LM Studio — локальный запуск LLM и агент Bionic

LM Studio запускает языковые модели на собственном компьютере и предоставляет к ним доступ через приложение, командную строку и локальный программный интерфейс (API). Bionic дополняет эту экосистему агентными сценариями для документов, исследований и программного кода.

Что это такое

LM Studio позволяет запускать модели локально, общаться с ними через приложение и предоставлять доступ к ним по API. Локальный сервер можно использовать через собственный REST API LM Studio, библиотеки lmstudio-js и lmstudio-python, а также OpenAI- и Anthropic-совместимые интерфейсы.

Bionic предназначен для задач, в которых агент работает с проектом, файлами или кодовой базой. Проект объединяет общую цель, рабочие файлы и связанные сессии.

Актуальность интерфейсов и системных требований проверена по официальной документации 10 сентября 2026 года.

Основные возможности

Требования к компьютеру

Официальные рекомендации относятся к самому приложению. Возможность загрузить конкретную модель дополнительно зависит от её размера, длины контекста и доступной оперативной или видеопамяти.

Как устроена работа в Bionic

Проект для документов

Для исследования или подготовки материалов создайте проект и добавьте в него исходные файлы. Загруженные и созданные агентом файлы отображаются в правой панели и доступны в сессиях этого проекта.

Документальный проект можно использовать для следующих задач:

• сравнить несколько предложений и подготовить записку с рекомендацией;
• превратить заметки в отчёт или презентацию;
• проанализировать таблицу, PDF, изображение или набор текстовых файлов;
• собрать источники и сохранить результат в указанном формате.

Bionic предоставляет управляемую песочницу для работы с файлами проекта. Внешние файлы остаются в исходных расположениях. Если агент редактирует такой файл, изменение применяется непосредственно к оригиналу.

Веб-поиск включается отдельно через Settings → General → Web Search, когда Bionic должен получать свежий контекст из веба.

Проект для кода

При создании проекта включите Allow coding, выберите корневую папку репозитория и сформулируйте конкретный результат. После этого Bionic сможет искать файлы, редактировать код, использовать Git и выполнять команды в выбранной рабочей директории.

Полезная постановка задачи содержит цель, относящиеся к ней файлы и способ проверки. Например:

Найди обработку тайм-аутов запросов, объясни текущее поведение, исправь граничный случай и запусти относящиеся к нему тесты.

Для крупной задачи сначала попросите агента исследовать код и описать предполагаемые изменения. Реализацию можно продолжить в той же сессии.

Запуск локального API

Сервер запускается двумя способами:

1. Откройте вкладку Developer и включите Start server.
2. Либо выполните команду:

lms server start

После запуска доступны следующие варианты интеграции:

• собственный REST API LM Studio;
• TypeScript SDK lmstudio-js;
• Python SDK lmstudio-python;
• OpenAI-совместимые эндпоинты;
• Anthropic-совместимые эндпоинты.

В версии LM Studio 0.4.0 появился официальный REST API v1 по пути /api/v1/*. Версия 0.4.1 добавила Anthropic-совместимый эндпоинт POST /v1/messages. OpenAI-совместимый POST /v1/responses поддерживается начиная с версии 0.3.29.

Проверка результата

Сервер из приложения

1. Откройте вкладку Developer.
2. Включите Start server.
3. Убедитесь, что переключатель Start server включён.
4. Проверьте адрес сервера, который будете использовать, перед настройкой внешнего клиента.

Сервер из терминала

Запустите:

lms server start

Успешный признак запуска — сервер отвечает по выбранному адресу.

Для содержательного ответа сначала загрузите совместимую модель. Для проверки через OpenAI-совместимый интерфейс задайте в пользовательской переменной LM_STUDIO_BASE_URL адрес сервера из LM Studio без суффикса /v1, а в команде замените <server-base-url> и <loaded-model-id> на свои значения:

export LM_STUDIO_BASE_URL="<server-base-url>"
curl "${LM_STUDIO_BASE_URL}/v1/chat/completions" -H "Content-Type: application/json" -d '{"model":"<loaded-model-id>","messages":[{"role":"user","content":"Ответьте одним словом: готово"}]}'

Наблюдаемый результат — JSON-ответ с результатом модели. Если клиент использует другой интерфейс или версию API, выберите соответствующий путь по официальной документации.

Полезные сценарии

Локальный помощник для документов

Исходные данные: заметки, PDF или несколько вариантов предложения. Создайте проект, добавьте файлы и попросите Bionic подготовить конкретный результат с именем файла, например decision-memo.md. Проверьте созданный документ в панели файлов проекта.

Сценарий подходит для материалов, которые помещаются в доступный контекст выбранной модели. Если нужен свежий веб-контекст, отдельно включите веб-поиск.

Агент для локального репозитория

Исходное условие: кодовая база находится в папке, которую можно предоставить Bionic. Создайте проект с Allow coding, выберите корень репозитория и поручите агенту найти проблему, внести изменение и запустить тесты. Результат проверяется по различиям файлов и выводу тестовой команды.

Агент получает возможность менять файлы и выполнять команды в выбранной директории, поэтому итоговые правки требуют ручной проверки.

Локальный сервер для собственного приложения

Исходное условие: в LM Studio загружена подходящая модель. Запустите сервер, выберите собственный REST API, SDK или совместимый интерфейс и укажите клиенту адрес сервера. Наблюдаемый результат — клиент получает ответ от локально запущенной модели.

Доступный размер модели и рабочий контекст зависят от ресурсов компьютера и требований выбранной модели. Доступ из сети требует отдельной настройки и повышенного внимания к параметрам сервера и аутентификации.

Работа без постоянного интернета

Заранее установите приложение и загрузите нужные файлы моделей. После этого LM Studio может выполнять локальную генерацию офлайн. Получение новых моделей и функции, которым нужны внешние источники, потребуют подключения к сети.

Ограничения

• Доступный размер модели и длина контекста зависят от ресурсов компьютера и требований выбранной модели.
• Крупные модели и длинный контекст требуют больше RAM или VRAM.
• Поддержка платформ различается: Intel Mac исключён, а для Windows x64 требуется AVX2.
• Работа Bionic с кодовой папкой даёт агенту возможность редактировать файлы и запускать команды.
• Внешние файлы в документальных проектах могут изменяться непосредственно в исходном расположении.
• Веб-поиск выключен, пока пользователь отдельно не включит его в настройках.
• API и поведение совместимых эндпоинтов меняются между версиями, поэтому при интеграции нужно сверяться с журналом изменений.

Официальные ссылки

• Быстрый старт Bionic
• Работа с документами в Bionic
• Запуск локального API-сервера
• Журнал изменений API
• Системные требования

Следующий шаг

Qwen 3.8 — актуальная экосистема открытых моделей

Связанные материалы

• Статья: Хватит просить у ИИ результат. Стройте свои инструменты
• Блог: Qwen3.6-35B-A3B в опенсорсе — 3 миллиарда активных параметров и кодинг на уровне гигантов
• База знаний: Claude Code — кодинг-агент от Anthropic

Если вы выбираете локальные модели для рабочих документов, разработки или внутреннего API, полезно заранее оценить требования к данным, железу и проверке действий агента.

Если захотите обсудить, как это применить у себя или в команде — пишите в Telegram @pimenov