Principiante 12 minInterfacce

LM Studio: tutorial completo 2026 (installazione, API)

LM Studio: tutorial completo 2026 (installazione, API)

Per installare LM Studio, scarica l'app da lmstudio.ai (Windows, Mac Apple Silicon o Linux), cerca un modello nella scheda Discover, caricalo e inizia a chattare. Questo tutorial copre l'installazione, un primo modello, il server API locale e MCP. Versione attuale consultata il 16 novembre 2026: 0.4.28.

Di Mohamed Meguedmi·Agg. 2026-11-19·Testato su Windows 11

#Primo risultato: download, caricamento, verifica

La documentazione ufficiale descrive il percorso Discover → download → Chat → caricamento del modello. Scegli il file per il tuo motore: GGUF per llama.cpp oppure una distribuzione MLX compatibile su Apple Silicon. Un modello scaricato non è ancora caricato. Inizia con un contesto breve, poi poni una domanda semplice prima di aggiungere documenti o un server API.

In caso di memoria insufficiente, riduci il contesto e scegli un file più piccolo; controlla l'offload GPU. Il modello e il contesto condividono il budget con il sistema su Apple Silicon. I passaggi per Windows/macOS sono stati verificati sulla documentazione; la cartella del 12 settembre è stata eseguita sotto Linux con Ollama, non con LM Studio.

Verificare i modelli installati e stimare il caricamento
lms ls
# Remplacer MODEL_KEY par une clé réellement affichée :
lms load MODEL_KEY --context-length 4096 --estimate-only

#Perché LM Studio nel 2026

Il kit completo per creare il tuo assistente IA.

Approfitta della nostra esperienza e di un percorso guidato per andare oltre con LM Studio e usare la tua IA ogni giorno.

  • Spazio online a vita
  • PDF + file
  • Garanzia di rimborso di 30 giorni

LM Studio occupa una nicchia precisa: l'utente che vuole una vera app grafica, non un daemon CLI. Apri l'app, cerchi un modello nella barra di ricerca integrata (che punta a Hugging Face), fai clic su Download e chatti. Zero file di configurazione, zero righe di comando.

LM Studio utilizza motori locali, in particolare llama.cpp e MLX su Mac Apple Silicon. Nel ramo 0.4, la modalità sviluppatore sostituisce la precedente scelta User / Power User / Developer. Mostra i parametri avanzati di caricamento e gli strumenti di sviluppo. I server MCP danno al modello accesso agli strumenti in base alle autorizzazioni che concedi.

i
Licenza e uso commerciale
LM Studio è gratuito per uso personale e professionale. Il modulo «LM Studio at Work» è stato eliminato nel luglio 2025. La gratuità dell'applicazione non modifica la licenza dei modelli scaricati: verifica separatamente le relative condizioni per l'uso commerciale.

#Prerequisiti

Windows
Windows x64 con processore AVX2, oppure Windows ARM64 con il download appropriato. Le prestazioni della GPU dipendono dall'hardware e dal motore installato.
macOS
macOS 14 o versione successiva su Apple Silicon (M1 e successivi). I Mac Intel non sono supportati. I motori sperimentali possono avere prerequisiti più elevati.
Linux
AppImage x64 o ARM64 a seconda della macchina. La documentazione cita Ubuntu 20.04 o versioni successive; verifica la compatibilità della tua distribuzione e le note di rilascio.
RAM
16 GB sono il minimo per un uso confortevole; 8 GB sono al limite. Per un modello 14B in Q4, prevedi 12 GB liberi; per un modello 32B, 24 GB.
Disco
Prevedi da 30 a 50 GB: un modello 14B in Q4 pesa circa 9 GB e ne scaricherai diversi.

#1. Installazione su Windows, Mac e Linux

Scaricate il programma di installazione corrispondente al vostro sistema operativo dal sito ufficiale. Niente pacchetto npm, niente Homebrew: è una classica app desktop.

