ローカルでLLMを動かしたいが、ターミナルはなるべく避けたい。そういう人の入口がLM Studioだ。Hugging Faceのモデルを画面で探してダウンロードし、そのままチャットできる。同じアプリが localhost:1234 でOpenAI互換とAnthropic互換のAPIサーバーにもなる。
WHAT IT REPLACES何を代替するか
同じ OpenAI 形式のまま、推論を手元の PC に移す
クラウドの LLM API
ChatGPT・Claude API など
- 入力が事業者のサーバーへ送られる
- 従量課金とレート制限がある
- 機密データは出しにくい
LM Studio
macOS・Windows・Linux
- 推論は手元のハードウェアGGUF（llama.cpp）と MLX
- 家庭・業務とも無料2025年7月から。モデルのライセンスは別
- OpenAI 互換・Anthropic 互換localhost:1234 に base_url を向ける
30秒でわかるLM Studio
・何ができる：モデルの検索・ダウンロード・チャット・パラメータ調整を画面操作で行う
・何を解決する：クラウドに出せない入力でもLLMを使える。モデルを落とした後はオフラインで動く
・何を代替する：開発中のクラウドLLM API。http://localhost:1234/v1 に base_url を向ける
・2026年の0.4系：GUIなしで動く常駐プロセス llmster、Anthropic互換の /v1/messages、MCP連携
ローカルLLMのランタイム選びとVRAM要件の全体は ローカルLLMとは？おすすめモデル・ツールの選び方と必要なPCスペック、無料で動かす方法【2026】 にある。本記事はその中のLM Studioの使い方に絞る。
LM Studioとは？3つの道具と料金
LM Studioは公式ドキュメントの言葉で3つの道具に分かれる。
| 道具 | 何か | 向く場面 |
|---|---|---|
| LM Studio（アプリ） | GUIのデスクトップアプリ。検索・チャット・RAG・MCP・APIサーバー | まず試す。モデルを見比べる |
| llmster | GUIなしで動く常駐プロセス（0.4.0で追加） | Linuxサーバー、画面の無いGPU機、CI |
lms |
上の2つを操作するCLI（MIT・オープンソース） | スクリプト化、ターミナルでの対話 |
料金は2025年7月8日の公式ブログで「家庭でも職場でも無料」になった。それ以前は業務利用に別のライセンスが要った。アプリとは別に、動かすモデル（Gemma、Qwen、Llama など）のライセンスはモデルごとに確認する。
公式の「Offline Operation」によると、モデルを手元に落とした後はチャット・ドキュメント添付（RAG）・ローカルサーバーのどれもインターネットを使わず、入力は端末の外に出ない。通信が要るのはモデルの検索とダウンロード、ランタイムの取得だ。
LM Studioの使い方①：インストールと必要スペック
WILL IT RUN公式の動作要件
世代よりOSとメモリで、動くかどうかが決まる
-
1.macOS
Apple Silicon（M1〜M4）・macOS 14以降。メモリ16GB以上推奨。Intel Mac は非対応
-
2.Windows
x64 は AVX2 対応CPU。RAM 16GB以上・専用VRAM 4GB以上を推奨。ARM も対応
-
3.Linux
AppImage（x64・ARM64）。Ubuntu 20.04 以降
-
4.GUIなし
llmster を入れて lms daemon up
| OS | 入れ方 | 公式の要件 |
|---|---|---|
| macOS | dmg をアプリケーションへ | Apple Silicon（M1〜M4）、macOS 14以降、メモリ16GB以上推奨（8GBは小さいモデル向け）。Intel Macは非対応 |
| Windows | exe インストーラー（x64・ARM） | x64はAVX2対応CPU、RAM 16GB以上、専用VRAM 4GB以上を推奨 |
| Linux | AppImage（x64・ARM64） | Ubuntu 20.04以降（22より新しい版は十分に試されていない） |
アプリを一度起動すれば、CLIの lms も一緒に入る。ターミナルで次を打ってヘルプが出れば使える。
lms --help
lms ls
GUIを置かないサーバーには、アプリの代わりに llmster を入れる（macOS・Linux は curl -fsSL https://lmstudio.ai/install.sh | bash、Windows は irm https://lmstudio.ai/install.ps1 | iex）。起動は lms daemon up。
LM Studioの使い方②：モデルを探す・読み込む・消す
アプリ左の検索（Discover）でモデル名を入れると、Hugging Face上の量子化の違う版が並び、それぞれに「このマシンで動くか」の目安が付く。CLIなら lms get で同じことができる。
lms get qwen3
lms load qwen3 --gpu max
lms ps
| 入口 | 見えるもの | 使いどころ |
|---|---|---|
| Discover（アプリ） | 公開モデルと量子化の版、動作の目安 | これから落とすモデルを探す |
My Models / lms ls |
ダウンロード済みのモデル | 容量の整理・削除 |
lms ps |
いまメモリに載っているモデル | 常駐しているモデルの確認 |
形式は2つある。GGUF は llama.cpp の量子化形式で、Windows・Linux・Mac のどれでも動く。MLX は Apple Silicon 向けで、Mac では同じモデルの GGUF 版と MLX 版を両方試して速い方を採ればよい。量子化はまず Q4_K_M で動かし、メモリが余れば Q8_0、足りなければモデルの規模を下げる。
