# LM Studio: установка и выбор первой модели

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

LM Studio подходит, если вы хотите скачать и запустить языковую модель через графический интерфейс, а затем при необходимости открыть локальный API. Сначала проверьте поддержку ОС и процессора, выберите небольшую модель в совместимом формате и используйте оценку памяти до загрузки. Размер файла весов не равен минимальной RAM или VRAM: итог зависит также от контекста, GPU offload и особенностей модели.

**Граница проверки.** Инструкция сверена с официальной документацией LM Studio на 22 сентября 2026 года. Modelium не запускал приложение на собственном железе и не измерял скорость, качество ответов или фактическое потребление памяти. Требования приложения, размер файла модели и ресурсы конкретного запуска — разные величины.

## Когда стоит выбрать LM Studio

LM Studio объединяет поиск моделей, загрузку, настройку запуска, чат и локальный сервер в одном приложении. Базовый путь в документации состоит из четырёх шагов: установить приложение, скачать модель через Discover, загрузить её в память и открыть чат [s2](#src-s2). Это подходит пользователю, которому нужен графический интерфейс и возможность начать без ручной сборки runtime.

Приложение не отменяет необходимость выбирать модель и конфигурацию. Модель может не поместиться в доступную память, оказаться несовместимой с установленным runtime или не подходить для задачи. LM Studio также не превращает любые открытые веса в open source: документация отдельно предупреждает, что модели выпускаются под разными лицензиями и с разной степенью открытости [s2](#src-s2). Перед рабочим использованием проверяйте карточку конкретного репозитория и текст лицензии.

Выбирайте LM Studio, если вам нужен один или несколько сценариев:

- локальный чат с моделью через графический интерфейс;

- загрузка поддерживаемых моделей с Hugging Face внутри приложения [s4](#src-s4);

- предварительная оценка памяти перед фактической загрузкой [s6](#src-s6);

- локальный OpenAI-совместимый API для программы или редактора [s8](#src-s8);

- работа без интернета после предварительной загрузки приложения, модели и runtime — по заявлению разработчика [s3](#src-s3).

Если главная задача — минимальный сервер без графического интерфейса или автоматизация через одну команду, сравните LM Studio с Ollama. Если нужен ручной контроль сборки и низкоуровневых параметров, отдельным вариантом остаётся llama.cpp.

## Что проверить перед установкой

Сначала сверьте операционную систему, процессор и память с текущими требованиями приложения.

- **Mac:** документация перечисляет Apple Silicon M1–M4 и требует macOS 14.0 или новее. Intel Mac не поддерживается. Разработчик рекомендует 16 ГБ RAM, но отдельно пишет, что на Mac с 8 ГБ могут работать небольшие модели при умеренном окне контекста [s1](#src-s1).

- **Windows:** поддерживаются x64 и ARM-системы; для x64 нужен набор инструкций AVX2. Рекомендованы не менее 16 ГБ RAM и дискретная видеокарта с 4 ГБ выделенной VRAM [s1](#src-s1).

- **Linux:** поддерживаются x64 и ARM64, приложение распространяется как AppImage, требуется Ubuntu 20.04 или новее. Документация предупреждает, что версии Ubuntu новее 22 проверены хуже; x64-сборка по умолчанию использует AVX2 [s1](#src-s1).

Эти числа относятся к приложению и общему старту, а не к любой модели. Даже если LM Studio устанавливается, конкретная модель может потребовать больше памяти. И наоборот, размер файла весов показывает объём скачивания и хранения, но не является точным минимумом RAM или VRAM: при загрузке учитываются дополнительные структуры, длина контекста, распределение слоёв между CPU и GPU и особенности архитектуры [s6](#src-s6).

До установки определите контрольную задачу. Например: «переписать короткое письмо без внешнего API», «извлечь три поля из вымышленного документа» или «ответить на вопросы по локальному текстовому файлу». Без проверяемого результата выбор модели превращается в сравнение названий и размеров.

Для чистого первого теста меняйте только один фактор за раз. Сначала зафиксируйте модель и короткий запрос, затем отдельно сравнивайте квантизацию, контекст или GPU offload. Так ошибка совместимости не смешивается с изменением качества ответа.

