LM Studio のインストール方法：macOS・Windows・Linux 向けデスクトップアプリ設定ガイド

LM Studio とは

LM Studioのシステム要件は何ですか？

LM Studioをダウンロードしてインストールする方法

1. 1
   lmstudio.aiにアクセスして、お使いのOSのダウンロードボタンをクリック。
2. 2
   macOS：.dmgファイルを開いてLM Studioをアプリケーションにドラッグ。初回起動時に、システム環境設定→プライバシーとセキュリティでセキュリティプロンプトを承認。
3. 3
   Windows：LM-Studio-Setup.exeインストーラーを実行。LM Studioは%LOCALAPPDATA%\LM-Studioにインストール。
4. 4
   Linux：.AppImageファイルをダウンロード。`chmod +x LM-Studio-*.AppImage`で実行可能にして実行。システムインストール不要。
5. 5
   初回起動時に、LM Studioはウェルカムスクリーンを表示し、モデルのダウンロードをお願い。

LM StudioでモデルをNative検索してダウンロードする方法

1. 1
   左サイドバーの検索タブをクリック。
2. 2
   モデル名を入力--例えば「llama 3.1」または「phi-3 mini」。
3. 3
   LM Studioはファイルサイズと量子化オプションを含むHugging FaceのマッチングGGUFモデルを表示。
4. 4
   量子化レベルを選択。8GBのRAM用：Q4_K_M（7Bモデルの場合～4.5GB）を選択。16GBのRAM用：Q5_K_MまたはQ6_Kの方が品質が良い。
5. 5
   ダウンロード矢印をクリック。プログレスはダウンロードタブに表示。

LM StudioでモデルとのチャットをNative開始する方法

1. 1
   左サイドバーのチャットタブ（吹き出しアイコン）をクリック。
2. 2
   チャットウィンドウの上部で、モデルセレクタードロップダウンをクリックしてダウンロード済みモデルを選択。
3. 3
   LM Studioはモデルをメモリにロード--これはモデルサイズとハードウェアによって5～30秒かかる。
4. 4
   下部の入力フィールドにメッセージを入力し、Enterキーを押すか送信をクリック。
5. 5
   モデルの応答はトークンバイトークンでストリーム配信。生成速度はウィンドウの下部のステータスバーに表示。

LM Studioでモデル設定を調整する方法

• Temperature（デフォルト0.8）：応答のランダム性を制御。低い値（0.1～0.4）はより焦点を絞った、予測可能な出力を生成。高い値（0.8～1.2）はより多様で創造的な出力を生成。
• Context Length（デフォルト4096トークン）：モデルが処理できる最大会話履歴。より長いコンテキストはより多くのRAMを使用。ほとんどの7Bモデルは4096～8192トークンをサポート。
• GPU Layers（macOS/Linux/Windows with GPU）：モデルレイヤーの数をGPUにオフロード。GPU用に十分なVRAMがあれば、高速推論のため最大に設定。
• System Prompt：すべての会話の前に付加される永続的な指示。これを使用してモデルの役割または動作を設定。

LM StudioローカルサーバーをNative有効にする方法

1. 1
   左サイドバーのローカルサーバータブ（「<->」アイコン）をクリック。
2. 2
   上部のモデルドロップダウンでモデルを選択。
3. 3
   「サーバーを開始」をクリック。サーバーはhttp://localhost:1234で起動。
4. 4
   アプリケーションは`base_url = "http://localhost:1234/v1"`を設定し、APIキーとして任意の文字列を使用する必要がある（サーバーは任意の値を受け入れる）。

Pythonを介してLM Studioに接続する方法

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:1234/v1",
    api_key="not-needed"
)

response = client.chat.completions.create(
    model="local-model",
    messages=[{"role": "user", "content": "What is a local LLM?"}]
)
print(response.choices[0].message.content)

LM StudioまたはOllamaを選択する方法

LM Studioの一般的な問題をNativeトラブルシューティングする方法

プライバシーに敏感なユースケース向けのLM Studio

LM Studioをインストールするときの一般的な間違いは何ですか？

• 選択したモデルに十分なシステムRAMを割り当てていない。 モデルファイルサイズをチェックして1.2を掛ける--これは必要な最小空きRAM。4.5GB Q4_K_M 7Bモデルは～5.4GB空きRAMが必要。
• GPU VRAMにはまだ大きすぎる事前量子化モデルを使用している。 モデルがVRAMを超える場合、LM StudioはCPU推論にフォールバック--5～10倍低速。ダウンロード前にファイルサイズとGPU VRAMを確認。
• CPU専用システムから大規模モデルからの即座の応答を期待している。 7Bモデルは秒あたり8～20トークンを生成--200トークン応答は10～25秒かかる。これは正常。CPU専用マシンで高速応答を見つけるためには3Bモデルを使用。
• NVIDIAマシンのGPU Layersを0に設定している： LM StudioはCUDAを自動検出すべきだが、新規インストール後に時々デフォルト0 GPUレイヤーになる。モデルパネルを開く→GPU Layers→最大値にドラッグ。RTX 4070（12GB VRAM）では、7Bモデルで最大レイヤーは8 tok/sec（CPU）から80+ tok/sec（GPU）に移動--10倍の違い。
• FP16モデルが利用可能であるときQ4_K_Mをダウンロードしている。 FP16モデルはチャットタスク用のNativeQ4_K_Mより2倍大きい。7BモデルのFP16は～14GB；同じモデルがQ4_K_MではNative～4.5GB。より高い精度を使用する特定の理由がない限り、常にデフォルトとしてQ4_K_Mをダウンロード。

関連読み物

• ローカルLLMとは何ですか？ -- コア概念とコンポーネント
• はじめてのローカルLLMを実行 -- インストール後の次のステップ
• Ollamaのインストール方法 -- LM Studioのターミナルベースの代替案
• 初心者向けベストローカルLLMモデル -- ハードウェアごとのモデル推奨
• ローカルLLMハードウェアガイド2026 -- LM StudioでNativeハードウェアから最高のパフォーマンスを取得するためのGPUおよびRAM推奨
• ローカルLLM対クラウドAPI -- ローカル推論がNativeハードウェアの正しい選択であるときを決定するためのコストと速度の比較
• 2026年コーディング用ローカルLLM比較 — Qwen3-CoderとDeepSeekのベンチマーク

よくある質問

ソース

• LM Studio. (2026). "LM Studioドキュメンテーションおよびリリースノート。" lmstudio.ai. https://lmstudio.ai/docs -- 公式インストールガイド、APIドキュメンテーション、およびハードウェア互換情報。
• Hugging Face. (2026). "GGUFモデルハブ。" https://huggingface.co/models?library=gguf -- LM Studio model browserと互換性のあるGGUF-量子化モデルの完全ディレクトリ。
• llama.cppコントリビューター。(2026). "llama.cpp -- CPU/GPU推論エンジン。" https://github.com/ggerganov/llama.cpp -- LM Studioによって使用される推論バックエンド、ハードウェア互換性およびパフォーマンスデータ付き。