Vai al contenuto principale
LM Studio è un’app intuitiva ma potente per eseguire modelli open-weight sul tuo hardware. Ti permette di eseguire modelli llama.cpp (GGUF) o MLX (Apple Silicon). È disponibile come pacchetto GUI o daemon headless (llmster). Per la documentazione sul prodotto e sulla configurazione, vedi lmstudio.ai.

​
Avvio rapido

  1. Installa LM Studio (desktop) o llmster (headless), quindi avvia il server locale:
curl -fsSL https://lmstudio.ai/install.sh | bash
  1. Avvia il server
Assicurati di avviare l’app desktop oppure di eseguire il daemon usando il comando seguente: 
lms daemon up

lms server start --port 1234
Se stai usando l’app, assicurati di avere JIT abilitato per un’esperienza fluida. Scopri di più nella guida a JIT e TTL di LM Studio.
  1. Se l’autenticazione di LM Studio è abilitata, imposta LM_API_TOKEN:
export LM_API_TOKEN="your-lm-studio-api-token"
Se l’autenticazione di LM Studio è disabilitata, puoi lasciare vuota la chiave API durante la configurazione interattiva di OpenClaw. Per i dettagli sulla configurazione dell’autenticazione di LM Studio, vedi Autenticazione di LM Studio.
  1. Esegui l’onboarding e scegli LM Studio:
openclaw onboard
  1. Durante l’onboarding, usa il prompt Default model per scegliere il tuo modello LM Studio.
Puoi anche impostarlo o modificarlo in seguito: 
openclaw models set lmstudio/qwen/qwen3.5-9b
Le chiavi dei modelli LM Studio seguono il formato author/model-name (ad es. qwen/qwen3.5-9b). I riferimenti modello di OpenClaw antepongono il nome del provider: lmstudio/qwen/qwen3.5-9b. Puoi trovare la chiave esatta per un modello eseguendo curl http://localhost:1234/api/v1/models e controllando il campo key.

​
Onboarding non interattivo

Usa l’onboarding non interattivo quando vuoi automatizzare la configurazione tramite script (CI, provisioning, bootstrap remoto): 
openclaw onboard \
  --non-interactive \
  --accept-risk \
  --auth-choice lmstudio
Oppure specifica l’URL di base, il modello e la chiave API opzionale: 
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 es. qwen/qwen3.5-9b), senza il prefisso provider lmstudio/. Per i server LM Studio autenticati, passa --lmstudio-api-key o imposta LM_API_TOKEN. Per i server LM Studio non autenticati, ometti la chiave; OpenClaw archivia un marcatore locale non segreto. --custom-api-key rimane supportato per compatibilità, ma per LM Studio è preferibile --lmstudio-api-key. Questo scrive models.providers.lmstudio e imposta il modello predefinito su lmstudio/<custom-model-id>. Quando fornisci una chiave API, la configurazione scrive anche il profilo di autenticazione lmstudio:default. La configurazione interattiva può chiedere una lunghezza opzionale preferita del contesto di caricamento e la applica ai modelli LM Studio rilevati che salva nella configurazione. La configurazione del Plugin LM Studio considera attendibile l’endpoint LM Studio configurato per le richieste dei modelli, inclusi host loopback, LAN e tailnet. Le origini metadata/link-local richiedono comunque un consenso esplicito. Puoi disattivarlo impostando models.providers.lmstudio.request.allowPrivateNetwork: false.

​
Configurazione

​
Compatibilità dell’uso in streaming

LM Studio è compatibile con l’uso in streaming. Quando non emette un oggetto usage nel formato OpenAI, OpenClaw recupera invece i conteggi dei token dai metadati in stile llama.cpp timings.prompt_n / timings.predicted_n. Lo stesso comportamento per l’uso in streaming si applica a questi backend locali compatibili con OpenAI:
  • vLLM
  • SGLang
  • llama.cpp
  • LocalAI
  • Jan
  • TabbyAPI
  • text-generation-webui

​
Compatibilità Thinking

Quando il discovery /api/v1/models di LM Studio segnala opzioni di reasoning specifiche del modello, OpenClaw espone i valori reasoning_effort compatibili con OpenAI corrispondenti nei metadati di compatibilità del modello. Le build attuali di LM Studio possono pubblicizzare opzioni UI binarie come allowed_options: ["off", "on"] pur rifiutando tali valori su /v1/chat/completions; OpenClaw normalizza quella forma di discovery binaria in none, minimal, low, medium, high e xhigh prima di inviare le richieste. Le configurazioni LM Studio salvate meno recenti che contengono mappe di reasoning off/on vengono normalizzate allo stesso modo quando il catalogo viene caricato.

​
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,
          },
        ],
      },
    },
  },
}

​
Risoluzione dei problemi

​
LM Studio non rilevato

Assicurati che LM Studio sia in esecuzione. Se l’autenticazione è abilitata, imposta anche LM_API_TOKEN: 
# Start via desktop app, or headless:
lms server start --port 1234
Verifica che l’API sia accessibile: 
curl http://localhost:1234/api/v1/models

​
Errori di autenticazione (HTTP 401)

Se la configurazione segnala HTTP 401, verifica la tua chiave API:
  • Controlla che LM_API_TOKEN corrisponda alla chiave configurata in LM Studio.
  • Per i dettagli sulla configurazione dell’autenticazione di LM Studio, vedi Autenticazione di LM Studio.
  • Se il tuo server non richiede autenticazione, lascia vuota la chiave durante la configurazione.

​
Caricamento del modello just-in-time

LM Studio supporta il caricamento del modello just-in-time (JIT), in cui i modelli vengono caricati alla prima richiesta. OpenClaw precarica i modelli tramite l’endpoint di caricamento nativo di LM Studio per impostazione predefinita, il che aiuta quando JIT è disabilitato. Per lasciare che JIT, TTL di inattività e comportamento di auto-evict di LM Studio gestiscano il ciclo di vita del modello, disabilita 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 LM Studio LAN o tailnet

Usa l’indirizzo raggiungibile dell’host LM Studio, mantieni /v1 e assicurati che LM Studio sia associato oltre il loopback su quella macchina: 
{
  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 locale/privato configurato per le richieste di modelli protette. Anche le voci provider personalizzate/locali compatibili con OpenAI considerano attendibile l’origine baseUrl esatta configurata, eccetto le origini metadata/link-local; le richieste a porte private o destinazioni private diverse richiedono comunque models.providers.<id>.request.allowPrivateNetwork: true. Imposta models.providers.<id>.request.allowPrivateNetwork: false per disattivare la fiducia nell’origine esatta.

​
Correlati