Перейти до основного вмісту
LM Studio — зручний і водночас потужний застосунок для запуску моделей з відкритими вагами на власному обладнанні. Він дає змогу запускати моделі llama.cpp (GGUF) або MLX (Apple Silicon). Постачається як GUI-пакет або безголовий демон (llmster). Документацію щодо продукту й налаштування див. на lmstudio.ai.

​
Швидкий старт

  1. Установіть LM Studio (настільний застосунок) або llmster (безголовий режим), а потім запустіть локальний сервер:
curl -fsSL https://lmstudio.ai/install.sh | bash
  1. Запустіть сервер
Переконайтеся, що ви або запустили настільний застосунок, або запустили демон такою командою: 
lms daemon up

lms server start --port 1234
Якщо ви використовуєте застосунок, переконайтеся, що JIT увімкнено для плавної роботи. Докладніше див. у посібнику LM Studio щодо JIT і TTL.
  1. Якщо автентифікацію LM Studio увімкнено, задайте LM_API_TOKEN:
export LM_API_TOKEN="your-lm-studio-api-token"
Якщо автентифікацію LM Studio вимкнено, під час інтерактивного налаштування OpenClaw можна залишити ключ API порожнім. Докладніше про налаштування автентифікації LM Studio див. у LM Studio Authentication.
  1. Запустіть початкове налаштування й виберіть LM Studio:
openclaw onboard
  1. Під час початкового налаштування використайте запит Default model, щоб вибрати свою модель LM Studio.
Ви також можете задати або змінити її пізніше: 
openclaw models set lmstudio/qwen/qwen3.5-9b
Ключі моделей LM Studio мають формат author/model-name (наприклад, qwen/qwen3.5-9b). Посилання на моделі OpenClaw додають на початок назву провайдера: lmstudio/qwen/qwen3.5-9b. Точний ключ для моделі можна знайти, виконавши curl http://localhost:1234/api/v1/models і переглянувши поле key.

​
Неінтерактивне початкове налаштування

Використовуйте неінтерактивне початкове налаштування, коли потрібно автоматизувати налаштування сценарієм (CI, підготовка середовища, віддалене початкове завантаження): 
openclaw onboard \
  --non-interactive \
  --accept-risk \
  --auth-choice lmstudio
Або вкажіть базову URL-адресу, модель і необов’язковий 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 приймає ключ моделі, який повертає LM Studio (наприклад, qwen/qwen3.5-9b), без префікса провайдера lmstudio/. Для серверів LM Studio з автентифікацією передайте --lmstudio-api-key або задайте LM_API_TOKEN. Для серверів LM Studio без автентифікації пропустіть ключ; OpenClaw зберігає локальну несекретну позначку. --custom-api-key і далі підтримується для сумісності, але для LM Studio бажано використовувати --lmstudio-api-key. Це записує models.providers.lmstudio і задає стандартну модель як lmstudio/<custom-model-id>. Коли ви надаєте ключ API, налаштування також записує профіль автентифікації lmstudio:default. Інтерактивне налаштування може запитати необов’язкову бажану довжину контексту завантаження та застосовує її до виявлених моделей LM Studio, які зберігає в конфігурацію. Конфігурація Plugin LM Studio довіряє налаштованій кінцевій точці LM Studio для запитів моделей, зокрема вузлам loopback, LAN і tailnet. Джерела metadata/link-local і далі потребують явного ввімкнення. Можна відмовитися, задавши models.providers.lmstudio.request.allowPrivateNetwork: false.

​
Конфігурація

​
Сумісність використання потокового передавання

LM Studio сумісна з використанням потокового передавання. Коли вона не видає об’єкт usage у форматі OpenAI, OpenClaw натомість відновлює кількість токенів із метаданих у стилі llama.cpp: timings.prompt_n / timings.predicted_n. Така сама поведінка використання потокового передавання застосовується до цих локальних бекендів, сумісних з OpenAI:
  • vLLM
  • SGLang
  • llama.cpp
  • LocalAI
  • Jan
  • TabbyAPI
  • text-generation-webui

​
Сумісність мислення

Коли виявлення LM Studio через /api/v1/models повідомляє специфічні для моделі параметри reasoning, OpenClaw показує відповідні сумісні з OpenAI значення reasoning_effort у метаданих сумісності моделі. Поточні збірки LM Studio можуть оголошувати бінарні параметри UI, як-от allowed_options: ["off", "on"], але відхиляти ці значення на /v1/chat/completions; OpenClaw нормалізує таку бінарну форму виявлення до none, minimal, low, medium, high і xhigh перед надсиланням запитів. Старіша збережена конфігурація LM Studio, яка містить мапи reasoning off/on, нормалізується так само під час завантаження каталогу.

​
Явна конфігурація

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

​
Усунення несправностей

​
LM Studio не виявлено

Переконайтеся, що LM Studio запущено. Якщо автентифікацію увімкнено, також задайте LM_API_TOKEN: 
# Start via desktop app, or headless:
lms server start --port 1234
Перевірте, що API доступний: 
curl http://localhost:1234/api/v1/models

​
Помилки автентифікації (HTTP 401)

Якщо налаштування повідомляє про HTTP 401, перевірте свій ключ API:
  • Перевірте, що LM_API_TOKEN відповідає ключу, налаштованому в LM Studio.
  • Докладніше про налаштування автентифікації LM Studio див. у LM Studio Authentication.
  • Якщо ваш сервер не потребує автентифікації, залиште ключ порожнім під час налаштування.

​
Завантаження моделі just-in-time

LM Studio підтримує завантаження моделей just-in-time (JIT), коли моделі завантажуються під час першого запиту. OpenClaw за замовчуванням попередньо завантажує моделі через нативну кінцеву точку завантаження LM Studio, що допомагає, коли JIT вимкнено. Щоб дозволити JIT, TTL простою та поведінці автоматичного витіснення LM Studio керувати життєвим циклом моделі, вимкніть крок попереднього завантаження OpenClaw: 
{
  models: {
    providers: {
      lmstudio: {
        baseUrl: "http://localhost:1234/v1",
        api: "openai-completions",
        params: { preload: false },
        models: [{ id: "qwen/qwen3.5-9b" }],
      },
    },
  },
}

​
Хост LM Studio у LAN або tailnet

Використовуйте доступну адресу хоста LM Studio, збережіть /v1 і переконайтеся, що LM Studio прив’язано не лише до loopback на цій машині: 
{
  models: {
    providers: {
      lmstudio: {
        baseUrl: "http://gpu-box.local:1234/v1",
        apiKey: "lmstudio",
        api: "openai-completions",
        models: [{ id: "qwen/qwen3.5-9b" }],
      },
    },
  },
}
lmstudio автоматично довіряє своїй налаштованій локальній/приватній кінцевій точці для захищених запитів моделей. Користувацькі/локальні записи провайдерів, сумісних з OpenAI, також довіряють точному налаштованому джерелу baseUrl, окрім джерел metadata/link-local; запити до інших приватних портів або призначень і далі потребують models.providers.<id>.request.allowPrivateNetwork: true. Задайте models.providers.<id>.request.allowPrivateNetwork: false, щоб відмовитися від довіри до точного джерела.

​
Пов’язане