# LM Studio LM Link: модель на другом компьютере через локальный API

Источник: https://modelium.tech/zhurnal/lm-studio-lm-link/

LM Link соединяет устройства с LM Studio или llmster: модель может работать на мощном компьютере, а запрос к API отправляться на `localhost:1234` ноутбука. Включите связь на обоих устройствах, загрузите модель на сервере и проверьте не только текст ответа, но и статус связанного устройства. Это не автономный офлайн-контур: для обнаружения устройств нужен вход в сервис LM Studio.

**Документация LM Studio закреплена на Git-коммите **`**9b8bc20**`** от 8 сентября 2026 года; проверено 5 октября 2026 года.** Ниже приведён протокол для *вашего* стенда, а не отчёт об испытании Modelium. Наличие конкретной модели, её лицензия, совместимость с вашим GPU и производительность проверяются отдельно. [s1](#src-s1) [s2](#src-s2)

## Когда LM Link решает задачу удалённого сервера?

Допустим, на домашнем или офисном компьютере есть подходящая вам модель и вычислительные ресурсы, а работать нужно с ноутбука. LM Link объединяет **ваши устройства** в отдельную сеть для LM Studio: удалённую модель можно загрузить и вызвать так, будто она доступна клиенту локально. На ноутбуке HTTP-приложение обращается к его собственному LM Studio API; исполнение модели происходит на связанном устройстве. Не путайте это с установкой модели на ноутбук или с подключением произвольного публичного OpenAI-сервера. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3)

Практический маршрут: **задача диалога с выбранной моделью → проверка доступности её файлов и ресурсов компьютера-сервера → LM Studio либо llmster на сервере → LM Link на обоих устройствах → локальный API ноутбука → сверка ответа и активного удалённого узла**. Если вам достаточно одного компьютера без внешнего канала связи, сначала используйте [обычный запуск LM Studio](/zhurnal/lm-studio/); LM Link добавляет сетевую и учётную зависимость. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3)

Запрос `lm studio remote server` неоднозначен: кто-то ищет доступ **к своему** серверу, кто-то — удалённый MCP-инструмент, а кто-то хочет подключить Ollama. Этот материал — о первом случае, двух устройствах с LM Studio/llmster в одной LM Link-связке. Настройка удалённого MCP здесь не требуется. [s1](#src-s1) [s4](#src-s4)

## Что нужно проверить до включения?

- На вычислительной машине установите LM Studio с интерфейсом либо headless-версию llmster. Выберите конкретную модель в подходящем формате и убедитесь, что она действительно запускается на **этой** машине. Документация LM Link разрешает загружать удалённые модели из клиента, но это не гарантия памяти, скорости или качества любой модели на вашем GPU/CPU. Для headless-подготовки есть отдельный [гайд llmster](/zhurnal/lm-studio-llmster-server/). [s2](#src-s2)

- На ноутбуке установите LM Studio. У обоих устройств должен быть доступ к своей LM Link-связке: документация требует входа, чтобы связать устройства с владельцем и обнаружить их. Для строгого изолированного контура, где **никакого** обращения к внешнему сервису быть не должно, не считайте LM Link офлайн-решением; проверяйте [границы своего контура](/zhurnal/proverka-offline-kontura-ii/). [s2](#src-s2) [s4](#src-s4)

- Определите, какой узел будет исполнять модель. При одинаковом имени модели на нескольких устройствах загрузчик показывает их как разные записи с именем узла. Для REST/SDK клиент может использовать предпочтительное устройство, причём выбор независим на каждом компьютере: без этой проверки успешный ответ ещё не доказывает удалённое исполнение. [s2](#src-s2) [s3](#src-s3) [s4](#src-s4)

- Не выводите для этой схемы HTTP-сервер на `0.0.0.0` «чтобы ноутбук его увидел»: LM Link маршрутизирует запрос через локальный API клиента. CLI LM Studio указывает `127.0.0.1` как адрес привязки по умолчанию и отдельно предупреждает о риске сетевого bind. Если вам действительно нужен отдельный сетевой API, сначала настройте аутентификацию и ограничения по [гайду защиты API](/zhurnal/lm-studio-api-autentifikaciya/). [s3](#src-s3) [s6](#src-s6)

