# LM Studio CLI lms: модель и локальный API из терминала

Источник: https://modelium.tech/zhurnal/lm-studio-cli-lms/

`lms` — командная строка обычного LM Studio: она показывает скачанные модели, загружает выбранный файл и запускает локальный HTTP-сервер. Для проверки пройдите цепочку `lms ls` → `lms load --estimate-only` → `lms load` → `lms ps` → `lms server start`, затем отправьте тестовый запрос к `/v1/chat/completions`. Наличие модели в `/v1/models` не всегда доказывает, что она уже загружена: при JIT-схеме там могут быть и скачанные файлы.

**Срез документации — 7 октября 2026 года.** Это инструкция по опубликованным командам LM Studio, не отчёт об испытании Modelium: приложение, модель и API на нашем стенде не запускались. Для воспроизводимости запишите версию установленного LM Studio, ОС, фактический ключ модели и вывод каждой проверки. [s1](#src-s1)

## Чем `lms` отличается от llmster и оконного интерфейса?

Обычное настольное LM Studio позволяет выбирать модель через графический интерфейс; `lms` — **его CLI**, установленный вместе с приложением. Разработчик требует хотя бы раз открыть LM Studio перед использованием `lms`. Для сервера без графической сессии у LM Studio есть отдельный daemon llmster; инструкция его развёртывания и автозапуска — [в другом гайде](/zhurnal/lm-studio-llmster-server/). Здесь рассматриваем терминал на компьютере с обычным установленным LM Studio, а не systemd, сервер в облаке или LM Studio Bionic. [s1](#src-s1)

Задача — не просто увидеть версию CLI, а получить тестовый ответ от конкретного локального файла через HTTP. Цепочка: подходящая задача и файл модели → ресурсы вашего компьютера → `lms` и runtime → сервер на localhost → ответ и контроль того, какая модель отвечала. Список моделей на диске, список в памяти и список, видимый серверу, отвечают на **разные вопросы**. [s3](#src-s3) [s4](#src-s4) [s5](#src-s5) [s7](#src-s7)

## Как проверить, что `lms` доступен в терминале?

Установите обычный LM Studio по [общей инструкции](/zhurnal/lm-studio/), откройте его хотя бы раз, затем **в новой терминальной сессии** выполните `lms --help`. Документация сообщает, что отдельная установка `lms` после установки приложения не нужна. Если оболочка пишет «command not found», сначала убедитесь, что запущено установленное приложение и используется тот же пользователь; затем перезапустите терминал и сверьте путь запуска CLI с вашей ОС и установленной версией. Не копируйте системный `PATH` или бинарник из чужой инструкции без проверки своего расположения: универсальный путь для всех ОС здесь не подтверждён. [s1](#src-s1)

`lms --help` доказывает лишь доступность команды. Он не доказывает, что модель скачана, помещается в память или что HTTP-сервер запущен. Для компьютера без GUI переходите к [llmster](/zhurnal/lm-studio-llmster-server/), не выдавая его за обязательный шаг установки desktop CLI. [s1](#src-s1)

## Как выбрать файл и не спутать скачивание с загрузкой?

Команда `lms ls --llm` показывает **уже скачанные** языковые модели; `lms ls --json` позволяет сохранить машинно-читаемый список. Выберите конкретный `model_key` из своего вывода, а не название семейства из статьи. LM Studio хранит скачанные через CLI модели в своём каталоге моделей; численный размер файла в списке относится к диску, не к минимуму RAM или VRAM. Проверьте назначение и лицензию модели в карточке выбранного репозитория до работы с реальными данными. [s2](#src-s2) [s4](#src-s4)

Если подходящего файла нет, `lms get --gguf` откроет интерактивный выбор GGUF, а `lms get --mlx` — MLX. Команда `lms get` ищет и **скачивает** выбранный файл: предварительно проверьте место на диске и сетевые правила; интерактивные рекомендации поставщика не равны рекомендации Modelium. Не скачивайте случайную большую модель ради проверки CLI. Если файл уже есть, пропустите этот этап и не загружайте его повторно. [s2](#src-s2) [s4](#src-s4)

Перед загрузкой выполните `lms load --estimate-only <model_key>`, заменив уголковые скобки **реальным ключом** из `lms ls`. Оценщик учитывает заданный контекст, распределение на GPU, Flash Attention и наличие vision-компонента; его вывод — прогноз программы, а не замер Modelium или гарантированный минимум памяти. Если оценка не подходит устройству, выберите другой файл, контекст или параметр offload и повторите оценку, вместо того чтобы угадывать по размеру GGUF. [s3](#src-s3)

## Как загрузить модель под стабильным именем?

После выбора файла выполните `lms load <model_key> --identifier modelium-test`. Документация также допускает `--context-length`, `--gpu` и `--ttl`; для первого теста не меняйте всё одновременно, чтобы причина возможной ошибки была видна. `--identifier` задаёт имя для API; `modelium-test` здесь учебное локальное имя, **не** имя скачиваемого репозитория. Отключите параллельные тесты других моделей до получения первого ответа. [s3](#src-s3)