チャット画面の右パネルで、温度・コンテキスト長・GPUへのオフロード量を変えられる。コンテキスト長を伸ばすほどメモリを食うので、読み込みに失敗したら最初にここを下げる。
APIサーバー・llmster・MCP連携
TRY TO DAILY USE導入から常用まで
GUI で選んだモデルが、そのまま API と MCP で働く
-
入れる
アプリか llmster
-
モデルを取る
Discover / lms get
-
読み込む
lms load
-
サーバー
lms server start
-
使う
OpenAI・Anthropic互換・MCP
アプリの Developer タブか lms server start で、http://localhost:1234 にサーバーが立つ。入口は3種類ある。
| API | 入口 | 使う場面 |
|---|---|---|
| OpenAI互換 | /v1/chat/completions・/v1/responses・/v1/embeddings・/v1/models |
OpenAI SDK のコードを base_url の差し替えで動かす |
| Anthropic互換 | /v1/messages |
Claude Code など Messages API のクライアント |
| ネイティブREST | /api/v1/chat・/api/v1/models/download |
モデルのダウンロードや状態つきの対話 |
lms server start
curl http://localhost:1234/v1/models
サーバーの設定には「Require Authentication」（APIトークンの必須化）と「Serve on Local Network」（LANへの公開）がある。LANに開くなら認証も有効にする。MCPサーバーをAPI経由で使わせる設定は、公式も「ファイルや個人データに届くMCPサーバーがあると危険」と注意しており、認証の有効化が前提になっている。
MCPは0.3.17以降で使える。右サイドバーの Program タブで Install > Edit mcp.json を開き、Claude Desktop と同じ mcpServers の形でサーバーを書く。ツール呼び出しに対応したモデルを選べば、ローカルモデルがツールを選んで実行する。公式は「信頼できない出所のMCPを入れない」と明記している。MCPサーバーは任意のコマンドを実行できるからだ。
LM StudioとOllamaの違い、困ったときの確認
| 比較 | LM Studio | Ollama |
|---|---|---|
| 主な操作 | GUI＋lms |
CLI |
| モデルの入手 | Hugging Face を画面で検索 | ollama pull でレジストリから |
| 既定のポート | 1234 | 11434 |
| GUIなしの運用 | llmster | ollama serve |
| 形式 | GGUF と MLX | GGUF 中心 |
モデルを画面で探して比べるならLM Studio、スクリプトやアプリに組み込むならOllamaが目安になる。試行錯誤はLM Studioで、決まった処理はOllamaで動かす併用もできる。Ollamaと、Ollamaが推論に使う llama.cpp の選び方は Ollamaとllama.cppの違い2026｜ローカルLLMはどちらで動かすべきか徹底比較 で扱った。デスクトップアプリ型の別の選択肢には Unsloth もある。
| 症状 | 見るところ |
|---|---|
| モデルが読み込めない | メモリ不足。小さい量子化・小さいモデル・短いコンテキストへ |
| 生成が極端に遅い | GPUへのオフロードが効いていない。Mac は MLX 版も試す |
lms が見つからない |
アプリを一度も起動していない。起動後に新しいターミナルで |
npx lmstudio install-cli が止まる |
アプリ未導入だと「Cannot find LM Studio installation」と出る |
| APIに接続できない | サーバー未起動か /v1 の付け忘れ。lms server status で確認 |
| 新しいモデルが読めない | ランタイム（llama.cpp・MLX エンジン）の更新。lms runtime |
最初から大きいモデルを入れると、メモリ不足か遅いだけかの切り分けが難しい。小さいモデルで「ダウンロード → チャット → サーバー」を一通り通してから、目的のモデルに替える。
確認したもの: 公式ドキュメント（lmstudio-ai/docs の 2026-10-08 時点）、lms のソース（lmstudio-ai/lms、package.json の版 0.4.1、MIT）、npm の [email protected] を実行してアプリ未導入時の表示。アプリ本体と llmster の起動、モデルの読み込み、APIの応答は未検証。
参照ソース
・LM Studio 公式ドキュメント — 動作要件・オフライン動作・API・ヘッドレス実行
・LM Studio, llmster, and lms（公式ドキュメント） — 3つの道具の違い
・System Requirements（公式ドキュメント） — OSごとの要件
・Run LM Studio as a service (headless) — llmster の入れ方
・LM Studio is free for use at work（公式ブログ、2025-07-08） — 業務利用の無料化
・lmstudio-ai/lms（GitHub） — CLI のソース（MIT）
・lmstudio-ai/docs（GitHub） — 公式ドキュメントのソース
