LM Studio
Por qué importa
LM Studio es una de las dos puertas de entrada más comunes a la IA local, junto con Ollama. Mientras que Ollama prioriza la línea de comandos y es popular entre desarrolladores, LM Studio es una aplicación gráfica pensada para quien quiere ver qué está pasando: qué modelos caben en memoria, qué tan rápido corren y qué ajustes usan.
También es una herramienta práctica para desarrolladores. Su servidor local expone una API compatible con OpenAI, así que puedes apuntar aplicaciones, herramientas de programación o scripts existentes a un modelo que corre en tu propia máquina en lugar de a un proveedor en la nube. Es útil para la privacidad, el trabajo sin conexión, el control de costos y las pruebas.
En profundidad
LM Studio es una aplicación de escritorio gratuita para macOS, Windows y Linux que hace que la IA local se sienta como una aplicación cualquiera. Buscas un modelo, eliges un tamaño que quepa en tu máquina, haces clic en descargar y empiezas a chatear, sin tocar una terminal. Por debajo usa llama.cpp para ejecutar modelos GGUF en casi cualquier hardware, y MLX, de Apple, en los Mac con Apple Silicon.
La desarrolla Element Labs. La aplicación en sí es de código cerrado, pero sus SDK para desarrolladores y su herramienta de línea de comandos son de código abierto. Desde mediados de 2025 también es gratuita para usarla en el trabajo, no solo para uso personal.
Qué obtienes
- Descubrimiento de modelos: busca en Hugging Face desde dentro de la aplicación, con indicaciones sobre qué versiones cuantizadas caben en tu RAM o tu VRAM.
- Interfaz de chat: conversaciones, prompts de sistema, documentos adjuntos para un RAG sencillo y ajustes a la vista.
- Servidor local: un endpoint compatible con OpenAI (por defecto en
localhost:1234) al que puede llamar otro software. - Herramienta de línea de comandos
lms: carga y descarga modelos, arranca el servidor y automatízalo todo. - SDK: bibliotecas de Python y TypeScript para crear aplicaciones sobre modelos locales.
- Uso de herramientas y MCP: soporte para llamada a funciones y para conectar servidores MCP, de modo que los modelos locales puedan usar herramientas.
Elegir un modelo
La pregunta más común es qué archivo descargar. Las páginas de los modelos ofrecen varias cuantizaciones del mismo modelo: las versiones Q4 usan más o menos una cuarta parte de la memoria original y suelen ser el punto justo; Q8 se acerca más a la calidad completa, pero ocupa el doble; Q2 y Q3 ahorran más memoria con una pérdida de calidad apreciable. Como guía aproximada, un modelo de 4 bits necesita algo más de medio gigabyte por cada mil millones de parámetros, más un extra para el contexto.
Ajustes que importan
- Descarga en GPU: cuántas capas se ejecutan en la GPU. Ponlo todo en la GPU si cabe; la descarga parcial funciona, pero es más lenta.
- Longitud de contexto: los contextos más largos necesitan más memoria para la caché KV. No la pongas muy por encima de lo que necesitas.
- Motor: en un Mac, prueba las versiones MLX y llama.cpp (GGUF) de un mismo modelo. MLX suele ser más rápido.
LM Studio frente a Ollama
Los dos ejecutan los mismos tipos de modelos y los dos ofrecen API locales. LM Studio es mejor si quieres una aplicación visual, explorar modelos con facilidad y tocar los ajustes a mano. Ollama es mejor si quieres un servicio ligero en segundo plano, automatización y código abierto. Mucha gente usa los dos.