## Как установить LM Studio

- Скачайте последнюю версию с официального сайта LM Studio и установите приложение для своей ОС. Для Linux используйте официальный AppImage; поддерживаемые архитектуры и версия Ubuntu указаны в системных требованиях [s1](#src-s1) [s2](#src-s2).

- Запустите приложение и откройте вкладку **Discover**. Документация предлагает выбрать одну из отобранных моделей или найти модель по запросу [s2](#src-s2).

- Не загружайте несколько больших вариантов сразу. Сначала выберите один небольшой совместимый файл, чтобы проверить сам runtime и путь запуска.

- После скачивания откройте вкладку **Chat**, вызовите загрузчик модели и выберите загруженный вариант. При загрузке LM Studio выделяет память под веса и другие параметры модели [s2](#src-s2).

- Отправьте короткий контрольный запрос и сохраните точное имя модели, вариант квантизации, длину контекста и версию приложения.

Скачивание приложения, поиск моделей, загрузка новых моделей и runtime требуют подключения к интернету [s3](#src-s3). Если LM Studio нужен для закрытого или изолированного контура, подготовьте эти файлы заранее и отдельно проверьте процесс переноса по правилам вашей организации.

## Как выбрать первую модель

В Discover можно искать по ключевому слову, строке `user/model` или полной ссылке Hugging Face [s4](#src-s4). Для первого опыта выбирайте не самую крупную модель, а вариант, который:

- предназначен для вашей задачи — обычный чат, код, извлечение данных или работа с изображениями;

- имеет понятную карточку и лицензию;

- доступен в формате, который показывает LM Studio;

- помещается на диск и проходит оценку памяти;

- даёт проверяемый результат на коротком тесте.

Одна модель часто доступна в нескольких квантизациях: в интерфейсе встречаются обозначения вроде `Q3_K_S` и `Q8`. Документация описывает квантизацию как уменьшение размера файлов с некоторой потерей качества и рекомендует 4-битный вариант или выше, если компьютер способен его запустить [s4](#src-s4). Это ориентир разработчика, а не гарантия качества или совместимости. Сравнивайте варианты одной и той же модели на одинаковом тесте.

Через CLI тот же выбор можно сделать явнее. Команда `lms get` ищет и скачивает модели, поддерживает фильтры `--gguf` и `--mlx`, а конкретную квантизацию можно указать после `@`, например `lms get llama-3.1-8b@q4_k_m` [s5](#src-s5). Название в примере взято из документации и не является рекомендацией Modelium для вашего компьютера.

Перед загрузкой используйте оценку ресурсов:

lms lslms load --estimate-only <model_key>

По документации режим `--estimate-only` не загружает модель, а выводит оценку памяти. Он учитывает заданную длину контекста, GPU offload, Flash Attention и наличие vision-компонента [s6](#src-s6). Оценка полезнее размера файла, но остаётся расчётом приложения: после реального запуска проверяйте фактическое потребление памяти средствами операционной системы.

Если оценка слишком велика, меняйте по одному параметру: возьмите меньшую модель или более сильную квантизацию, сократите контекст либо уменьшите долю GPU offload. Не делайте одновременно несколько изменений, иначе причина результата останется неизвестной.

## Как загрузить модель и настроить память

В графическом интерфейсе параметры можно изменить перед загрузкой. Для повторяемой конфигурации LM Studio позволяет сохранить отдельные значения для каждой модели: GPU offload, размер контекста и использование Flash Attention [s7](#src-s7). Эти настройки применяются при следующих загрузках, включая `lms load` [s7](#src-s7).

Эквивалентные CLI-команды документированы так:

lms load <model_key> --context-length 4096lms load <model_key> --gpu 0.5lms load <model_key> --ttl 3600

`--context-length` задаёт число токенов контекста, `--gpu` — долю переноса на GPU, а `--ttl` выгружает неиспользуемую модель после указанного числа секунд [s6](#src-s6). Без явного `--gpu` приложение пытается выбрать использование GPU автоматически [s6](#src-s6).

Не увеличивайте контекст «на всякий случай». Большое окно полезно только тогда, когда задача действительно требует длинного ввода, и может увеличить потребление памяти. Для первого теста используйте короткий запрос и умеренную длину контекста, затем меняйте её при измеримой необходимости.

