LM Studio è la soluzione più vicina, nel mondo dell’intelligenza artificiale locale, a un’applicazione desktop pronta all’uso. La scarichi, cerchi un modello nel catalogo integrato, clicchi su «carica» e inizi subito a chattare — niente terminale, niente Docker, niente file di configurazione. Dietro questa interfaccia amichevole si nascondono gli stessi motori llama.cpp e MLX che alimentano gran parte dell’ecosistema dei modelli linguistici locali, oltre a un server locale a un solo clic che emula l’API OpenAI, consentendo al tuo codice esistente di interagire con un modello in esecuzione sulla tua macchina.
This guide takes you from zero to a running local model through the GUI. We cover what LM Studio actually is in mid-2026, how to install it on Windows, macOS, and Linux, how to pick a model and quantization that fits your hardware, how to flip on the local server, and roughly how much VRAM and RAM you need. We also draw an honest line between LM Studio and Ollama, because they solve overlapping but different problems.
Punti chiave
- LM Studio è un'applicazione desktop gratuita sviluppata da Element Labs (la società dietro LM Studio, fondata dal creatore originale dell’app) per eseguire in locale modelli linguistici open-weight — gratuita per uso personale e commerciale dal 8 luglio 2025, senza necessità di licenza né di compilazione di moduli.
- L’ultima versione stabile è la 0.4.16 (8 giugno 2026), che ha aumentato la lunghezza predefinita del contesto a 8.000 token e ha introdotto «Locally», un’app companion per iPhone e iPad.
- Esegue due motori: llama.cpp per Modelli GGUF (NVIDIA/AMD/Intel/CPU) e MLX per Apple Silicon, con aggiunte recenti come il parallelismo tensoriale su più GPU (0.4.15) e la stabile decodifica speculativa MTP (0.4.14).
- Un server locale integrato compatibile con l’API OpenAI rende disponibile qualsiasi modello caricato all’indirizzo
http://localhost:1234/v1— basta puntare qualsiasi SDK OpenAI a tale URL e funzionerà senza modifiche al codice. - Requisiti hardware minimi: CPU con supporto AVX2, RAM consigliata 16 GB o superiore e circa 6–9 GB di VRAM per eseguire comodamente modelli da 7B a 13B in quantizzazione Q4. Su macOS è richiesto Apple Silicon e macOS 14 o versione successiva.
- Scegli LM Studio per esplorare e chattare; scegli Ollama per server headless e automazione. Sono complementari, non concorrenti.
Che cos’è realmente LM Studio
LM Studio è un'applicazione desktop che scarica ed esegue modelli di linguaggio di grandi dimensioni interamente sul tuo hardware. Nulla lascia la tua macchina. Raggruppa due motori di inferenza: llama.cpp, che esegue il formato di modello GGUF ampiamente utilizzato su NVIDIA, AMD, Intel e sistemi solo CPU, e MLX di Apple, che esegue i modelli in formato MLX nativamente sui Mac con M-series. Ottieni un browser di modelli, una finestra di chat in stile ChatGPT, impostazioni di inferenza per singolo modello e un interruttore del server — tutto in una finestra.
Il prodotto è sviluppato da Element Labs, Inc., l'azienda dietro LM Studio, fondata nel 2023 da Yagil Burowski — il creatore originale dell'app. A partire da 8 luglio 2025 è diventato gratuito per l'uso al lavoro, eliminando il precedente obbligo di richiedere una licenza commerciale separata. Tu e il tuo team potete installarlo e utilizzarlo commercialmente senza moduli, senza registrazione e senza costi. Esiste un livello LM Studio Enterprise a pagamento separato per le organizzazioni che desiderano funzioni avanzate come SSO, gating di modelli/MCP e collaborazione privata, ma l'app principale che la maggior parte delle persone vuole è gratuita.
La build stabile attuale è 0.4.16, rilasciata l'8 giugno 2026. Le versioni recenti si sono mosse rapidamente: 0.4.10 ha aggiunto OAuth per i server MCP, 0.4.14 ha introdotto lo speculative decoding MTP stabile (generazione più veloce su modelli con teste di predizione multi-token), 0.4.15 ha aggiunto parallelismo tensoriale per suddividere un modello su più GPU, e 0.4.16 ha aumentato la finestra di contesto predefinita a 8k token e introdotto «Locally», un'app iPhone/iPad companion che trasmette dal tuo desktop via LM Link.
