LM Studio

O LM Studio executa modelos llama.cpp (GGUF) ou MLX localmente, como um aplicativo com interface gráfica ou pelo daemon llmster sem interface gráfica. Para instalação e documentação do produto, consulte lmstudio.ai.

Início rápido

lms server start --port 1234

lms daemon up

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

openclaw onboard

Altere o modelo padrão posteriormente:

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

As chaves de modelo do LM Studio usam o formato author/model-name (por exemplo, qwen/qwen3.5-9b); as referências de modelo do OpenClaw adicionam o provedor como prefixo: lmstudio/qwen/qwen3.5-9b. Encontre a chave exata de um modelo executando o comando abaixo e consultando o campo key:

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

Integração inicial não interativa

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

Ou especifique explicitamente a URL base, o modelo e a chave 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 recebe a chave do modelo conforme retornada pelo LM Studio (por exemplo, qwen/qwen3.5-9b), sem o prefixo de provedor lmstudio/. Passe --lmstudio-api-key (ou defina LM_API_TOKEN) para servidores autenticados; omita essa opção para servidores sem autenticação, e o OpenClaw armazenará um marcador local não secreto. --custom-api-key ainda é aceito por compatibilidade, mas --lmstudio-api-key é a opção preferencial.

Isso grava models.providers.lmstudio e define o modelo padrão como lmstudio/<custom-model-id>. Fornecer uma chave de API também grava o perfil de autenticação lmstudio:default.

A configuração interativa também pode solicitar um tamanho preferencial para a janela de contexto carregada e aplicá-lo a todos os modelos descobertos que forem salvos na configuração.

Configuração

Compatibilidade do uso em streaming

O LM Studio nem sempre emite um objeto usage no formato da OpenAI em respostas transmitidas por streaming. O OpenClaw recupera as contagens de tokens dos metadados timings.prompt_n / timings.predicted_n no estilo do llama.cpp. Qualquer endpoint compatível com a OpenAI identificado como endpoint local (host de loopback) recebe o mesmo fallback, abrangendo outros backends locais, como vLLM, SGLang, llama.cpp, LocalAI, Jan, TabbyAPI e text-generation-webui.

Compatibilidade de raciocínio

Quando a descoberta por /api/v1/models do LM Studio informa opções de raciocínio específicas do modelo, o OpenClaw expõe valores correspondentes de reasoning_effort (none, minimal, low, medium, high, xhigh) nos metadados de compatibilidade do modelo. Algumas versões do LM Studio anunciam uma opção binária na interface (allowed_options: ["off", "on"]), mas rejeitam esses valores literais em /v1/chat/completions; o OpenClaw normaliza esse formato binário para a escala de seis níveis antes de enviar solicitações, inclusive em configurações antigas salvas que ainda contêm mapas de raciocínio off/on.

Configuração 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,          },        ],      },    },  },}

Como desabilitar o pré-carregamento

O LM Studio oferece suporte ao carregamento de modelos just-in-time (JIT), carregando-os na primeira solicitação. Por padrão, o OpenClaw pré-carrega os modelos pelo endpoint de carregamento nativo do LM Studio, o que ajuda quando o JIT está desabilitado. Para permitir que o JIT, o TTL de inatividade e a remoção automática do LM Studio controlem o ciclo de vida dos modelos, desabilite a etapa de pré-carregamento do OpenClaw:

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

Host na LAN ou tailnet

Use o endereço acessível do host do LM Studio, mantenha /v1 e certifique-se de que o LM Studio esteja vinculado a uma interface além do loopback nessa máquina:

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

lmstudio confia automaticamente no endpoint configurado para solicitações de modelo, incluindo hosts de loopback, LAN e tailnet (exceto origens de metadados/link-local). Qualquer entrada de provedor personalizado/local compatível com a OpenAI recebe a mesma confiança de origem exata. Solicitações para outro host ou porta privada ainda exigem models.providers.<id>.request.allowPrivateNetwork: true; defina como false para não usar a confiança padrão.

Solução de problemas

LM Studio não detectado

Verifique se o LM Studio está em execução:

lms server start --port 1234

Se a autenticação estiver habilitada, defina também LM_API_TOKEN. Verifique se a API está acessível:

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

Erros de autenticação (HTTP 401)

• Verifique se LM_API_TOKEN corresponde à chave configurada no LM Studio.
• Consulte Autenticação do LM Studio.
• Se o servidor não exigir autenticação, deixe a chave em branco durante a configuração.

Conteúdo relacionado

• Seleção de modelos
• Ollama
• Modelos locais