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, visita 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 modelo 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, ejecuta el siguiente comando y consulta el campo key:

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

Configuración inicial no interactiva

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

También puedes 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/. Proporciona --lmstudio-api-key (o establece LM_API_TOKEN) para servidores con autenticación; omítelo para servidores sin autenticación y OpenClaw almacenará en su lugar un marcador local que no es secreto. --custom-api-key sigue aceptándose por compatibilidad, pero se recomienda --lmstudio-api-key.

Esto escribe models.providers.lmstudio y establece el modelo predeterminado en lmstudio/<custom-model-id>. 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 los modelos detectados que guarda en la configuración.

Configuración

Compatibilidad del uso durante 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 a partir de los metadatos timings.prompt_n / timings.predicted_n propios de llama.cpp. Cualquier endpoint compatible con OpenAI que se resuelva como endpoint local (host de local loopback) obtiene este mismo mecanismo alternativo, que también abarca otros motores locales como vLLM, SGLang, llama.cpp, LocalAI, Jan, TabbyAPI y text-generation-webui.

Compatibilidad del razonamiento

Cuando la detección mediante /api/v1/models de LM Studio informa de opciones de razonamiento específicas del modelo, OpenClaw expone los valores de 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 (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, incluso para configuraciones guardadas anteriormente que todavía 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 el comportamiento de expulsión automática de LM Studio gestionen el ciclo de vida del modelo, deshabilita 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

Utiliza la dirección accesible del host de LM Studio, conserva /v1 y asegúrate de que LM Studio esté vinculado a una dirección distinta de local loopback en esa máquina:

{  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 local loopback, LAN y tailnet (excepto los orígenes de metadatos o de enlace local). Cualquier entrada de proveedor personalizada o local compatible con OpenAI obtiene la misma confianza de origen exacto. Las solicitudes a otro host o puerto privado siguen requiriendo models.providers.<id>.request.allowPrivateNetwork: true; establécelo en false para excluirte de la confianza predeterminada.

Solución de problemas

No se detecta LM Studio

Asegúrate de que LM Studio esté en ejecución:

lms server start --port 1234

Si la autenticación está habilitada, establece también LM_API_TOKEN. Comprueba que la API sea accesible:

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

Errores de autenticación (HTTP 401)

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

Contenido relacionado

• Selección de modelos
• Ollama
• Modelos locales