LM Studio
Por que isso importa
O LM Studio é uma das duas portas de entrada mais comuns para a IA local, ao lado do Ollama. Enquanto o Ollama prioriza a linha de comando e é popular entre desenvolvedores, o LM Studio é um aplicativo gráfico pensado para quem quer ver o que está acontecendo: quais modelos cabem na memória, com que velocidade rodam e que configurações usam.
Ele também é uma ferramenta prática para desenvolvedores. O servidor local expõe uma API compatível com a da OpenAI, então você pode apontar aplicativos, ferramentas de programação ou scripts existentes para um modelo que roda na sua própria máquina, e não em um provedor de nuvem. Isso é útil para privacidade, trabalho offline, controle de custos e testes.
Em profundidade
O LM Studio é um aplicativo de desktop gratuito para macOS, Windows e Linux que faz a IA local parecer um aplicativo comum. Você procura um modelo, escolhe um tamanho que caiba na sua máquina, clica em baixar e começa a conversar, sem abrir um terminal. Por baixo, ele usa o llama.cpp para rodar modelos GGUF em quase qualquer hardware, e o MLX, da Apple, nos Macs com Apple Silicon.
Ele é desenvolvido pela Element Labs. O aplicativo em si é de código fechado, mas os SDKs para desenvolvedores e a ferramenta de linha de comando são de código aberto. Desde meados de 2025, ele também é gratuito para uso no trabalho, e não só para uso pessoal.
O que você recebe
- Descoberta de modelos: busque na Hugging Face de dentro do aplicativo, com indicações de quais versões quantizadas cabem na sua RAM ou VRAM.
- Interface de chat: conversas, prompts de sistema, anexos de documentos para um RAG simples e configurações à mão.
- Servidor local: um endpoint compatível com a OpenAI (por padrão em
localhost:1234) que outros programas podem chamar. - Ferramenta de linha de comando
lms: carregue e descarregue modelos, inicie o servidor e automatize tudo. - SDKs: bibliotecas Python e TypeScript para criar aplicativos sobre modelos locais.
- Uso de ferramentas e MCP: suporte a chamada de função e à conexão de servidores MCP, para que modelos locais possam usar ferramentas.
Escolhendo um modelo
A pergunta mais comum é qual arquivo baixar. As páginas dos modelos oferecem várias quantizações do mesmo modelo: as versões Q4 usam cerca de um quarto da memória original e costumam ser o ponto ideal; a Q8 fica mais perto da qualidade completa, mas tem o dobro do tamanho; a Q2 e a Q3 economizam mais memória com uma perda de qualidade perceptível. Como guia aproximado, um modelo de 4 bits precisa de um pouco mais de meio gigabyte por bilhão de parâmetros, mais um extra para o contexto.
Configurações que importam
- Offload para a GPU: quantas camadas rodam na GPU. Coloque tudo na GPU se couber; o offload parcial funciona, mas é mais lento.
- Tamanho do contexto: contextos mais longos exigem mais memória para o cache KV. Não deixe muito acima do que você precisa.
- Motor: no Mac, teste as versões MLX e llama.cpp (GGUF) do mesmo modelo. O MLX costuma ser mais rápido.
LM Studio versus Ollama
Os dois rodam os mesmos tipos de modelo e os dois oferecem APIs locais. O LM Studio é melhor se você quer um aplicativo visual, navegação fácil pelos modelos e configurações ajustadas à mão. O Ollama é melhor se você quer um serviço leve em segundo plano, automação e código aberto. Muita gente usa os dois.