---
read_when:
    - आप LM Studio के माध्यम से ओपन सोर्स मॉडल के साथ OpenClaw चलाना चाहते हैं
    - आप LM Studio को सेट अप और कॉन्फ़िगर करना चाहते हैं
summary: LM Studio के साथ OpenClaw चलाएँ
title: LM Studio
x-i18n:
    generated_at: "2026-07-27T18:31:00Z"
    model: gpt-5.6
    postprocess_version: locale-links-v1
    prompt_version: 32
    provider: openai
    source_hash: f43b4d04aad6e5edfdf224747083834ebd441aa7f91ccbf2d61de990443fc414
    source_path: providers/lmstudio.md
    workflow: 16
---

LM Studio, llama.cpp (GGUF) या MLX मॉडल स्थानीय रूप से GUI ऐप या हेडलेस `llmster`
डेमन के रूप में चलाता है। इंस्टॉलेशन और उत्पाद दस्तावेज़ों के लिए [lmstudio.ai](https://lmstudio.ai/) देखें।

## त्वरित शुरुआत

<Steps>
  <Step title="सर्वर इंस्टॉल और शुरू करें">
    LM Studio (डेस्कटॉप) या `llmster` (हेडलेस) इंस्टॉल करें, फिर सर्वर शुरू करें:

    ```bash
    lms server start --port 1234
    ```

    या हेडलेस डेमन चलाएँ:

    ```bash
    lms daemon up
    ```

    डेस्कटॉप ऐप का उपयोग करते समय सुचारु मॉडल लोडिंग के लिए JIT सक्षम करें; इसके लिए
    [LM Studio JIT और TTL मार्गदर्शिका](https://lmstudio.ai/docs/developer/core/ttl-and-auto-evict) देखें।

  </Step>
  <Step title="प्रमाणीकरण सक्षम होने पर API कुंजी सेट करें">
    ```bash
    export LM_API_TOKEN="your-lm-studio-api-token"
    ```

    यदि LM Studio प्रमाणीकरण अक्षम है, तो सेटअप के दौरान API कुंजी खाली छोड़ें। देखें
    [LM Studio प्रमाणीकरण](https://lmstudio.ai/docs/developer/core/authentication)।

  </Step>
  <Step title="ऑनबोर्डिंग चलाएँ">
    ```bash
    openclaw onboard
    ```

    `LM Studio` चुनें, फिर `Default model` प्रॉम्प्ट पर एक मॉडल चुनें।

    नए निर्देशित सेटअप में OpenClaw पहले डिफ़ॉल्ट या कॉन्फ़िगर किए गए
    LM Studio होस्ट पर `/api/v1/models` से क्वेरी करता है। किसी मौजूदा LLM को स्वचालित रूप से
    तभी प्रस्तुत किया जाता है, जब LM Studio टूल प्रशिक्षण और कम-से-कम 16K प्रभावी
    कॉन्टेक्स्ट की रिपोर्ट करता है। लोड किए गए मॉडलों के लिए, लोड किए गए इंस्टेंस का कॉन्टेक्स्ट
    विज्ञापित अधिकतम सीमा से अधिक प्राथमिकता पाता है। वही CLI/macOS सेटअप क्रम
    सेटिंग सहेजने से पहले वास्तविक कम्प्लीशन के साथ रूट को सत्यापित करता है। स्वचालित जाँच कभी
    कोई मॉडल डाउनलोड नहीं करती और केवल एम्बेडिंग वाली कैटलॉग प्रविष्टियों को अनदेखा करती है।

  </Step>
</Steps>

बाद में डिफ़ॉल्ट मॉडल बदलें:

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

LM Studio मॉडल कुंजियाँ `author/model-name` प्रारूप का उपयोग करती हैं (उदा. `qwen/qwen3.5-9b`); OpenClaw मॉडल संदर्भों
में प्रदाता पहले जोड़ा जाता है: `lmstudio/qwen/qwen3.5-9b`। किसी मॉडल की सटीक कुंजी जानने के लिए नीचे दिया गया
कमांड चलाएँ और `key` फ़ील्ड देखें:

