> ## Documentation Index
> Fetch the complete documentation index at: https://docs2.openclaw.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# LM Studio

LM Studio é um app amigável e poderoso para executar modelos de pesos abertos no seu próprio hardware. Ele permite executar modelos llama.cpp (GGUF) ou MLX (Apple Silicon). Vem em um pacote com GUI ou daemon sem interface gráfica (`llmster`). Para documentação de produto e configuração, consulte [lmstudio.ai](https://lmstudio.ai/).

## Início rápido

1. Instale o LM Studio (desktop) ou `llmster` (sem interface gráfica) e então inicie o servidor local:

```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
curl -fsSL https://lmstudio.ai/install.sh | bash
```

2. Inicie o servidor

Certifique-se de iniciar o app desktop ou executar o daemon usando o seguinte comando:

```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
lms daemon up
```

```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
lms server start --port 1234
```

Se você estiver usando o app, certifique-se de que o JIT esteja ativado para uma experiência fluida. Saiba mais no [guia de JIT e TTL do LM Studio](https://lmstudio.ai/docs/developer/core/ttl-and-auto-evict).

3. Se a autenticação do LM Studio estiver ativada, defina `LM_API_TOKEN`:

```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
export LM_API_TOKEN="your-lm-studio-api-token"
```

Se a autenticação do LM Studio estiver desativada, você pode deixar a chave de API em branco durante a configuração interativa do OpenClaw.

Para detalhes de configuração de autenticação do LM Studio, consulte [Autenticação do LM Studio](https://lmstudio.ai/docs/developer/core/authentication).

4. Execute o onboarding e escolha `LM Studio`:

```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
openclaw onboard
```

5. No onboarding, use o prompt `Default model` para escolher seu modelo do LM Studio.

Você também pode definir ou alterá-lo depois:

```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
openclaw models set lmstudio/qwen/qwen3.5-9b
```

As chaves de modelo do LM Studio seguem o formato `author/model-name` (por exemplo, `qwen/qwen3.5-9b`). As refs de
modelo do OpenClaw prefixam o nome do provedor: `lmstudio/qwen/qwen3.5-9b`. Você pode encontrar a chave exata de
um modelo executando `curl http://localhost:1234/api/v1/models` e consultando o campo `key`.

## Onboarding não interativo

Use o onboarding não interativo quando quiser automatizar a configuração por script (CI, provisionamento, bootstrap remoto):

```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
openclaw onboard \
  --non-interactive \
  --accept-risk \
  --auth-choice lmstudio
```

Ou especifique a URL base, o modelo e a chave de API opcional:

```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
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/`.

Para servidores LM Studio autenticados, passe `--lmstudio-api-key` ou defina `LM_API_TOKEN`.
Para servidores LM Studio não autenticados, omita a chave; o OpenClaw armazena um marcador local não secreto.

`--custom-api-key` continua compatível, mas `--lmstudio-api-key` é preferível para o LM Studio.

Isso grava `models.providers.lmstudio` e define o modelo padrão como
`lmstudio/<custom-model-id>`. Quando você fornece uma chave de API, a configuração também grava o
perfil de autenticação `lmstudio:default`.

A configuração interativa pode solicitar um comprimento de contexto de carregamento preferencial opcional e o aplica aos modelos do LM Studio descobertos que ela salva na configuração.
A configuração do Plugin do LM Studio confia no endpoint configurado do LM Studio para solicitações de modelo, incluindo hosts local loopback, LAN e tailnet. Origens de metadados/link-local ainda exigem opt-in explícito. Você pode optar por sair definindo `models.providers.lmstudio.request.allowPrivateNetwork: false`.

## Configuração

### Compatibilidade de uso em streaming

O LM Studio é compatível com uso em streaming. Quando ele não emite um objeto
`usage` no formato do OpenAI, o OpenClaw recupera as contagens de tokens dos metadados no estilo llama.cpp
`timings.prompt_n` / `timings.predicted_n`.

O mesmo comportamento de uso em streaming se aplica a estes backends locais compatíveis com OpenAI:

* vLLM
* SGLang
* llama.cpp
* LocalAI
* Jan
* TabbyAPI
* text-generation-webui

### Compatibilidade de raciocínio

Quando a descoberta `/api/v1/models` do LM Studio relata opções de raciocínio
específicas do modelo, o OpenClaw expõe os valores `reasoning_effort`
compatíveis com OpenAI correspondentes nos metadados de compatibilidade do modelo. Builds atuais do LM Studio podem anunciar opções binárias
de UI, como `allowed_options: ["off", "on"]`, enquanto rejeitam esses valores
em `/v1/chat/completions`; o OpenClaw normaliza esse formato de descoberta binário para
`none`, `minimal`, `low`, `medium`, `high` e `xhigh` antes de enviar solicitações.
Configurações antigas salvas do LM Studio que contêm mapas de raciocínio `off`/`on` são
normalizadas da mesma forma quando o catálogo é carregado.

### Configuração explícita

```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
{
  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,
          },
        ],
      },
    },
  },
}
```

## Solução de problemas

### LM Studio não detectado

Certifique-se de que o LM Studio esteja em execução. Se a autenticação estiver ativada, defina também `LM_API_TOKEN`:

```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
# Start via desktop app, or headless:
lms server start --port 1234
```

Verifique se a API está acessível:

```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
curl http://localhost:1234/api/v1/models
```

### Erros de autenticação (HTTP 401)

Se a configuração relatar HTTP 401, verifique sua chave de API:

* Confira se `LM_API_TOKEN` corresponde à chave configurada no LM Studio.
* Para detalhes de configuração de autenticação do LM Studio, consulte [Autenticação do LM Studio](https://lmstudio.ai/docs/developer/core/authentication).
* Se o servidor não exigir autenticação, deixe a chave em branco durante a configuração.

### Carregamento de modelo just-in-time

O LM Studio oferece suporte ao carregamento de modelo just-in-time (JIT), em que os modelos são carregados na primeira solicitação. O OpenClaw pré-carrega modelos pelo endpoint de carregamento nativo do LM Studio por padrão, o que ajuda quando o JIT está desativado. Para deixar que o JIT, o TTL ocioso e o comportamento de auto-evict do LM Studio controlem o ciclo de vida do modelo, desative a etapa de pré-carregamento do OpenClaw:

```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
{
  models: {
    providers: {
      lmstudio: {
        baseUrl: "http://localhost:1234/v1",
        api: "openai-completions",
        params: { preload: false },
        models: [{ id: "qwen/qwen3.5-9b" }],
      },
    },
  },
}
```

### Host LM Studio em 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:

```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
{
  models: {
    providers: {
      lmstudio: {
        baseUrl: "http://gpu-box.local:1234/v1",
        apiKey: "lmstudio",
        api: "openai-completions",
        models: [{ id: "qwen/qwen3.5-9b" }],
      },
    },
  },
}
```

`lmstudio` confia automaticamente em seu endpoint local/privado configurado para solicitações de modelo protegidas. Entradas de provedor compatível com OpenAI customizadas/locais também confiam na origem `baseUrl` exata configurada, exceto origens de metadados/link-local; solicitações para portas ou destinos privados diferentes ainda exigem `models.providers.<id>.request.allowPrivateNetwork: true`. Defina `models.providers.<id>.request.allowPrivateNetwork: false` para optar por sair da confiança na origem exata.

## Relacionados

* [Seleção de modelos](/pt-BR/concepts/model-providers)
* [Ollama](/pt-BR/providers/ollama)
* [Modelos locais](/pt-BR/gateway/local-models)