/link-local origins को छोड़कर; अलग private ports या destinations के लिए requests को अभी भी models.providers.<id>.request.allowPrivateNetwork: true चाहिए। exact-origin trust से opt out करने के लिए models.providers.<id>.request.allowPrivateNetwork: false सेट करें।

​
संबंधित