Условный «сервер с большим GPU» в документации — пример сценария, **не** минимальные системные требования. Размер файла весов не показывает полный бюджет RAM/VRAM: проверьте загрузку, контекст и свободную память для своего варианта на своём железе. Собственных измерений Modelium здесь нет. [s1](#src-s1) [s2](#src-s2)

## Как связать два компьютера и выбрать модель?

**Шаг 1 — сервер.** В настольном LM Studio откройте LM Link в боковой панели и пройдите вход и включение. На headless-машине после установки llmster выполните `lms login`, следуйте указаниям терминала и только затем `lms link enable`. Не запускайте скачанный shell-скрипт вслепую: URL установщика из документации проверяйте перед выполнением, а подробности headless-установки оставьте [отдельному гайду](/zhurnal/lm-studio-llmster-server/). [s2](#src-s2)

**Шаг 2 — ноутбук.** Войдите в LM Studio под своей связкой, откройте LM Link и добавьте второе устройство; при успешной связи компьютеры обнаруживаются автоматически. Команда `lms link status` показывает, включена ли связь, подключённые узлы и их загруженные модели; вариант `lms link status --json` подходит для сохранения контрольного состояния. Если приложение не видит узел, прежде чем обвинять модель, убедитесь, что LM Studio или llmster продолжает работать на сервере. [s2](#src-s2) [s4](#src-s4) [s5](#src-s5)

**Шаг 3 — выбор.** Откройте загрузчик моделей на ноутбуке: в списке должны быть локальные и удалённые записи с привязкой к устройству. Выберите **конкретную** удалённую запись, загрузите модель и сохраните её идентификатор. Если тот же вариант есть на обоих компьютерах, назначьте предпочтительный сервер в LM Link или через `lms link set-preferred-device` на клиенте; затем повторите проверку статуса. Не делайте вывод о маршруте только из одинакового имени модели. [s2](#src-s2) [s3](#src-s3) [s4](#src-s4)

Этот путь не требует переноса весов модели на ноутбук и не означает, что у клиента появилась мощность серверного GPU. Достаточность ресурсов и доступность весов на вычислительной машине надо подтвердить отдельно. [s1](#src-s1) [s2](#src-s2)

## Как получить ответ через API и не ошибиться с устройством?

На **ноутбуке** запустите локальный HTTP-сервер LM Studio командой `lms server start --port 1234 --bind 127.0.0.1`. Убедитесь, что выбранная удалённая модель загружена, а `lms link status` на обеих сторонах показывает ожидаемую связку. Затем сделайте `curl http://127.0.0.1:1234/v1/models`: endpoint возвращает модели, видимые серверу; если включена Just-In-Time-загрузка, в перечне могут быть и скачанные, но ещё не загруженные варианты. **Один ответ **`**/v1/models**`** не доказывает**, что удалённая модель реально исполняла запрос. [s3](#src-s3) [s5](#src-s5) [s6](#src-s6) [s7](#src-s7)

Для одного контрольного диалога используйте документированный OpenAI-совместимый `POST /v1/chat/completions` с точным идентификатором выбранной модели. Пример, который **надо адаптировать под свой **`**model**`, не запускался Modelium: `curl -sS http://127.0.0.1:1234/v1/chat/completions -H 'Content-Type: application/json' -d '{"model":"MODEL_ID","messages":[{"role":"user","content":"Ответь одним словом: связь"}],"temperature":0}'`. Замените `MODEL_ID` на идентификатор модели, доступной вашему локальному серверу; убедитесь в HTTP-успехе, отсутствии поля `error` и наличии непустого `choices[0].message.content`. Формат ответа и поддерживаемые параметры зависят от конкретного endpoint/модели; сам текст ответа не служит аттестацией машины. [s7](#src-s7) [s8](#src-s8)

Зафиксируйте на сервере, что выбранная модель загружена, и сопоставьте `lms link status` на обеих машинах **до и после** запроса. Проверьте в интерфейсе выбранный узел и, если один и тот же ID модели есть локально, временно выгрузите локальный вариант на ноутбуке либо используйте только уникальную модель на сервере. Не называйте тест успешным удалённым запуском по одному HTTP 200: этот набор проверок — рекомендуемый протокол для читателя, не проведённый эксперимент Modelium. [s2](#src-s2) [s3](#src-s3) [s5](#src-s5)