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

## गैर-इंटरैक्टिव ऑनबोर्डिंग

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

या बेस URL, मॉडल और API कुंजी स्पष्ट रूप से निर्दिष्ट करें:

```bash
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`, LM Studio द्वारा लौटाई गई मॉडल कुंजी (उदा. `qwen/qwen3.5-9b`) लेता है,
जिसमें `lmstudio/` प्रदाता उपसर्ग नहीं होता। प्रमाणीकृत सर्वरों के लिए `--lmstudio-api-key` दें (या `LM_API_TOKEN` सेट करें);
अप्रमाणीकृत सर्वरों के लिए इसे छोड़ दें और OpenClaw इसके बजाय एक स्थानीय गैर-गोपनीय मार्कर संग्रहीत करता है।
संगतता के लिए `--custom-api-key` अभी भी स्वीकार किया जाता है, लेकिन `--lmstudio-api-key` को प्राथमिकता दी जाती है।

यह `models.providers.lmstudio` लिखता है और डिफ़ॉल्ट मॉडल को `lmstudio/<custom-model-id>` पर सेट करता है।
API कुंजी देने पर `lmstudio:default` प्रमाणीकरण प्रोफ़ाइल भी लिखी जाती है।

इंटरैक्टिव सेटअप अतिरिक्त रूप से पसंदीदा लोड कॉन्टेक्स्ट लंबाई पूछ सकता है और उसे
खोजे गए उन सभी मॉडलों पर लागू करता है जिन्हें वह कॉन्फ़िगरेशन में सहेजता है।

## कॉन्फ़िगरेशन

### स्ट्रीमिंग उपयोग संगतता

LM Studio हमेशा स्ट्रीम किए गए प्रत्युत्तरों में OpenAI-आकार का `usage` ऑब्जेक्ट उत्सर्जित नहीं करता। OpenClaw
इसके बजाय llama.cpp-शैली के `timings.prompt_n` / `timings.predicted_n` मेटाडेटा से
टोकन गणना पुनर्प्राप्त करता है। स्थानीय एंडपॉइंट (लूपबैक होस्ट) के रूप में रिज़ॉल्व होने वाले किसी भी OpenAI-संगत एंडपॉइंट को यही
फ़ॉलबैक मिलता है, जिसमें vLLM, SGLang, llama.cpp, LocalAI, Jan, TabbyAPI
और text-generation-webui जैसे अन्य स्थानीय बैकएंड शामिल हैं।

### चिंतन संगतता

जब LM Studio की `/api/v1/models` खोज मॉडल-विशिष्ट रीजनिंग विकल्पों की रिपोर्ट करती है, तब OpenClaw
मॉडल संगतता मेटाडेटा में संबंधित `reasoning_effort` मान (`none`, `minimal`, `low`, `medium`, `high`, `xhigh`) उपलब्ध कराता है।
कुछ LM Studio बिल्ड एक बाइनरी UI विकल्प (`allowed_options: ["off",
"on"]`) विज्ञापित करते हैं, लेकिन `/v1/chat/completions` पर उन शाब्दिक मानों को अस्वीकार करते हैं; OpenClaw अनुरोध भेजने से पहले
उस बाइनरी आकार को छह-स्तरीय पैमाने में सामान्यीकृत करता है, जिसमें पुराने सहेजे गए कॉन्फ़िगरेशन भी शामिल हैं
जिनमें अभी भी `off`/`on` रीजनिंग मैप हैं।

### स्पष्ट कॉन्फ़िगरेशन

```json5
{
  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,
          },
        ],
      },
    },
  },
}
```

### प्रीलोड अक्षम करना

LM Studio जस्ट-इन-टाइम (JIT) मॉडल लोडिंग का समर्थन करता है, जो पहले अनुरोध पर मॉडल लोड करती है। OpenClaw
डिफ़ॉल्ट रूप से LM Studio के मूल लोड एंडपॉइंट के माध्यम से मॉडल प्रीलोड करता है, जो JIT
अक्षम होने पर सहायक होता है। इसके बजाय मॉडल जीवनचक्र को LM Studio के JIT, निष्क्रिय TTL और ऑटो-इविक्ट व्यवहार द्वारा प्रबंधित होने देने के लिए,
OpenClaw का प्रीलोड चरण अक्षम करें:

```json5
{
  models: {
    providers: {
      lmstudio: {
        baseUrl: "http://localhost:1234/v1",
        api: "openai-completions",
        params: { preload: false },
        models: [{ id: "qwen/qwen3.5-9b" }],
      },
    },
  },
}
```

### LAN या टेलनेट होस्ट

LM Studio होस्ट के पहुँच-योग्य पते का उपयोग करें, `/v1` बनाए रखें और सुनिश्चित करें कि उस मशीन पर LM Studio
लूपबैक के बाहर भी बाइंड है:

```json5
{
  models: {
    providers: {
      lmstudio: {
        baseUrl: "http://gpu-box.local:1234/v1",
        apiKey: "lmstudio",
        api: "openai-completions",
        models: [{ id: "qwen/qwen3.5-9b" }],
      },
    },
  },
}
```

`lmstudio` मॉडल अनुरोधों के लिए अपने कॉन्फ़िगर किए गए एंडपॉइंट पर स्वचालित रूप से भरोसा करता है, जिसमें लूपबैक,
LAN और टेलनेट होस्ट शामिल हैं (मेटाडेटा/लिंक-लोकल मूल को छोड़कर)। किसी भी कस्टम/स्थानीय OpenAI-संगत
प्रदाता प्रविष्टि को समान सटीक-मूल विश्वास मिलता है। किसी अलग निजी होस्ट या पोर्ट के अनुरोधों के लिए अभी भी
`models.providers.<id>.request.allowPrivateNetwork: true` आवश्यक है; डिफ़ॉल्ट विश्वास से बाहर निकलने के लिए इसे
`false` पर सेट करें।

## समस्या निवारण

### LM Studio का पता नहीं चला

सुनिश्चित करें कि LM Studio चल रहा है:

```bash
lms server start --port 1234
```

यदि प्रमाणीकरण सक्षम है, तो `LM_API_TOKEN` भी सेट करें। सत्यापित करें कि API तक पहुँचा जा सकता है:

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

### प्रमाणीकरण त्रुटियाँ (HTTP 401)

- जाँचें कि `LM_API_TOKEN`, LM Studio में कॉन्फ़िगर की गई कुंजी से मेल खाता है।
- [LM Studio प्रमाणीकरण](https://lmstudio.ai/docs/developer/core/authentication) देखें।
- यदि सर्वर को प्रमाणीकरण की आवश्यकता नहीं है, तो सेटअप के दौरान कुंजी खाली छोड़ें।

## संबंधित

- [मॉडल चयन](/hi/concepts/model-providers)
- [Ollama](/hi/providers/ollama)
- [स्थानीय मॉडल](/hi/gateway/local-models)