Sito ufficiale
https://lmstudio.ai/download
  1. 01
    Windows
    Scarica dal sito ufficiale il programma di installazione di Windows corrispondente alla tua architettura e avvialo. Se Windows mostra un avviso, verifica l’origine e la firma del file prima di procedere.
  2. 02
    macOS
    Apri il .dmg e trascina LM Studio.app in /Applications. Al primo avvio, Gatekeeper potrebbe chiederti di autorizzare l'app in Impostazioni → Privacy e sicurezza. Su Apple Silicon, LM Studio esegue i modelli GGUF con llama.cpp e può anche avviare modelli MLX; vedi la sezione successiva.
  3. 03
    Linux
    Scarica l’AppImage adatta alla tua architettura, rendi eseguibile il file e poi avvialo. Il nome esatto cambia a seconda della versione: sostituisci il nome di esempio qui sotto con quello scaricato.
Linux — primo avvio
# Remplacez ce nom par celui de votre téléchargement
chmod +x ./LM-Studio.AppImage
./LM-Studio.AppImage
→
Onboarding 2026
In LM Studio 0.4, attiva Developer Mode da Settings → Developer se ti servono le opzioni avanzate. I vecchi tutorial che richiedono di selezionare Power User descrivono l'interfaccia 0.3. Le etichette possono rimanere parzialmente in inglese a seconda della versione.

#LM Studio su Mac: Apple Silicon, MLX e memoria

LM Studio funziona sui Mac Apple Silicon con macOS 14 o più recente; i Mac Intel non sono supportati. La documentazione consiglia 16 GB di memoria o più; un Mac da 8 GB può andare bene per modelli piccoli con un contesto contenuto. La sua pagina dei requisiti cita i chip da M1 a M4; le note di rilascio di LM Studio 0.4.27 e di Bionic 1.1.10 menzionano tuttavia correzioni di compatibilità per i Mac M5.

Due motori
Su Mac, LM Studio esegue i modelli GGUF con llama.cpp e i modelli MLX (il framework di Apple) con il suo motore MLX. Scegli il formato scaricando il file; la guida MLX vs llama.cpp spiega nel dettaglio le differenze tra i due motori.
Memoria unificata
Modello, contesto e sistema condividono la stessa memoria. Tieni un margine: un modello che occupa quasi tutta la memoria rende il Mac lento. Riduci il contesto prima di ridurre il modello.
Gestire i motori
La scorciatoia ⌘ Shift R apre la gestione dei runtime. Splash, un motore sperimentale per Qwen3.8-27B e Qwen3.6-35B-A3B, richiede un Mac M3 o più recente, macOS 26.4 o successivo e almeno 36 GB di memoria unificata (48 GB consigliati).
Aggiornamenti
LM Studio 0.4.28 (31 ottobre 2026) corregge un difetto su Mac per cui «Restart to apply update» riapriva la versione attuale invece di installare l'aggiornamento.
Riferimenti di memoria per un Mac (stime dal catalogo del sito, solo modello in Q4, escluso il contesto e il sistema)
Memoria unificataEsempi di modelli del catalogoMemoria stimata in Q4
16 GBGemma 4 12B; Qwen 3.5 9B≈ 7 GB; ≈ 6 GB
32 GBQwen 3.8 27B; gpt-oss 20B≈ 16 GB; ≈ 13 GB
64 GB e oltreGemma 4 31B; Qwen 3.6 35B-A3B≈ 18 GB; ≈ 21 GB (margine per un contesto ampio)

#2. Scaricare Qwen3-Coder in GGUF

La scheda Discover (lente d'ingrandimento) è la tua interfaccia verso Hugging Face. Digita il nome di un modello, scegli una quantizzazione e clicca su Download. Per questo tutorial scegliamo Qwen3-Coder-30B-A3B, il modello open-weight di riferimento per la programmazione per chi ha 16 GB di VRAM o più.

