--- read_when: - Você quer executar o OpenClaw com modelos de código aberto via LM Studio - Você quer configurar o LM Studio summary: Executar o OpenClaw com o LM Studio title: LM Studio x-i18n: generated_at: "2026-05-02T22:21:45Z" model: gpt-5.5 provider: openai source_hash: 814117ecbdc52cf67e921d0f0d67c4219f8bdc15fb8cf34b983cda775cba9b9e source_path: providers/lmstudio.md workflow: 16 --- O LM Studio é um app amigável, mas poderoso, para executar modelos de pesos abertos no seu próprio hardware. Ele permite executar modelos llama.cpp (GGUF) ou MLX (Apple Silicon). Vem em um pacote com GUI ou como daemon sem interface gráfica (`llmster`). Para documentação do produto e de configuração, consulte [lmstudio.ai](https://lmstudio.ai/). ## Início rápido 1. Instale o LM Studio (desktop) ou `llmster` (sem interface gráfica) e, em seguida, inicie o servidor local: ```bash curl -fsSL https://lmstudio.ai/install.sh | bash ``` 2. Inicie o servidor Certifique-se de iniciar o app desktop ou executar o daemon usando o seguinte comando: ```bash lms daemon up ``` ```bash lms server start --port 1234 ``` Se você estiver usando o app, certifique-se de ter o JIT habilitado para uma experiência fluida. Saiba mais no [guia de JIT e TTL do LM Studio](https://lmstudio.ai/docs/developer/core/ttl-and-auto-evict). 3. Se a autenticação do LM Studio estiver habilitada, defina `LM_API_TOKEN`: ```bash export LM_API_TOKEN="your-lm-studio-api-token" ``` Se a autenticação do LM Studio estiver desabilitada, você pode deixar a chave de API em branco durante a configuração interativa do OpenClaw. Para detalhes de configuração da autenticação do LM Studio, consulte [Autenticação do LM Studio](https://lmstudio.ai/docs/developer/core/authentication). 4. Execute a integração inicial e escolha `LM Studio`: ```bash openclaw onboard ``` 5. Na integração inicial, use o prompt `Default model` para escolher seu modelo do LM Studio. Você também pode definir ou alterá-lo depois: ```bash openclaw models set lmstudio/qwen/qwen3.5-9b ``` As chaves de modelo do LM Studio seguem o formato `author/model-name` (por exemplo, `qwen/qwen3.5-9b`). As refs de modelo do OpenClaw prefixam o nome do provedor: `lmstudio/qwen/qwen3.5-9b`. Você pode encontrar a chave exata de um modelo executando `curl http://localhost:1234/api/v1/models` e verificando o campo `key`. ## Integração inicial não interativa Use a integração inicial não interativa quando quiser automatizar a configuração por script (CI, provisionamento, bootstrap remoto): ```bash openclaw onboard \ --non-interactive \ --accept-risk \ --auth-choice lmstudio ``` Ou especifique a URL base, o modelo e a chave de API opcional: ```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` recebe a chave do modelo conforme retornada pelo LM Studio (por exemplo, `qwen/qwen3.5-9b`), sem o prefixo de provedor `lmstudio/`. Para servidores LM Studio autenticados, passe `--lmstudio-api-key` ou defina `LM_API_TOKEN`. Para servidores LM Studio não autenticados, omita a chave; o OpenClaw armazena um marcador local não secreto. `--custom-api-key` continua compatível por compatibilidade, mas `--lmstudio-api-key` é preferível para o LM Studio. Isso grava `models.providers.lmstudio` e define o modelo padrão como `lmstudio/`. Quando você fornece uma chave de API, a configuração também grava o perfil de autenticação `lmstudio:default`. A configuração interativa pode solicitar um comprimento de contexto de carregamento preferido opcional e aplicá-lo aos modelos do LM Studio descobertos que ela salva na configuração. A configuração do Plugin do LM Studio confia no endpoint configurado do LM Studio para solicitações de modelo, incluindo hosts loopback, LAN e tailnet. Você pode optar por sair definindo `models.providers.lmstudio.request.allowPrivateNetwork: false`. ## Configuração ### Compatibilidade de uso em streaming O LM Studio é compatível com uso em streaming. Quando ele não emite um objeto `usage` no formato do OpenAI, o OpenClaw recupera as contagens de tokens a partir dos metadados `timings.prompt_n` / `timings.predicted_n` no estilo llama.cpp. O mesmo comportamento de uso em streaming se aplica a estes backends locais compatíveis com OpenAI: - vLLM - SGLang - llama.cpp - LocalAI - Jan - TabbyAPI - text-generation-webui ### Compatibilidade de raciocínio Quando a descoberta de `/api/v1/models` do LM Studio relata opções de raciocínio específicas do modelo, o OpenClaw expõe os valores `reasoning_effort` compatíveis com OpenAI correspondentes nos metadados de compatibilidade do modelo. Builds atuais do LM Studio podem anunciar opções binárias de UI, como `allowed_options: ["off", "on"]`, enquanto rejeitam esses valores em `/v1/chat/completions`; o OpenClaw normaliza esse formato binário de descoberta para `none`, `minimal`, `low`, `medium`, `high` e `xhigh` antes de enviar solicitações. Configurações salvas antigas do LM Studio que contêm mapas de raciocínio `off`/`on` são normalizadas da mesma forma quando o catálogo é carregado. ### Configuração explícita ```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, }, ], }, }, }, } ``` ## Solução de problemas ### LM Studio não detectado Certifique-se de que o LM Studio esteja em execução. Se a autenticação estiver habilitada, defina também `LM_API_TOKEN`: ```bash # Start via desktop app, or headless: lms server start --port 1234 ``` Verifique se a API está acessível: ```bash curl http://localhost:1234/api/v1/models ``` ### Erros de autenticação (HTTP 401) Se a configuração relatar HTTP 401, verifique sua chave de API: - Verifique se `LM_API_TOKEN` corresponde à chave configurada no LM Studio. - Para detalhes de configuração da autenticação do LM Studio, consulte [Autenticação do LM Studio](https://lmstudio.ai/docs/developer/core/authentication). - Se seu servidor não exigir autenticação, deixe a chave em branco durante a configuração. ### Carregamento de modelo just-in-time O LM Studio oferece suporte ao carregamento de modelos just-in-time (JIT), em que os modelos são carregados na primeira solicitação. O OpenClaw pré-carrega modelos por meio do endpoint de carregamento nativo do LM Studio por padrão, o que ajuda quando o JIT está desabilitado. Para permitir que o JIT, o TTL ocioso e o comportamento de auto-remoção do LM Studio gerenciem o ciclo de vida do modelo, desabilite a etapa de pré-carregamento do OpenClaw: ```json5 { models: { providers: { lmstudio: { baseUrl: "http://localhost:1234/v1", api: "openai-completions", params: { preload: false }, models: [{ id: "qwen/qwen3.5-9b" }], }, }, }, } ``` ### Host LM Studio em LAN ou tailnet Use o endereço acessível do host do LM Studio, mantenha `/v1` e certifique-se de que o LM Studio esteja vinculado além do loopback nessa máquina: ```json5 { models: { providers: { lmstudio: { baseUrl: "http://gpu-box.local:1234/v1", apiKey: "lmstudio", api: "openai-completions", models: [{ id: "qwen/qwen3.5-9b" }], }, }, }, } ``` Diferentemente de provedores genéricos compatíveis com OpenAI, `lmstudio` confia automaticamente no endpoint local/privado configurado para solicitações de modelo protegidas. IDs de provedor personalizados de loopback, como `localhost` ou `127.0.0.1`, também são confiáveis automaticamente; para IDs de provedor personalizados de LAN, tailnet ou DNS privado, defina `models.providers..request.allowPrivateNetwork: true` explicitamente. ## Relacionados - [Seleção de modelo](/pt-BR/concepts/model-providers) - [Ollama](/pt-BR/providers/ollama) - [Modelos locais](/pt-BR/gateway/local-models)