LM Studio per principianti: prima chat locale in 10 minuti

#Che cos'è LM Studio?

Un'applicazione desktop (Windows, macOS, Linux) che integra quattro componenti in un'unica interfaccia: un browser di modelli collegato a Hugging Face, un gestore dei download, un motore di inferenza (llama.cpp al suo interno) e una chat.

Lo strumento è gratuito per uso personale. Per un uso commerciale in azienda, è richiesta una licenza a partire dalla versione 0.3.

#1. Installazione

https://lmstudio.ai

1. 01
   Scegli la tua piattaforma

   Windows .exe, macOS .dmg (Apple Silicon o Intel), Linux .AppImage. I binari occupano tra 400 e 600 MB: è normale, perché includono llama.cpp e le sue dipendenze.
2. 02
   Avvia il programma di installazione

   Su Windows, l'installazione avviene in %LOCALAPPDATA% (non sono necessari diritti di amministratore). Su Mac, trascina nella Cartella Applicazioni. Su Linux, rendi eseguibile l'AppImage: chmod +x LM_Studio_*.AppImage.
3. 03
   Primo avvio

   LM Studio ti chiede quale livello di interfaccia mostrare (Power user o Developer). Power user è più che sufficiente per iniziare — potrai cambiare livello più tardi.

#2. Panoramica dell'interfaccia

La barra laterale a sinistra contiene le 5 viste essenziali:

💬 Chat

L'interfaccia principale di conversazione. Sembra ChatGPT.

🔍 Discover

Il 'store' dei modelli. Ricerca diretta su Hugging Face, download con un clic.

📁 My Models

Tutti i modelli che hai scaricato, con le loro dimensioni e le loro quantizzazioni.

💻 Developer

Modalità server locale compatibile con OpenAI (vedi sotto).

⚙️ Settings

Parametri globali: cartella dei modelli, tema, integrazioni.

#3. Scaricare il tuo primo modello

Clicca su 🔍 Discover. La barra di ricerca cerca direttamente su Hugging Face. Per un primo tentativo nel 2026, inserisci Qwen 3.5 9B — la scelta migliore per 8 GB di VRAM (256k di contesto, visione, licenza Apache 2.0).

1. 01
   Guarda i tag di compatibilità

   A destra di ogni risultato, LM Studio indica Full GPU Offload possible, Partial GPU Offload o Likely too large. Queste indicazioni si basano sull'hardware rilevato sul tuo computer — basta scegliere un risultato contrassegnato in verde.
2. 02
   Scegli la giusta quantizzazione

   Per un 9B come Qwen 3.5 9B su 8 GB di VRAM: Q4_K_M è il punto ottimale. Per 12 GB+: Q5_K_M o Q6_K (o addirittura Q8_0 sul 9B). Per 16 GB+: Q8_0 per la massima qualità.
3. 03
   Clicca su Download

   Tra 4 e 8 GB in base alla quantizzazione. LM Studio mostra in tempo reale il progresso.

#4. Prima conversazione

1. 01
   Torna alla scheda Chat

   In alto, fai clic sul selettore "Select a model to load" e scegli il modello che hai appena scaricato.
2. 02
   Regola l'offload sulla GPU

   LM Studio offre un cursore: 0 = tutto sulla CPU (lento ma funziona sempre), massimo = tutto sulla GPU (veloce ma va in crash se la VRAM è insufficiente). Imposta il cursore al massimo proposto per impostazione predefinita.
3. 03
   Clicca su Load model

   Il caricamento dura da 5 a 30 secondi a seconda della dimensione del modello e della velocità del tuo disco.
4. 04
   Inserisci la tua domanda

   Nel campo in basso. Premi Invio per inviare. Il modello risponde in streaming, token per token.

#5. Regolare la qualità delle risposte

Pannello a destra durante una conversazione. Tre impostazioni sono sufficienti per modificare il 90% del comportamento:

Temperature

0.2 = fattuale, deterministico. 0.7 = equilibrato (valore predefinito). 1.2 = creativo, talvolta imprevedibile. Aumenta il valore se il modello è troppo ripetitivo.

Context Length

Quanti token precedenti il modello "vede". 4096 per impostazione predefinita. Aumenta il valore a 8192 o 16384 per documenti lunghi — attenzione, questo consuma VRAM.

System Prompt

Il messaggio invisibile che definisce il ruolo e le regole. Esempio: "Sei un assistente giuridico francese. Rispondi citando sempre l'articolo di legge applicabile."

#6. Modalità server locale (API)

LM Studio espone un server HTTP compatibile con l'API OpenAI. Qualsiasi strumento in grado di comunicare con ChatGPT può quindi funzionare in locale.

1. 01
   Scheda Developer

   Seleziona un modello e clicca su Start Server (per impostazione predefinita sulla porta 1234).
2. 02
   Prova con curl

   Da un terminale, un semplice GET verifica che il server risponda.

curl http://localhost:1234/v1/models

curl http://localhost:1234/v1/chat/completions \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "local-model",
    "messages": [{"role":"user","content":"Bonjour"}]
  }'

Nei tuoi script Python, basta impostare base_url su http://localhost:1234/v1 e usare una qualsiasi chiave API fittizia. Tutto ciò che funziona con OpenAI funziona.

#Limiti da conoscere

Non completamente open source

L'app stessa è proprietaria; solo il motore llama.cpp su cui si basa è open source. Per una soluzione al 100% libera, preferisci Jan o Ollama.

Aggiornamenti automatici

LM Studio si aggiorna da solo. Pratico ma inaspettato in ambiente professionale controllato.

Licenza commerciale a pagamento

Per un uso aziendale, leggere le condizioni. L'uso personale e educativo rimane gratuito.

Nessun scripting nativo

A differenza di Ollama, non c'è una CLI. Le automazioni passano esclusivamente attraverso il server API.