  1. 01
    Cercare il modello
    In Discover, digita "qwen3-coder". LM Studio mostra i repo GGUF compatibili (generalmente bartowski, unsloth, lmstudio-community). Preferisci i repo lmstudio-community o bartowski: i loro GGUF sono convalidati sulla versione corrente del motore.
  2. 02
    Scegliere la quantizzazione
    Confronta le dimensioni del file, la memoria libera e la stima del loader. Q4_K_M è un punto di partenza frequente, ma non è garantita alcuna conservazione del «99% della qualità» per tutti i modelli e tutte le attività. Lascia un margine per il contesto e il sistema.
  3. 03
    Avviare il download
    Fai clic su Download. L'avanzamento viene visualizzato nella scheda Downloads. Con una connessione in fibra, considera circa 5 minuti per un file da 17 GB.
  4. 04
    Caricare il modello
    In Chat, seleziona il modello scaricato. Attiva Developer Mode per le impostazioni avanzate; inizia con un contesto ragionevole, poi misura memoria e velocità prima di aumentarlo.
→
VRAM per dimensione (Q4_K_M)
Riferimenti rapidi: 3B ≈ 2 GB · 7B ≈ 5 GB · 14B ≈ 9 GB · 32B ≈ 19 GB · 70B ≈ 40 GB. Se LM Studio rifiuta di caricare interamente il modello sulla GPU, passa all'offload parziale sulla CPU: è fattibile, ma da 5 a 10 volte più lento.
→
Modelli più recenti del catalogo
Qui Qwen3-Coder serve da esempio. Per un uso generale, le schede del sito indicano circa 16 GB in Q4 per Qwen 3.8 27B, 7 GB per Gemma 4 12B e 13 GB per gpt-oss 20B. Prima di scaricare, verifica la licenza e la disponibilità di un GGUF o di una versione MLX in Discover.

#3. Prima chat e verifica della GPU

Con il modello caricato, poni una domanda in Chat. LM Studio mostra in fondo a ogni risposta i token/sec, il tempo al primo token e l'uso effettivo della VRAM. È più indicativo che eseguire nvidia-smi in parallelo.

Test rapido
# Dans le chat LM Studio :
Écris une fonction Python qui parse un CSV streaming
sans charger tout le fichier en mémoire.

La velocità dipende dall'hardware, dal motore, dalla quantizzazione e dalla lunghezza del contesto: LM Studio mostra i valori reali della tua macchina, meglio fidarsi di questi che ricordare un valore medio. Qwen3-Coder-30B-A3B è un modello MoE (3 miliardi di parametri attivi su 30): richiede circa 19 GB in Q4 secondo la scheda del sito, il che supera una GPU da 12 GB. In questo caso, scegli un modello più piccolo come Qwen 3.5 9B (circa 6 GB in Q4 secondo il catalogo), che ci sta con margine per il contesto.

i
Modalità "Just Show Me The Answer"
Per impostazione predefinita, i modelli di ragionamento mostrano la loro catena di pensiero in una sezione richiudibile. Nei Settings di una chat, puoi disattivare la visualizzazione del thinking per vedere solo la risposta finale. Nota: Qwen 3.8 27B tende a ragionare eccessivamente con la sua impostazione di ragionamento predefinita; imposta lo sforzo di ragionamento su «low» se le risposte tardano inutilmente.

#4. Server compatibile con OpenAI sulla porta 1234

È il vantaggio che molti non conoscono: LM Studio espone un server HTTP compatibile con l'API OpenAI, per impostazione predefinita su http://localhost:1234. Puoi quindi collegare qualsiasi client OpenAI (SDK Python, LangChain, Continue.dev, Cursor, la tua app sviluppata in proprio) a LM Studio senza modificare una riga di logica applicativa, cambiando solo l'URL di base e la chiave.

