LM Studio

LM Studio exécute localement des modèles llama.cpp (GGUF) ou MLX, sous forme d’application avec interface graphique ou de daemon llmster sans interface. Pour l’installation et la documentation du produit, consultez lmstudio.ai.

Démarrage rapide

lms server start --port 1234

lms daemon up

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

openclaw onboard

Pour modifier ultérieurement le modèle par défaut :

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

Les clés de modèle LM Studio utilisent un format author/model-name (par exemple qwen/qwen3.5-9b) ; les références de modèle OpenClaw ajoutent le fournisseur en préfixe : lmstudio/qwen/qwen3.5-9b. Pour trouver la clé exacte d’un modèle, exécutez la commande ci-dessous et consultez le champ key :

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

Configuration initiale non interactive

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

Vous pouvez également spécifier explicitement l’URL de base, le modèle et la clé d’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 prend la clé de modèle renvoyée par LM Studio (par exemple qwen/qwen3.5-9b), sans le préfixe de fournisseur lmstudio/. Transmettez --lmstudio-api-key (ou définissez LM_API_TOKEN) pour les serveurs authentifiés ; omettez-la pour les serveurs sans authentification et OpenClaw stockera à la place un marqueur local non secret. --custom-api-key reste accepté à des fins de compatibilité, mais --lmstudio-api-key est recommandé.

Cette opération écrit models.providers.lmstudio et définit le modèle par défaut sur lmstudio/<custom-model-id>. La fourniture d’une clé d’API écrit également le profil d’authentification lmstudio:default.

La configuration interactive peut en outre demander une longueur de contexte de chargement préférée et l’appliquer à tous les modèles découverts qu’elle enregistre dans la configuration.

Configuration

Compatibilité de l’utilisation en streaming

LM Studio n’émet pas toujours un objet usage au format OpenAI dans les réponses diffusées en streaming. OpenClaw récupère plutôt le nombre de tokens à partir des métadonnées timings.prompt_n / timings.predicted_n au format llama.cpp. Tout point de terminaison compatible avec OpenAI résolu comme point de terminaison local (hôte loopback) bénéficie de la même solution de secours, ce qui couvre d’autres backends locaux tels que vLLM, SGLang, llama.cpp, LocalAI, Jan, TabbyAPI et text-generation-webui.

Compatibilité du raisonnement

Lorsque la découverte /api/v1/models de LM Studio signale des options de raisonnement propres au modèle, OpenClaw expose les valeurs reasoning_effort correspondantes (none, minimal, low, medium, high, xhigh) dans les métadonnées de compatibilité du modèle. Certaines versions de LM Studio annoncent une option binaire dans l’interface utilisateur (allowed_options: ["off", "on"]) tout en rejetant ces valeurs littérales dans /v1/chat/completions ; OpenClaw normalise cette forme binaire selon l’échelle à six niveaux avant d’envoyer les requêtes, y compris pour les anciennes configurations enregistrées qui comportent encore des correspondances de raisonnement off/on.

Configuration explicite

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

Désactivation du préchargement

LM Studio prend en charge le chargement juste-à-temps (JIT) des modèles, qui les charge à la première requête. Par défaut, OpenClaw précharge les modèles à l’aide du point de terminaison de chargement natif de LM Studio, ce qui est utile lorsque le JIT est désactivé. Pour laisser plutôt le JIT, le TTL d’inactivité et le comportement d’éviction automatique de LM Studio gérer le cycle de vie des modèles, désactivez l’étape de préchargement d’OpenClaw :

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

Hôte sur le LAN ou le tailnet

Utilisez l’adresse accessible de l’hôte LM Studio, conservez /v1 et assurez-vous que LM Studio est lié à une adresse autre que l’adresse loopback sur cette machine :

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

lmstudio approuve automatiquement son point de terminaison configuré pour les requêtes de modèle, notamment les hôtes loopback, LAN et tailnet (à l’exception des origines de métadonnées/link-local). Toute entrée de fournisseur compatible avec OpenAI personnalisée/locale bénéficie de la même approbation limitée à l’origine exacte. Les requêtes vers un autre hôte ou port privé nécessitent toujours models.providers.<id>.request.allowPrivateNetwork: true ; définissez-le sur false pour désactiver l’approbation par défaut.

Dépannage

LM Studio non détecté

Assurez-vous que LM Studio est en cours d’exécution :

lms server start --port 1234

Si l’authentification est activée, définissez également LM_API_TOKEN. Vérifiez que l’API est accessible :

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

Erreurs d’authentification (HTTP 401)

• Vérifiez que LM_API_TOKEN correspond à la clé configurée dans LM Studio.
• Consultez Authentification de LM Studio.
• Si le serveur ne nécessite pas d’authentification, laissez la clé vide pendant la configuration.

Pages connexes

• Sélection du modèle
• Ollama
• Modèles locaux