## Где граница приватности и что делать при ошибке?

По заявлению LM Studio, связь устройств использует сквозное шифрование Tailscale и не открывает их публике; LM Studio Hub участвует в обнаружении узлов, а содержимое чатов не передаётся в Hub. Это **заявление разработчика**, не независимый аудит Modelium. Вход в аккаунт и discovery означают, что строгому офлайн/air-gap-требованию LM Link не соответствует без отдельной проверки политики и трафика. Не смешивайте защиту внутреннего туннеля и открытый HTTP-порт, который вы могли включить сами. [s1](#src-s1) [s4](#src-s4) [s6](#src-s6)

- **Узел не появляется:** проверьте вход, включение LM Link и работу приложения/llmster на обеих сторонах. `lms link status` должен показать подключённого peer; иначе тестировать `/v1/chat/completions` рано. [s2](#src-s2) [s4](#src-s4) [s5](#src-s5)

- **Модель не выбирается:** проверьте, что она есть на нужном сервере и может быть загружена именно там. При дубле имени назначьте предпочтительное устройство на ноутбуке, не на чужой машине. [s2](#src-s2) [s3](#src-s3) [s4](#src-s4)

- **Список моделей есть, но генерации нет:** `/v1/models` может показывать скачанное при JIT; проверьте состояние загрузки и реальный ответ `POST /v1/chat/completions`. Не объявляйте наличие модели равным успешному инференсу. [s7](#src-s7) [s8](#src-s8)

- **API доступен другим в сети:** проверьте bind, включён ли сетевой режим и нужна ли аутентификация; LM Link для описанного маршрута использует API ноутбука на `localhost`. [s3](#src-s3) [s6](#src-s6)

После теста остановите локальный API, если он не нужен, и отключите связь в настройках приложения либо командой `lms link disable` на headless-узле. Удалённое исполнение экономит вычисления ноутбука, но не устраняет сетевую задержку: для ваших запросов отдельно замерьте время до ответа и стабильность связи, не подменяя эксперимент рекламным описанием. [s4](#src-s4) [s6](#src-s6)

**Следующий шаг:** откройте [гайд llmster](/zhurnal/lm-studio-llmster-server/), подготовьте вторую машину и только затем выполните описанный контрольный запрос с фиксацией связанного узла и фактического ответа. Если требуется полный отказ от внешнего discovery, выберите другую архитектуру после проверки [офлайн-контура](/zhurnal/proverka-offline-kontura-ii/). [s2](#src-s2) [s3](#src-s3) [s4](#src-s4)

## Источники

1. [LM Studio: LM Link overview](https://github.com/lmstudio-ai/docs/blob/9b8bc2004f04880a0ca7cbb19932ea8eb390c2d5/5_lmlink/index.md) — получено 2026-10-05
2. [LM Studio: add a device and load remote models](https://github.com/lmstudio-ai/docs/blob/9b8bc2004f04880a0ca7cbb19932ea8eb390c2d5/5_lmlink/1_basics/add-device.md) — получено 2026-10-05
3. [LM Studio: REST API with LM Link](https://github.com/lmstudio-ai/docs/blob/9b8bc2004f04880a0ca7cbb19932ea8eb390c2d5/1_developer/0_core/lmlink.md) — получено 2026-10-05
4. [LM Studio: LM Link FAQ and privacy boundary](https://github.com/lmstudio-ai/docs/blob/9b8bc2004f04880a0ca7cbb19932ea8eb390c2d5/5_lmlink/1_basics/faq.md) — получено 2026-10-05
5. [LM Studio CLI: lms link status](https://github.com/lmstudio-ai/docs/blob/9b8bc2004f04880a0ca7cbb19932ea8eb390c2d5/3_cli/3_link/link-status.md) — получено 2026-10-05
6. [LM Studio CLI: lms server start and bind](https://github.com/lmstudio-ai/docs/blob/9b8bc2004f04880a0ca7cbb19932ea8eb390c2d5/3_cli/1_serve/server-start.mdx) — получено 2026-10-05
7. [LM Studio: list models via OpenAI-compatible API](https://github.com/lmstudio-ai/docs/blob/9b8bc2004f04880a0ca7cbb19932ea8eb390c2d5/1_developer/3_openai-compat/models.md) — получено 2026-10-05
8. [LM Studio: OpenAI-compatible chat completions](https://github.com/lmstudio-ai/docs/blob/9b8bc2004f04880a0ca7cbb19932ea8eb390c2d5/1_developer/3_openai-compat/chat-completions.md) — получено 2026-10-05