LM Studio

LM Studio esegue localmente modelli llama.cpp (GGUF) o MLX, come applicazione con interfaccia grafica o daemon headless llmster. Per la documentazione sull’installazione e sul prodotto, consultare lmstudio.ai.

Avvio rapido

Installare e avviare il server

Installare LM Studio (desktop) o llmster (headless), quindi avviare il server:

lms server start --port 1234

In alternativa, eseguire il daemon headless:

lms daemon up

Se si utilizza l’applicazione desktop, abilitare JIT per un caricamento fluido dei modelli; consultare la guida di LM Studio a JIT e TTL.

Impostare una chiave API se l'autenticazione è abilitata

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

Se l’autenticazione di LM Studio è disabilitata, lasciare vuota la chiave API durante la configurazione. Consultare Autenticazione di LM Studio.

Eseguire la configurazione iniziale

openclaw onboard

Scegliere LM Studio, quindi selezionare un modello alla richiesta Default model.In una nuova configurazione guidata, OpenClaw interroga innanzitutto /api/v1/models sull’host LM Studio predefinito o configurato. Un LLM esistente viene proposto tramite la stessa sequenza di configurazione CLI/macOS e verificato con un completamento reale prima che la relativa configurazione venga salvata. Il controllo automatico non scarica mai un modello e ignora le voci del catalogo destinate esclusivamente agli embedding.

Per cambiare in seguito il modello predefinito:

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

Le chiavi dei modelli di LM Studio usano un formato author/model-name (ad esempio qwen/qwen3.5-9b); i riferimenti ai modelli di OpenClaw antepongono il provider: lmstudio/qwen/qwen3.5-9b. Per trovare la chiave esatta di un modello, eseguire il comando seguente e controllare il campo key:

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

Configurazione iniziale non interattiva

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

In alternativa, specificare esplicitamente l’URL di base, il modello e la chiave 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 accetta la chiave del modello restituita da LM Studio (ad esempio qwen/qwen3.5-9b), senza il prefisso del provider lmstudio/. Passare --lmstudio-api-key (oppure impostare LM_API_TOKEN) per i server autenticati; ometterlo per i server non autenticati e OpenClaw memorizzerà invece un indicatore locale non segreto. --custom-api-key è ancora accettato per compatibilità, ma è preferibile --lmstudio-api-key. Questa operazione scrive models.providers.lmstudio e imposta il modello predefinito su lmstudio/<custom-model-id>. Se si fornisce una chiave API, viene scritto anche il profilo di autenticazione lmstudio:default. La configurazione interattiva può inoltre richiedere una lunghezza preferita del contesto di caricamento e applicarla a tutti i modelli rilevati che salva nella configurazione.

Configurazione

Compatibilità dell’utilizzo in streaming

LM Studio non emette sempre un oggetto usage nel formato OpenAI nelle risposte in streaming. OpenClaw recupera invece i conteggi dei token dai metadati in stile llama.cpp timings.prompt_n / timings.predicted_n. Qualsiasi endpoint compatibile con OpenAI risolto come endpoint locale (host loopback) utilizza lo stesso meccanismo alternativo, che copre altri backend locali come vLLM, SGLang, llama.cpp, LocalAI, Jan, TabbyAPI e text-generation-webui.

Compatibilità del ragionamento

Quando il rilevamento /api/v1/models di LM Studio segnala opzioni di ragionamento specifiche del modello, OpenClaw espone i valori reasoning_effort corrispondenti (none, minimal, low, medium, high, xhigh) nei metadati di compatibilità del modello. Alcune build di LM Studio presentano un’opzione binaria nell’interfaccia utente (allowed_options: ["off", "on"]) ma rifiutano tali valori letterali in /v1/chat/completions; OpenClaw normalizza questa forma binaria nella scala a sei livelli prima di inviare le richieste, anche per le configurazioni salvate meno recenti che contengono ancora le mappe di ragionamento off/on.

Configurazione esplicita

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

Disabilitazione del precaricamento

LM Studio supporta il caricamento just-in-time (JIT) dei modelli, caricandoli alla prima richiesta. Per impostazione predefinita, OpenClaw precarica i modelli tramite l’endpoint di caricamento nativo di LM Studio, il che risulta utile quando JIT è disabilitato. Per affidare invece a JIT, al TTL di inattività e all’espulsione automatica di LM Studio la gestione del ciclo di vita dei modelli, disabilitare il passaggio di precaricamento di OpenClaw:

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

Host LAN o tailnet

Utilizzare l’indirizzo raggiungibile dell’host LM Studio, mantenere /v1 e assicurarsi che LM Studio sia associato a un’interfaccia diversa da quella di loopback sul computer:

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

lmstudio considera automaticamente attendibile l’endpoint configurato per le richieste ai modelli, inclusi gli host loopback, LAN e tailnet (ad eccezione delle origini di metadati/link-local). Qualsiasi voce di provider personalizzato/locale compatibile con OpenAI ottiene lo stesso livello di attendibilità per l’origine esatta. Le richieste a un host privato o a una porta differenti richiedono comunque models.providers.<id>.request.allowPrivateNetwork: true; impostarlo su false per disattivare l’attendibilità predefinita.

Risoluzione dei problemi

LM Studio non rilevato

Assicurarsi che LM Studio sia in esecuzione:

lms server start --port 1234

Se l’autenticazione è abilitata, impostare anche LM_API_TOKEN. Verificare che l’API sia raggiungibile:

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

Errori di autenticazione (HTTP 401)

Verificare che LM_API_TOKEN corrisponda alla chiave configurata in LM Studio.
Consultare Autenticazione di LM Studio.
Se il server non richiede l’autenticazione, lasciare vuota la chiave durante la configurazione.

Overview

Concepts and configuration

Providers

Avvio rapido

Configurazione iniziale non interattiva

Configurazione

Compatibilità dell’utilizzo in streaming

Compatibilità del ragionamento

Configurazione esplicita

Disabilitazione del precaricamento

Host LAN o tailnet

Risoluzione dei problemi

LM Studio non rilevato

Errori di autenticazione (HTTP 401)

Correlati

​Avvio rapido

​Configurazione iniziale non interattiva

​Configurazione

​Compatibilità dell’utilizzo in streaming

​Compatibilità del ragionamento

​Configurazione esplicita

​Disabilitazione del precaricamento

​Host LAN o tailnet

​Risoluzione dei problemi

​LM Studio non rilevato

​Errori di autenticazione (HTTP 401)

​Correlati

Avvio rapido

Configurazione iniziale non interattiva

Configurazione

Compatibilità dell’utilizzo in streaming

Compatibilità del ragionamento

Configurazione esplicita

Disabilitazione del precaricamento

Host LAN o tailnet

Risoluzione dei problemi

LM Studio non rilevato

Errori di autenticazione (HTTP 401)

Correlati