LM Studio

LM Studio запускає моделі llama.cpp (GGUF) або MLX локально — як застосунок із графічним інтерфейсом або фоновий демон llmster. Інструкції зі встановлення та документацію продукту див. на lmstudio.ai.

Швидкий початок

lms server start --port 1234

lms daemon up

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

openclaw onboard

Щоб змінити модель за замовчуванням пізніше:

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

Ключі моделей LM Studio мають формат author/model-name (наприклад, qwen/qwen3.5-9b); у посиланнях на моделі OpenClaw перед ними додається постачальник: lmstudio/qwen/qwen3.5-9b. Щоб знайти точний ключ моделі, виконайте наведену нижче команду й перегляньте поле key:

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

Неінтерактивне початкове налаштування

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

Або явно вкажіть базову URL-адресу, модель і 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, повернутий LM Studio (наприклад, qwen/qwen3.5-9b), без префікса постачальника lmstudio/. Передайте --lmstudio-api-key (або задайте LM_API_TOKEN) для серверів з автентифікацією; не вказуйте його для серверів без автентифікації — натомість OpenClaw збереже локальний маркер, що не є секретом. --custom-api-key усе ще підтримується для сумісності, але перевагу слід надавати --lmstudio-api-key.

Ця команда записує models.providers.lmstudio і встановлює модель за замовчуванням як lmstudio/<custom-model-id>. Якщо надати ключ API, також буде записано профіль автентифікації lmstudio:default.

Під час інтерактивного налаштування система також може запропонувати вибрати бажану довжину контексту завантаження та застосувати її до виявлених моделей, які вона збереже в конфігурації.

Конфігурація

Сумісність використання під час потокового передавання

LM Studio не завжди додає об’єкт usage у форматі OpenAI до потокових відповідей. Натомість OpenClaw відновлює кількість токенів із метаданих timings.prompt_n / timings.predicted_n у стилі llama.cpp. Такий самий резервний механізм застосовується до будь-якої сумісної з OpenAI кінцевої точки, визначеної як локальна (вузол local loopback). Це також охоплює інші локальні серверні системи, зокрема vLLM, SGLang, llama.cpp, LocalAI, Jan, TabbyAPI і text-generation-webui.

Сумісність міркування

Коли виявлення через /api/v1/models у LM Studio повідомляє про параметри міркування для конкретної моделі, OpenClaw надає відповідні значення reasoning_effort (none, minimal, low, medium, high, xhigh) у метаданих сумісності моделі. Деякі збірки LM Studio пропонують двійковий параметр інтерфейсу (allowed_options: ["off", "on"]), але відхиляють ці буквальні значення в /v1/chat/completions; OpenClaw нормалізує цю двійкову форму до шестирівневої шкали перед надсиланням запитів, зокрема для старіших збережених конфігурацій, які досі містять зіставлення міркування off/on.

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,          },        ],      },    },  },}

Вимкнення попереднього завантаження

LM Studio підтримує завантаження моделей точно вчасно (JIT), тобто під час першого запиту. За замовчуванням OpenClaw попередньо завантажує моделі через вбудовану кінцеву точку завантаження LM Studio, що корисно, коли JIT вимкнено. Щоб керування життєвим циклом моделей натомість здійснювали JIT, TTL простою та автоматичне вивантаження LM Studio, вимкніть етап попереднього завантаження OpenClaw:

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

Вузол у LAN або tailnet

Використовуйте доступну адресу вузла LM Studio, збережіть /v1 і переконайтеся, що LM Studio на цьому комп’ютері прив’язано не лише до local loopback:

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

lmstudio автоматично вважає налаштовану кінцеву точку довіреною для запитів до моделей, зокрема для вузлів local loopback, LAN і tailnet (крім джерел метаданих і link-local). Будь-який запис спеціального або локального постачальника, сумісного з OpenAI, отримує таку саму довіру до точного джерела. Для запитів до іншого приватного вузла або порту все одно потрібно встановити models.providers.<id>.request.allowPrivateNetwork: true; установіть значення false, щоб відмовитися від довіри за замовчуванням.

Усунення несправностей

LM Studio не виявлено

Переконайтеся, що LM Studio запущено:

lms server start --port 1234

Якщо автентифікацію ввімкнено, також задайте LM_API_TOKEN. Перевірте доступність API:

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

Помилки автентифікації (HTTP 401)

• Перевірте, чи LM_API_TOKEN відповідає ключу, налаштованому в LM Studio.
• Див. Автентифікація LM Studio.
• Якщо сервер не потребує автентифікації, залиште ключ порожнім під час налаштування.

Пов’язані матеріали

• Вибір моделі
• Ollama
• Локальні моделі