Installazione di LM Studio su Windows, macOS e Linux
L'installazione è un'installazione app normale — scarica la build per il tuo OS da lmstudio.ai e eseguila. Il problema è dato dai requisiti della piattaforma, che contano più che per il software tipico perché gli LLM si basano molto sul set di istruzioni della CPU e sulla memoria.
| Piattaforma | Requisito | Note |
|---|---|---|
| Windows | x64 o ARM, CPU AVX2 | Snapdragon X Elite (ARM) supportato; installer .exe standard |
| macOS | Apple Silicon (M1–M4), macOS 14.0+ | I Mac Intel non sono supportati; sblocca il motore MLX |
| Linux | x64 o ARM64, Ubuntu 20.04+ | Distribuito come AppImage; le distro oltre Ubuntu 22 sono meno testate |
Il Il set di istruzioni AVX2 è obbligatorio su sistemi x64. In pratica questo copre i chip Intel Core dalla 4ª generazione (Haswell, 2013) in poi e ogni AMD Ryzen, quindi qualsiasi PC ragionevolmente moderno si qualifica. Il grande problema è macOS: I Mac Intel non sono affatto supportati nelle build attuali — hai bisogno di un chip M-series. Su Linux, l'AppImage significa che non c'è nulla da installare a livello di sistema; lo rendi eseguibile e lo esegui.
Dopo il primo avvio, LM Studio ti guida attraverso la scheda Discover e, su un'installazione nuova, potrebbe suggerire un modello iniziale. Non accettare alla cieca — scegli un modello che corrisponda al tuo hardware, che è il prossimo passo.
Download e scelta di un modello
Apri la scheda Discover. Lo scaricatore integrato estrae i modelli da Hugging Face e puoi cercare per parola chiave («qwen», «gemma»), per un identificatore specifico utente/modello , o incollando un URL completo di Hugging Face. Ogni modello elenca diversi quantizzazione varianti — etichette come Q4_K_M, Q5_K_M, oppure Q8_0. La quantizzazione comprime i pesi per ridurre il file e l'impronta di memoria, scambiando un po' di qualità per molta dimensione.
Per la maggior parte delle persone, Q4_K_M è il compromesso ideale. Riduce un modello 7B da circa 13–14GB a precisione completa (FP16) a circa 4GB — circa il 70% più piccolo — mantenendo la stragrande maggioranza della qualità dell'output; sui benchmark di perplessità standard il divario dalla precisione completa è sufficientemente piccolo da non mostrarsi quasi mai nella chat quotidiana. Il «K_M» significa medium K-quant: spende più bit sui tensori più sensibili (come le proiezioni di output dell'attenzione, mantenute a una precisione più alta) e meno altrove. Vai più in alto solo se hai lo spazio, più in basso solo se devi.
Abbinamento della quantizzazione al tuo VRAM
| VRAM disponibile | Quant consigliato | Regola generale |
|---|---|---|
| Sotto 8GB | Q2_K / Q3_K_M | Attieniti a modelli 7B–8B |
| 8–12GB | Q4_K_M (consigliato) | 7B comodamente; 13B si adatta a una scheda 12GB |
| 12–16GB | Q5_K_M / Q6_K | Qualità più alta su modelli mid |
| 16–24GB | Q8_0 | Quasi senza perdite su 7B–13B |
| 24GB+ | F16 (precisione completa) | Oppure modelli più grandi a Q4/Q5 |
Dimensioni approssimative di archiviazione e memoria per dimensione del modello a Q4: un 7B è circa 4–5GB, un 13B è 8–9GB, un 30B è 18–20GB e un 70B supera 40GB. Un 13B a Q4_K_M occupa circa 8–9GB di pesi, quindi una GPU 12GB può ospitarlo (pesi più una modesta KV cache) sulla GPU; altrimenti LM Studio scarica ciò che si adatta ed esegue il resto su CPU, che è più lento. Ricorda che la KV cache e la lunghezza del contesto si aggiungono a queste cifre, quindi lascia un paio di gigabyte di spazio libero. Se stai ancora scegliendo il tuo primo modello, il nostro articolo sui migliori LLM locali da eseguire su Ollama nel 2026 è praticamente uno-a-uno con LM Studio, poiché entrambi utilizzano gli stessi file GGUF.
Su Apple Silicon, preferisci le build MLX dove disponibili. Sui modelli supportati, le build in formato MLX sono spesso più veloci rispetto all'equivalente GGUF sullo stesso chip M-series — comunemente nell'ordine del 10–40%, anche se il divario varia a seconda del modello e può essere vicino a zero (e in alcuni modelli recenti GGUF supera persino MLX). La qualità è ampiamente comparabile, ma non è sempre identica: il Q4_K_M a precisione mista di GGUF assegna più bit ai livelli sensibili, mentre il 4-bit MLX è più uniforme, quindi vale la pena confrontare entrambi per un modello che utilizzerai intensamente. LM Studio ti consente di cambiare formato per modello dall'interfaccia utente, quindi puoi prendere la variante MLX quando esiste e ricorrere a GGUF quando non esiste.
