LM Studio

O LM Studio executa modelos llama.cpp (GGUF) ou MLX localmente, como um aplicativo com interface gráfica ou o daemon llmster sem interface. Para consultar a documentação de instalação e do produto, acesse lmstudio.ai.

Início rápido

Instalar e iniciar o servidor

Instale o LM Studio (desktop) ou o llmster (sem interface) e, em seguida, inicie o servidor:

lms server start --port 1234

Ou execute o daemon sem interface:

lms daemon up

Se estiver usando o aplicativo para desktop, habilite o JIT para garantir um carregamento de modelos fluido; consulte o guia de JIT e TTL do LM Studio.

Definir uma chave de API se a autenticação estiver habilitada

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

Se a autenticação do LM Studio estiver desabilitada, deixe a chave de API em branco durante a configuração. Consulte Autenticação do LM Studio.

Executar a integração inicial

openclaw onboard

Escolha LM Studio e, em seguida, selecione um modelo na solicitação Default model.Em uma nova configuração guiada, o OpenClaw primeiro consulta /api/v1/models no host padrão ou configurado do LM Studio. Um LLM existente é oferecido por meio da mesma sequência de configuração da CLI/macOS e verificado com uma conclusão real antes que sua configuração seja salva. A verificação automática nunca baixa um modelo e ignora entradas de catálogo exclusivas para embeddings.

Altere o modelo padrão posteriormente:

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

As chaves de modelo do LM Studio usam o formato author/model-name (por exemplo, qwen/qwen3.5-9b); as referências de modelo do OpenClaw adicionam o provedor como prefixo: lmstudio/qwen/qwen3.5-9b. Encontre a chave exata de um modelo executando o comando abaixo e verificando o campo key:

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

Integração inicial não interativa

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

Ou especifique explicitamente a URL base, o modelo e a chave de 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 recebe a chave do modelo conforme retornada pelo LM Studio (por exemplo, qwen/qwen3.5-9b), sem o prefixo de provedor lmstudio/. Informe --lmstudio-api-key (ou defina LM_API_TOKEN) para servidores autenticados; omita-o para servidores sem autenticação, e o OpenClaw armazenará um marcador local não secreto. --custom-api-key ainda é aceito para compatibilidade, mas --lmstudio-api-key é preferível. Isso grava models.providers.lmstudio e define o modelo padrão como lmstudio/<custom-model-id>. Fornecer uma chave de API também grava o perfil de autenticação lmstudio:default. A configuração interativa também pode solicitar um tamanho de contexto de carregamento preferencial e aplicá-lo a todos os modelos descobertos que ela salva na configuração.

Configuração

Compatibilidade do uso em streaming

O LM Studio nem sempre emite um objeto usage no formato do OpenAI em respostas transmitidas. O OpenClaw recupera as contagens de tokens dos metadados no estilo do llama.cpp timings.prompt_n / timings.predicted_n. Qualquer endpoint compatível com o OpenAI resolvido como um endpoint local (host de loopback) recebe o mesmo fallback, abrangendo outros backends locais, como vLLM, SGLang, llama.cpp, LocalAI, Jan, TabbyAPI e text-generation-webui.

Compatibilidade do raciocínio

Quando a descoberta /api/v1/models do LM Studio informa opções de raciocínio específicas do modelo, o OpenClaw expõe valores reasoning_effort correspondentes (none, minimal, low, medium, high, xhigh) nos metadados de compatibilidade do modelo. Algumas versões do LM Studio anunciam uma opção binária na interface (allowed_options: ["off", "on"]), mas rejeitam esses valores literais em /v1/chat/completions; o OpenClaw normaliza esse formato binário para a escala de seis níveis antes de enviar solicitações, inclusive para configurações salvas mais antigas que ainda contêm mapas de raciocínio off/on.

Configuração explícita

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

Desabilitar o pré-carregamento

O LM Studio oferece suporte ao carregamento just-in-time (JIT) de modelos, carregando-os na primeira solicitação. Por padrão, o OpenClaw pré-carrega os modelos por meio do endpoint de carregamento nativo do LM Studio, o que ajuda quando o JIT está desabilitado. Para permitir que o JIT, o TTL de inatividade e o comportamento de remoção automática do LM Studio gerenciem o ciclo de vida dos modelos, desabilite a etapa de pré-carregamento do OpenClaw:

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

Host na LAN ou tailnet

Use o endereço acessível do host do LM Studio, mantenha /v1 e certifique-se de que o LM Studio esteja vinculado além do loopback nessa máquina:

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

lmstudio confia automaticamente no endpoint configurado para solicitações de modelo, incluindo hosts de loopback, LAN e tailnet (exceto origens de metadados/link-local). Qualquer entrada de provedor personalizado/local compatível com o OpenAI recebe a mesma confiança de origem exata. Solicitações para um host privado ou uma porta diferente ainda exigem models.providers.<id>.request.allowPrivateNetwork: true; defina-o como false para desativar a confiança padrão.

Solução de problemas

LM Studio não detectado

Certifique-se de que o LM Studio esteja em execução:

lms server start --port 1234

Se a autenticação estiver habilitada, defina também LM_API_TOKEN. Verifique se a API está acessível:

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

Erros de autenticação (HTTP 401)

Verifique se LM_API_TOKEN corresponde à chave configurada no LM Studio.
Consulte Autenticação do LM Studio.
Se o servidor não exigir autenticação, deixe a chave em branco durante a configuração.

Overview

Concepts and configuration

Providers

Início rápido

Integração inicial não interativa

Configuração

Compatibilidade do uso em streaming

Compatibilidade do raciocínio

Configuração explícita

Desabilitar o pré-carregamento

Host na LAN ou tailnet

Solução de problemas

LM Studio não detectado

Erros de autenticação (HTTP 401)

Relacionados

​Início rápido

​Integração inicial não interativa

​Configuração

​Compatibilidade do uso em streaming

​Compatibilidade do raciocínio

​Configuração explícita

​Desabilitar o pré-carregamento

​Host na LAN ou tailnet

​Solução de problemas

​LM Studio não detectado

​Erros de autenticação (HTTP 401)

​Relacionados

Início rápido

Integração inicial não interativa

Configuração

Compatibilidade do uso em streaming

Compatibilidade do raciocínio

Configuração explícita

Desabilitar o pré-carregamento

Host na LAN ou tailnet

Solução de problemas

LM Studio não detectado

Erros de autenticação (HTTP 401)

Relacionados