如何安装 LM Studio：macOS、Windows 和 Linux 的桌面应用设置指南

LM Studio 是什么？

LM Studio 的系统要求是什么？

如何下载和安装 LM Studio

1. 1
   访问 lmstudio.ai 并单击您的操作系统的下载按钮。
2. 2
   macOS：打开 .dmg 文件并将 LM Studio 拖到应用程序。首次启动时，在系统偏好设置 → 隐私和安全中批准安全提示。
3. 3
   Windows：运行 LM-Studio-Setup.exe 安装程序。LM Studio 安装在 %LOCALAPPDATA%\LM-Studio。
4. 4
   Linux：下载 .AppImage 文件。用 `chmod +x LM-Studio-*.AppImage` 使其可执行并运行。不需要系统安装。
5. 5
   首次启动时，LM Studio 会显示欢迎屏幕并提示您下载模型。

如何在 LM Studio 中查找和下载模型

1. 1
   单击左侧边栏中的搜索选项卡。
2. 2
   键入模型名称 - 例如"llama 3.1"或"phi-3 mini"。
3. 3
   LM Studio 显示来自 Hugging Face 的匹配 GGUF 模型，带有文件大小和量化选项。
4. 4
   选择量化级别。对于 8GB RAM：选择 Q4_K_M（7B 模型约 4.5GB）。对于 16GB RAM：Q5_K_M 或 Q6_K 提供更好的质量。
5. 5
   单击下载箭头。进度显示在下载选项卡中。

如何在 LM Studio 中开始与模型聊天

1. 1
   单击左侧边栏中的聊天选项卡（语音气泡图标）。
2. 2
   在聊天窗口顶部，单击模型选择器下拉菜单并选择您下载的模型。
3. 3
   LM Studio 将模型加载到内存 - 这根据模型大小和硬件需要 5-30 秒。
4. 4
   在底部的输入字段中输入您的消息，然后按 Enter 或单击发送。
5. 5
   模型的响应逐个令牌流式传输。生成速度出现在窗口底部的状态栏中。

如何在 LM Studio 中调整模型设置

• 温度（默认 0.8）：控制响应随机性。较低的值（0.1-0.4）产生更集中、可预测的输出。较高的值（0.8-1.2）产生更多样化、创意的输出。
• 上下文长度（默认 4096 令牌）：模型可以处理的最大对话历史。更长的上下文使用更多 RAM。大多数 7B 模型支持 4096-8192 令牌。
• GPU 层（macOS/Linux/Windows with GPU）：有多少模型层卸载到 GPU。如果您的 GPU 有足够的 VRAM，设置为最大以实现最快推理。
• 系统提示：在每次对话前添加的持久指令。使用此设置模型的角色或行为。

如何启用 LM Studio 本地服务器

1. 1
   单击左侧边栏中的本地服务器选项卡（"<->"图标）。
2. 2
   在顶部的模型下拉菜单中选择一个模型。
3. 3
   单击"启动服务器"。服务器在 http://localhost:1234 上启动。
4. 4
   您的应用应设置 `base_url = "http://localhost:1234/v1"` 和任何字符串作为 API 密钥（服务器接受任何值）。

如何通过 Python 连接到 LM Studio

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)

应该使用 LM Studio 还是 Ollama

如何排查 LM Studio 常见问题

对隐私敏感的用例 LM Studio

安装 LM Studio 时常见的错误是什么

• 未为所选模型分配足够的系统 RAM。 检查模型文件大小并乘以 1.2 - 这是所需的最小可用 RAM。4.5GB Q4_K_M 7B 模型需要约 5.4GB 可用 RAM。
• 使用预量化模型仍然对您的 GPU VRAM 来说太大。 如果模型超过 VRAM，LM Studio 会回退到 CPU 推理，速度快 5-10 倍。在下载前检查文件大小与您的 GPU VRAM。
• 期望来自 CPU 专用系统上大型模型的即时响应。 7B 模型在 CPU 上生成 8-20 令牌/秒 - 200 令牌响应需要 10-25 秒。这是正常的。对于仅 CPU 机器上的更快响应，使用 3B 模型。
• 在 NVIDIA 机器上设置 GPU 层为 0： LM Studio 应自动检测 CUDA，但在新安装后有时默认为 0 GPU 层。打开模型面板 → GPU 层 → 拖到最大。在 RTX 4070（12GB VRAM）上，7B 模型的最大层从 8 tok/sec（CPU）移动到 80+ tok/sec（GPU）- 10 倍差异。
• 当 Q4_K_M 可用时下载 FP16 模型。 FP16 模型对于聊天任务比 Q4_K_M 大两倍，质量收益可忽略不计。7B 模型的 FP16 约为 14GB；同一模型在 Q4_K_M 约为 4.5GB。除非您有特定理由使用更高精度，否则始终默认下载 Q4_K_M。

延伸阅读

• 什么是本地 LLM？ -- 核心概念和组件
• 运行您的第一个本地 LLM -- 安装后的后续步骤
• 如何安装 Ollama -- LM Studio 的基于终端的替代方案
• 初学者最佳本地 LLM 模型 -- 按硬件的模型建议
• 本地 LLM 硬件指南 2026 -- GPU 和 RAM 建议以从您的硬件获得 LM Studio 的最佳性能
• 本地 LLM vs 云 API -- 成本和速度比较以决定何时本地 LM Studio 推理是正确的选择
• 2026年最佳编程本地LLM对比 — Qwen3-Coder与DeepSeek基准测试

常见问题

资源

• LM Studio. (2026). "LM Studio 文档和发行说明。" lmstudio.ai. https://lmstudio.ai/docs -- 官方安装指南、API 文档和硬件兼容性信息。
• Hugging Face. (2026). "GGUF 模型中心。" https://huggingface.co/models?library=gguf -- 与 LM Studio 模型浏览器兼容的 GGUF 量化模型的完整目录。
• llama.cpp 贡献者。(2026). "llama.cpp -- CPU/GPU 推理引擎。" https://github.com/ggerganov/llama.cpp -- LM Studio 使用的推理后端，带有硬件兼容性和性能数据。