  1. 01
    Attivare Developer Mode
    Apri Settings → Developer e attiva Developer Mode. A questo punto sono accessibili le funzioni del server e le opzioni avanzate.
  2. 02
    Avviare il server
    Nella vista Developer, avvia il server su localhost:1234. Per accedervi da un'altra macchina, attiva l'ascolto di rete e l'opzione Require Authentication, poi crea un token API. L'autenticazione è disattivata per impostazione predefinita.
  3. 03
    Verificare l'endpoint
    Il server espone le route /v1/models, /v1/chat/completions, /v1/completions, /v1/embeddings (se è caricato un modello di embedding). Verifica prima l'elenco dei modelli.
Test dell’API
curl http://localhost:1234/v1/models

curl http://localhost:1234/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3-coder-30b-a3b",
    "messages": [{"role": "user", "content": "Bonjour"}],
    "stream": false
  }'
Client Python ufficiale
from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:1234/v1",
    api_key="lm-studio",  # ignorée, n'importe quelle chaîne
)

resp = client.chat.completions.create(
    model="qwen3-coder-30b-a3b",
    messages=[{"role": "user", "content": "Refactore ce code en idiomatic Rust : ..."}],
)
print(resp.choices[0].message.content)
→
Caricamento JIT del modello
Abilita « Just-in-Time Model Loading » nelle impostazioni del server. LM Studio carica quindi automaticamente il modello richiesto dalla chiamata API — utile se passi da un modello all'altro usando client diversi.

#5. Supporto MCP nativo

Dalla versione 0.3.17, LM Studio supporta il Model Context Protocol (MCP) — lo standard introdotto da Anthropic nel 2024 per collegare strumenti esterni a un LLM. In pratica: il tuo modello locale può accedere al tuo file system, eseguire SQL e chiamare un'API, a condizione che sia configurato un server MCP.

La configurazione viene eseguita nel file mcp.json, accessibile dal menu Program → Edit mcp.json. Ecco un esempio che aggiunge il server filesystem ufficiale di Anthropic e un server SQLite.

mcp.json
{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/home/user/Documents"
      ]
    },
    "sqlite": {
      "command": "uvx",
      "args": ["mcp-server-sqlite", "--db-path", "/home/user/data.db"]
    }
  }
}

Dopo la registrazione, gli strumenti MCP compaiono nell'icona della spina (plug) della chat. Puoi attivarli all'occorrenza. Il modello decide poi quando chiamarli: utile per creare un piccolo agente locale senza scrivere codice, per esempio « riassumi tutti i PDF della cartella Ricerca » oppure « quante righe ci sono nella tabella users ».

!
Quale modello per l'uso degli strumenti
Non tutti i modelli sono bravi nel tool calling. Scegli un modello addestrato esplicitamente per la chiamata di funzioni: in genere lo indica la scheda del modello. I modelli molto piccoli sbagliano più spesso il nome dello strumento: prova con un compito semplice prima di affidargli una pratica reale.

#LM Studio contro Ollama contro Jan

I tre strumenti mirano allo stesso obiettivo (LLM in locale senza cloud), con filosofie diverse.

LM Studio
App desktop ricca, ricerca Hugging Face integrata, server API su :1234, supporto MCP, MLX su Mac. Applicazione proprietaria ma gratuita, a casa come al lavoro. Ideale se vuoi tutto in uno con una vera interfaccia.
Ollama
Daemon leggero + CLI, in ascolto su :11434, libreria di modelli pronti all'uso (per esempio ollama run gemma4:e2b, l'esempio della sua documentazione), API compatibile con OpenAI, numerose integrazioni. Open source (licenza MIT). Ideale se sei a tuo agio con il terminale e vuoi un uso headless.
Jan
Applicazione desktop open source con licenza Apache 2.0, orientata all'uso locale. La licenza di Jan è distinta da quella dei modelli che scarica.
→
Combinazione vincente
Molti utenti avanzati eseguono Ollama come demone server (24/7, senza interfaccia grafica) e usano LM Studio come client/esploratore per testare nuovi modelli prima di importarli in Ollama. I due possono convivere — non sono in ascolto sulla stessa porta.

Per il confronto dettagliato, vedi Ollama vs LM Studio; per Jan e GPT4All, il confronto a quattro.