## Как проверить, что первый запуск успешен

Успешный запуск — это не только открывшееся окно чата. Проверьте последовательно:

- модель загружается без ошибки;

- приложение показывает именно выбранный файл и вариант квантизации;

- короткий запрос получает полный ответ;

- ответ выполняет заранее заданное условие;

- повторный запрос на той же конфигурации даёт сопоставимый результат;

- фактическое использование RAM и VRAM не приводит к зависанию или постоянному свопингу;

- после отключения сети локальный чат продолжает работать, если офлайн-режим обязателен.

Разработчик заявляет, что чат с уже загруженной моделью, работа с локальными документами и локальный сервер не требуют интернета, а данные чата и документы не покидают устройство [s3](#src-s3). Это заявление поставщика. Для персональных, коммерческих или регулируемых данных дополнительно проверяйте сетевые соединения, плагины, журналы, резервные копии и политику организации.

Сохраните журнал теста: версия LM Studio, ОС, процессор, GPU, RAM и VRAM, имя модели, квантизация, контекст, GPU offload, текст запроса, ожидаемый результат и наблюдаемая ошибка. Такой журнал позволяет отличить проблему модели от изменения runtime или настроек.

## Как подключить локальный API

LM Studio документирует OpenAI-совместимые endpoints `GET /v1/models`, `POST /v1/responses`, `POST /v1/chat/completions`, `POST /v1/embeddings` и `POST /v1/completions` [s8](#src-s8). Для существующего OpenAI-клиента разработчик предлагает заменить базовый URL на адрес локального сервера; в примерах используется `http://localhost:1234/v1` [s8](#src-s8).

Это совместимость интерфейса, а не обещание идентичного поведения облачной модели. Результат зависит от загруженной локальной модели, её шаблона, поддержки structured output и tool calling. Сначала проверьте обычный чат, затем отдельным тестом — каждый endpoint и формат ответа, который использует ваше приложение.

Не открывайте локальный сервер во внешнюю сеть без необходимости. Если доступ нужен другим устройствам в локальной сети, отдельно определите аутентификацию, разрешённые адреса, межсетевой экран и допустимые данные.

## Что делать, если модель не запускается

Идите от воспроизводимых проверок к изменениям:

- если приложение не устанавливается, повторно сверьте ОС, архитектуру процессора, AVX2 и минимальную версию системы [s1](#src-s1);

- если модель не находится без сети, помните, что Discover, загрузка моделей и получение runtime требуют интернета [s3](#src-s3);

- если загрузка упирается в память, запустите `lms load --estimate-only`, уменьшите контекст и проверьте GPU offload [s6](#src-s6);

- если вариант слишком тяжёлый, выберите меньшую модель или другую квантизацию, не называя размер файла минимальной RAM/VRAM [s4](#src-s4);

- если параметры каждый раз сбрасываются, сохраните per-model defaults для контекста, GPU offload и Flash Attention [s7](#src-s7);

- если API-клиент не подключается, проверьте базовый URL, порт, идентификатор загруженной модели и конкретный endpoint [s8](#src-s8).

После первого успешного запуска переходите к выбору модели под задачу. Сравнивайте назначение, лицензию, формат и проверяемый результат, а не только число параметров или популярность репозитория.

## Источники

1. [LM Studio Docs — System Requirements](https://lmstudio.ai/docs/app/system-requirements) — получено 2026-09-22
2. [LM Studio Docs — Get started with LM Studio](https://lmstudio.ai/docs/app/basics) — получено 2026-09-22
3. [LM Studio Docs — Offline Operation](https://lmstudio.ai/docs/app/offline) — получено 2026-09-22
4. [LM Studio Docs — Download an LLM](https://lmstudio.ai/docs/app/basics/download-model) — получено 2026-09-22
5. [LM Studio Docs — lms get](https://lmstudio.ai/docs/cli/local-models/get) — получено 2026-09-22
6. [LM Studio Docs — lms load](https://lmstudio.ai/docs/cli/load) — получено 2026-09-22
7. [LM Studio Docs — Per-model Defaults](https://lmstudio.ai/docs/app/advanced/per-model) — получено 2026-09-22
8. [LM Studio Docs — OpenAI Compatibility Endpoints](https://lmstudio.ai/docs/developer/openai-compat) — получено 2026-09-22