Выполните `lms ps`: команда перечисляет модели, **загруженные в память**, и их идентификаторы. В отличие от неё, `lms ls` перечисляет скачанные файлы на диске. Зафиксируйте фактическое имя, файл и при необходимости JSON-вывод `lms ps --json`, но не публикуйте журналы с пользовательскими запросами. Если загрузка не прошла, не переходите к API: проверьте текст ошибки, совместимость runtime и оценку ресурсов на той же конфигурации. [s3](#src-s3) [s4](#src-s4) [s5](#src-s5)

## Как поднять API только для своей машины и проверить ответ?

Запустите `lms server start --bind 127.0.0.1 --port 1234`, затем `lms server status`. В документации localhost — привязка по умолчанию; явный адрес здесь делает границу теста понятной. Не заменяйте его на `0.0.0.0`: это раскрывает сервис за пределы локального компьютера, а `--cors` дополнительно меняет доступ браузерных приложений. Удалённое подключение, токены и межсетевой экран требуют отдельной проверки, описанной в [гайде по аутентификации](/zhurnal/lm-studio-api-autentifikaciya/). [s6](#src-s6)

Выполните `curl -fsS http://127.0.0.1:1234/v1/models` **на том же компьютере**. Проверьте JSON и фактический идентификатор модели. Важно: при включённой Just-In-Time (JIT) загрузке маршрут может показывать *все скачанные* модели, а не только текущие модели в памяти; одного успешного `GET /v1/models` недостаточно. Для проверки именно предварительной загрузки сравните вывод с `lms ps`. [s5](#src-s5) [s7](#src-s7)

Затем отправьте запрос: `curl -fsS http://127.0.0.1:1234/v1/chat/completions -H 'Content-Type: application/json' -d '{"model":"modelium-test","messages":[{"role":"user","content":"Ответь одним словом: готово"}],"stream":false}'`. Подставьте фактический идентификатор из `lms ps`, если он отличается. Проверьте не только HTTP-статус, но и поле ответа, отсутствие ошибки и соответствие ожидаемому контрольному тексту; сама модель может сформулировать ответ иначе. Этим проверяется маршрут на **вашем** компьютере, а не качество модели или соответствие требованиям закрытого контура. [s3](#src-s3) [s5](#src-s5) [s8](#src-s8)

## Как устранить ошибки и завершить тест без лишних процессов?

- `**lms**`** не найден:** проверьте первый запуск приложения, пользователя и новую оболочку; не утверждайте, что сервер виноват, пока сама команда не доступна. [s1](#src-s1)

- **Список **`**lms ls**`** пуст:** файл ещё не скачан в каталог LM Studio; проверьте результат `lms get`, формат и свободное место. [s2](#src-s2) [s4](#src-s4)

- `**lms ls**`** содержит файл, но **`**lms ps**`** пуст:** модель ещё не загружена или загрузка завершилась ошибкой; повторите `--estimate-only`, посмотрите вывод `lms load` и точный ключ. [s3](#src-s3) [s4](#src-s4) [s5](#src-s5)

- **API возвращает список, а ответ не получается:** проверьте JIT, `lms ps`, имя в поле `model`, `lms server status` и собственный адрес/порт. Видимость файла через `/v1/models` сама по себе не гарантирует рабочую генерацию. [s5](#src-s5) [s6](#src-s6) [s7](#src-s7) [s8](#src-s8)

- **Отказ в доступе или соединении:** проверьте адрес и настройки аутентификации вашей установки; не открывайте сервер в общую сеть ради устранения локальной ошибки. [s6](#src-s6)

После контрольного запроса остановите HTTP-сервер командой `lms server stop`, если он больше не нужен, и выгрузите выбранную модель командой `lms unload <model_key>`; перед выгрузкой сверяйте ключ в `lms ps`. Это действия на **вашем** компьютере, не результат собственного запуска Modelium. [s1](#src-s1) [s3](#src-s3) [s5](#src-s5)

**Следующий шаг:** откройте [проверку доступа к API](/zhurnal/lm-studio-api-autentifikaciya/), прежде чем подключать к LM Studio другие устройства. Сохраните у себя версию приложения, выбранный файл, `lms ps` и ответ контрольного запроса; токены и пользовательские данные не помещайте в публичный журнал. [s5](#src-s5) [s6](#src-s6)

## Источники

1. [LM Studio: lms CLI](https://lmstudio.ai/docs/cli) — получено 2026-10-07
2. [LM Studio: lms get](https://lmstudio.ai/docs/cli/local-models/get) — получено 2026-10-07
3. [LM Studio: lms load](https://lmstudio.ai/docs/cli/local-models/load) — получено 2026-10-07
4. [LM Studio: lms ls](https://lmstudio.ai/docs/cli/local-models/ls) — получено 2026-10-07
5. [LM Studio: lms ps](https://lmstudio.ai/docs/cli/local-models/ps) — получено 2026-10-07
6. [LM Studio: lms server start](https://lmstudio.ai/docs/cli/serve/server-start) — получено 2026-10-07
7. [LM Studio: List Models API](https://lmstudio.ai/docs/developer/openai-compat/models) — получено 2026-10-07
8. [LM Studio: Chat Completions API](https://lmstudio.ai/docs/developer/openai-compat/chat-completions) — получено 2026-10-07