Ir para o conteúdo principal
Zubnet AI › Aprender › Wiki › LM Studio
Ferramentas

LM Studio

Também conhecido como: LMStudio
Um aplicativo de desktop para encontrar, baixar e rodar localmente modelos de linguagem abertos, com uma interface de chat e um servidor de API local embutido.

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.

← Todos os termos
ESC