#Risoluzione dei problemi

Il modello non si carica (OOM)
Riduci manualmente il GPU Offload nei Settings della chat. Se carichi il 100% sulla GPU e si verifica un arresto anomalo, scendi all'80%: alcuni strati passano in RAM, è più lento ma funziona.
Token/s molto bassi
Verifica che Flash Attention sia attivato e che il KV cache type sia impostato su Q8_0 (non FP16). Queste impostazioni richiedono la modalità sviluppatore; si trovano nei parametri di caricamento del modello.
Il server API non risponde
Verifica di essere in Developer Mode e che il pulsante Start Server sia verde. Su Windows, il firewall può bloccare la porta 1234: autorizza LM Studio nel firewall Windows Defender.
Modello non trovato nella ricerca
LM Studio elenca solo i repository GGUF compatibili con la propria versione di llama.cpp. Per i modelli molto recenti, aggiorna LM Studio (Help → Check for Updates) oppure scarica manualmente il GGUF e inseriscilo nella cartella models.
Linux: AppImage non si avvia
Installa libfuse2 (sudo apt install libfuse2 su Ubuntu 22.04+). Su Wayland, esporta QT_QPA_PLATFORM=xcb se l'app non viene visualizzata correttamente.
Mac: l'aggiornamento non si installa
LM Studio 0.4.28 corregge un difetto per cui «Restart to apply update» riapriva la versione attuale. Se hai una versione più vecchia, scarica il programma di installazione da lmstudio.ai/download.

#Domande frequenti

FAQ
Come si installa LM Studio?+
Scarica il programma di installazione da lmstudio.ai/download, avvialo, apri la scheda Discover, scarica un modello, poi caricalo in Chat. Per un uso di base non serve alcuna riga di comando.
LM Studio funziona su Mac?+
Sì, sui Mac Apple Silicon con macOS 14 o più recente. I Mac Intel non sono supportati. Conta su 16 GB di memoria o più per stare tranquillo; 8 GB bastano per modelli piccoli.
LM Studio è gratuito?+
Sì, sia per uso personale sia professionale, da luglio 2025 (annuncio ufficiale). Solo alcuni servizi opzionali sono a pagamento, come le offerte di Bionic o LM Studio Enterprise. La licenza di ciascun modello va comunque verificata separatamente.
LM Studio funziona senza internet?+
La chat con un modello già scaricato e il server locale funzionano offline. La ricerca e il download dei modelli, i runtime e gli aggiornamenti richiedono una connessione.
Qual è l'ultima versione di LM Studio?+
Al 16 novembre 2026, la pagina di download mostra la versione 0.4.28, pubblicata il 31 ottobre 2026. Le note di rilascio sono su lmstudio.ai/changelog/lmstudio.
Quale modello scegliere per iniziare?+
Scegli un modello che stia nella tua memoria con margine: Qwen 3.5 9B (circa 6 GB in Q4) o Gemma 4 12B (circa 7 GB) per 12-16 GB, Qwen 3.8 27B (circa 16 GB) da 24-32 GB in su. Il configuratore del sito ti aiuta a verificare il budget di memoria.

#Fonti e verifica del 16 novembre 2026

Documentazione ufficiale consultata il 16 novembre 2026. I requisiti possono cambiare: consulta queste fonti prima di un'installazione.

#Per approfondire

Tre percorsi naturali a seconda di ciò che vuoi fare dopo:

Confronta più nel dettaglio
La guida « LM Studio vs Ollama: quale scegliere nel 2026 » confronta i due strumenti funzionalità per funzionalità, con una griglia decisionale in base al tuo profilo.
Collegare LM Studio ai tuoi PDF
«RAG locale con LM Studio: conversare con i tuoi documenti» spiega la funzione Chat with Documents, i suoi limiti e quando passare ad AnythingLLM.
Accelerare ancora l'inferenza
« LM Studio e il MTP (Multi-Token Prediction) » spiega come attivare il MTP sui modelli compatibili per aumentare la velocità di generazione dal 30 all'80%.
Questa guida ti è stata utile?

Un feedback, un errore, una precisazione? Facci sapere, così la guida migliora per tutti.