LM Studio

LM Studio запускает модели llama.cpp (GGUF) или MLX локально — как приложение с графическим интерфейсом или безголовый демон llmster. Инструкции по установке и документацию продукта см. на lmstudio.ai.

Быстрый старт

Установите и запустите сервер

Установите LM Studio (настольное приложение) или llmster (безголовый режим), затем запустите сервер:

lms server start --port 1234

Или запустите безголовый демон:

lms daemon up

При использовании настольного приложения включите JIT для плавной загрузки моделей; см. руководство LM Studio по JIT и TTL.

Задайте ключ API, если включена аутентификация

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

Если аутентификация LM Studio отключена, оставьте ключ API пустым во время настройки. См. Аутентификация LM Studio.

Запустите первоначальную настройку

openclaw onboard

Выберите LM Studio, затем выберите модель в ответ на запрос Default model.При новой пошаговой настройке OpenClaw сначала запрашивает /api/v1/models на стандартном или настроенном хосте LM Studio. Существующая LLM предлагается через ту же последовательность настройки в CLI/macOS и проверяется реальной генерацией ответа до сохранения конфигурации. Автоматическая проверка никогда не загружает модель и игнорирует записи каталога, предназначенные только для эмбеддингов.

Чтобы впоследствии изменить модель по умолчанию:

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

Ключи моделей LM Studio используют формат author/model-name (например, qwen/qwen3.5-9b); в ссылках на модели OpenClaw перед ними указывается провайдер: lmstudio/qwen/qwen3.5-9b. Чтобы найти точный ключ модели, выполните приведённую ниже команду и найдите поле key:

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

Неинтерактивная первоначальная настройка

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

Или явно укажите базовый URL, модель и ключ 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 принимает ключ модели, возвращённый LM Studio (например, qwen/qwen3.5-9b), без префикса провайдера lmstudio/. Передайте --lmstudio-api-key (или задайте LM_API_TOKEN) для серверов с аутентификацией; не указывайте его для серверов без аутентификации — вместо него OpenClaw сохранит локальный несекретный маркер. --custom-api-key по-прежнему принимается для совместимости, но предпочтителен --lmstudio-api-key. При этом записывается models.providers.lmstudio, а моделью по умолчанию становится lmstudio/<custom-model-id>. Если указан ключ API, также записывается профиль аутентификации lmstudio:default. При интерактивной настройке также может быть предложено указать предпочтительный размер контекста загрузки; это значение применяется ко всем обнаруженным моделям, сохраняемым в конфигурацию.

Конфигурация

Совместимость потоковой передачи со статистикой использования

LM Studio не всегда включает объект usage в формате OpenAI в потоковые ответы. OpenClaw вместо этого восстанавливает количество токенов из метаданных timings.prompt_n / timings.predicted_n в стиле llama.cpp. Тот же резервный механизм применяется к любой OpenAI-совместимой конечной точке, определённой как локальная (хост обратной петли), включая другие локальные бэкенды, такие как vLLM, SGLang, llama.cpp, LocalAI, Jan, TabbyAPI и text-generation-webui.

Совместимость режима рассуждений

Когда обнаружение через /api/v1/models в LM Studio сообщает параметры рассуждений для конкретной модели, OpenClaw предоставляет соответствующие значения reasoning_effort (none, minimal, low, medium, high, xhigh) в метаданных совместимости модели. Некоторые сборки LM Studio объявляют бинарный параметр интерфейса (allowed_options: ["off", "on"]), но отклоняют эти буквальные значения в /v1/chat/completions; OpenClaw нормализует такой бинарный формат до шестиуровневой шкалы перед отправкой запросов, в том числе для ранее сохранённой конфигурации, где всё ещё присутствуют карты рассуждений off/on.

Явная конфигурация

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

Отключение предварительной загрузки

LM Studio поддерживает загрузку моделей по требованию (JIT), загружая их при первом запросе. По умолчанию OpenClaw предварительно загружает модели через встроенную конечную точку загрузки LM Studio, что полезно, когда JIT отключён. Чтобы вместо этого передать управление жизненным циклом моделей механизмам JIT, TTL простоя и автоматического вытеснения LM Studio, отключите этап предварительной загрузки OpenClaw:

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

Хост в локальной сети или tailnet

Используйте доступный адрес хоста LM Studio, сохраните /v1 и убедитесь, что на этом компьютере LM Studio принимает подключения не только через интерфейс обратной петли:

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

lmstudio автоматически считает настроенную конечную точку доверенной для запросов к моделям, включая хосты обратной петли, локальной сети и tailnet (за исключением источников метаданных и link-local). Любая запись пользовательского или локального OpenAI-совместимого провайдера получает такое же доверие к источнику при точном совпадении. Для запросов к другому частному хосту или порту по-прежнему требуется models.providers.<id>.request.allowPrivateNetwork: true; задайте значение false, чтобы отказаться от доверия по умолчанию.

Устранение неполадок

LM Studio не обнаружен

Убедитесь, что LM Studio запущен:

lms server start --port 1234

Если аутентификация включена, также задайте LM_API_TOKEN. Проверьте доступность API:

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

Ошибки аутентификации (HTTP 401)

Убедитесь, что LM_API_TOKEN соответствует ключу, настроенному в LM Studio.
См. Аутентификация LM Studio.
Если сервер не требует аутентификации, оставьте ключ пустым во время настройки.

Overview

Concepts and configuration

Providers

Быстрый старт

Неинтерактивная первоначальная настройка

Конфигурация

Совместимость потоковой передачи со статистикой использования

Совместимость режима рассуждений

Явная конфигурация

Отключение предварительной загрузки

Хост в локальной сети или tailnet

Устранение неполадок

LM Studio не обнаружен

Ошибки аутентификации (HTTP 401)

Связанные материалы

​Быстрый старт

​Неинтерактивная первоначальная настройка

​Конфигурация

​Совместимость потоковой передачи со статистикой использования

​Совместимость режима рассуждений

​Явная конфигурация

​Отключение предварительной загрузки

​Хост в локальной сети или tailnet

​Устранение неполадок

​LM Studio не обнаружен

​Ошибки аутентификации (HTTP 401)

​Связанные материалы

Быстрый старт

Неинтерактивная первоначальная настройка

Конфигурация

Совместимость потоковой передачи со статистикой использования

Совместимость режима рассуждений

Явная конфигурация

Отключение предварительной загрузки

Хост в локальной сети или tailnet

Устранение неполадок

LM Studio не обнаружен

Ошибки аутентификации (HTTP 401)

Связанные материалы