LM Studio

LM Studio ejecuta modelos llama.cpp (GGUF) o MLX localmente, como aplicación con interfaz gráfica o mediante el daemon sin interfaz llmster. Para consultar la instalación y la documentación del producto, véase lmstudio.ai.

Inicio rápido

lms server start --port 1234

lms daemon up

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

openclaw onboard

Para cambiar posteriormente el modelo predeterminado:

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

Las claves de modelos de LM Studio utilizan el formato author/model-name (por ejemplo, qwen/qwen3.5-9b); las referencias de modelos de OpenClaw anteponen el proveedor: lmstudio/qwen/qwen3.5-9b. Para encontrar la clave exacta de un modelo, ejecute el siguiente comando y consulte el campo key:

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

Incorporación no interactiva

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

También puede especificar explícitamente la URL base, el modelo y la clave de 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 recibe la clave del modelo tal como la devuelve LM Studio (por ejemplo, qwen/qwen3.5-9b), sin el prefijo de proveedor lmstudio/. Pase --lmstudio-api-key (o establezca LM_API_TOKEN) para los servidores con autenticación; omítalo para los servidores sin autenticación y OpenClaw almacenará en su lugar un marcador local no secreto. --custom-api-key sigue siendo compatible, pero se prefiere --lmstudio-api-key.

Esto escribe models.providers.lmstudio y establece lmstudio/<custom-model-id> como modelo predeterminado. Al proporcionar una clave de API, también se escribe el perfil de autenticación lmstudio:default.

La configuración interactiva también puede solicitar una longitud de contexto de carga preferida y aplicarla a todos los modelos detectados que guarda en la configuración.

Configuración

Compatibilidad del uso con la transmisión

LM Studio no siempre emite un objeto usage con el formato de OpenAI en las respuestas transmitidas. OpenClaw recupera en su lugar los recuentos de tokens de los metadatos de estilo llama.cpp timings.prompt_n / timings.predicted_n. Cualquier endpoint compatible con OpenAI que se resuelva como endpoint local (host de bucle invertido) obtiene el mismo mecanismo alternativo, lo que abarca otros backends locales como vLLM, SGLang, llama.cpp, LocalAI, Jan, TabbyAPI y text-generation-webui.

Compatibilidad del razonamiento

Cuando la detección /api/v1/models de LM Studio informa de opciones de razonamiento específicas del modelo, OpenClaw expone los valores reasoning_effort correspondientes (none, minimal, low, medium, high, xhigh) en los metadatos de compatibilidad del modelo. Algunas versiones de LM Studio anuncian una opción binaria en la interfaz de usuario (allowed_options: ["off", "on"]), pero rechazan esos valores literales en /v1/chat/completions; OpenClaw normaliza esa estructura binaria a la escala de seis niveles antes de enviar las solicitudes, también para configuraciones guardadas anteriormente que aún contienen mapas de razonamiento off/on.

Configuración explícita

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

Deshabilitar la precarga

LM Studio admite la carga de modelos justo a tiempo (JIT), que carga los modelos con la primera solicitud. De forma predeterminada, OpenClaw precarga los modelos mediante el endpoint de carga nativo de LM Studio, lo que resulta útil cuando JIT está deshabilitado. Para que JIT, el TTL de inactividad y la expulsión automática de LM Studio gestionen el ciclo de vida del modelo, deshabilite el paso de precarga de OpenClaw:

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

Host de LAN o tailnet

Utilice la dirección accesible del host de LM Studio, mantenga /v1 y asegúrese de que LM Studio esté vinculado más allá de la interfaz de bucle invertido en ese equipo:

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

lmstudio confía automáticamente en su endpoint configurado para las solicitudes de modelos, incluidos los hosts de bucle invertido, LAN y tailnet (excepto los orígenes de metadatos o de vínculo local). Cualquier entrada de proveedor personalizada/local compatible con OpenAI obtiene la misma confianza en el origen exacto. Las solicitudes a otro host privado o puerto siguen requiriendo models.providers.<id>.request.allowPrivateNetwork: true; establézcalo en false para no utilizar la confianza predeterminada.

Solución de problemas

No se detecta LM Studio

Asegúrese de que LM Studio esté en ejecución:

lms server start --port 1234

Si la autenticación está habilitada, establezca también LM_API_TOKEN. Compruebe que la API sea accesible:

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

Errores de autenticación (HTTP 401)

• Compruebe que LM_API_TOKEN coincida con la clave configurada en LM Studio.
• Consulte Autenticación de LM Studio.
• Si el servidor no requiere autenticación, deje la clave en blanco durante la configuración.

Contenido relacionado

• Selección de modelos
• Ollama
• Modelos locales