Il server locale integrato (API compatibile con OpenAI)
Questa è la funzione che trasforma LM Studio da un giocattolo di chat a uno strumento per sviluppatori. Carica un modello, apri la scheda Developer/Server e attiva il server. LM Studio allora serve un API REST compatibile con OpenAI su http://localhost:1234/v1, esponendo endpoint per chat completions, completions, embeddings e risposte. Qualsiasi client che supporta lo schema OpenAI Chat Completions — l'SDK Python openai , il package Node openai , il wrapper OpenAI di LangChain, o un semplice curl — si connette semplicemente puntando il suo base_url / baseURL a quell'indirizzo.
Non c'è un vero requisito di API key e nessun egresso di rete: le richieste rimangono sulla tua macchina, non ci sono rate limit e nessun costo per token. Nel codice, di solito passi una chiave placeholder come «lm-studio» e imposti l'URL di base, e le chiamate OpenAI esistenti funzionano invariate. Questo rende LM Studio un drop-in elegante per lo sviluppo, i test e i carichi di lavoro sensibili alla privacy dove non puoi inviare dati a un'API cloud.
Dove il server eccelle
- Un solo toggle — niente YAML, nessun daemon separato da configurare
- Compatibilità OpenAI drop-in; cambia l'URL di base e distribuisci
- Completamente locale: zero costi, nessun rate limit, nessun dato che esce dalla macchina
- Perfetto per prototipare agenti e RAG su un modello locale gratuito
Dove è carente
- Legato alla GUI desktop — non progettato per server headless o VPS
- Overhead di memoria inattiva superiore a un runtime CLI
- Ambito a una sola macchina; nessun clustering integrato o load balancing
- Per la distribuzione in produzione sempre attiva, un runtime dedicato è più adatto
Se superi una singola macchina desktop e hai bisogno di distribuzione headless e sempre attiva, è esattamente il punto in cui Ollama o un engine più pesante prende il sopravvento — vedi il nostro Confronto tra Ollama vs LM Studio vs vLLM vs llama.cpp per l’analisi completa.
Hardware e VRAM: cosa ti serve effettivamente
La baseline onesta è una CPU AVX2 e 16GB di RAM di sistema (8GB faranno funzionare modelli piccoli, ma sentirai il limite rapidamente — contesto breve, modelli piccoli e rallentamenti evidenti). La RAM è importante anche su configurazioni GPU perché tutti gli strati che non rientrano in VRAM si riversano nella memoria di sistema.
Per l'accelerazione GPU, almeno 4GB di VRAM dedicata è il minimum consigliato, e più memoria è sempre meglio. Un obiettivo pratico per un'esperienza fluida con modelli 7B–13B è una scheda da 8–12GB. I modelli più grandi scalano velocemente: un 70B a Q4 ha bisogno di circa 40GB+ tra VRAM e RAM, per questo eseguirne uno comodamente di solito significa 48–64GB di memoria di sistema se non riesci a inserirlo interamente sulla GPU. Su Apple Silicon, l'architettura di memoria unificata combina RAM e VRAM, quindi un Mac da 32GB o 64GB è più potente dei suoi numeri per modelli di medio formato. Se stai cercando una scheda specificamente per questo, la nostra guida migliore GPUs for local LLMs nel 2026 scompone la matematica del prezzo per gigabyte.
LM Studio vs Ollama: quale fa al caso tuo
Questi due vengono confrontati costantemente, e la risposta breve è che sono costruiti per persone diverse. Ollama è una CLI e un servizio HTTP orientato agli sviluppatori che esegui headless; LM Studio è una GUI elegante su cui fai clic. Entrambi eseguono modelli GGUF attraverso llama.cpp, quindi la velocità grezza per token è essenzialmente la stessa per un modello e una quantizzazione identici. Le differenze riguardano l'ergonomia e la distribuzione.
| Dimensione | LM Studio | Ollama |
|---|---|---|
| Interfaccia primaria | GUI desktop | CLI + API HTTP |
| Footprint inattivo | Più pesante (GUI completa) | Più leggero (servizio in background) |
| Formato modello | GGUF + MLX | GGUF |
| Server compatibile con OpenAI | Sì, porta 1234 | Sì, porta 11434 |
| Uso headless / server | Non l'uso previsto | Progettato per questo |
| Ideale per | Esplorazione e chat | Automazione e distribuzione |
Scegli LM Studio se principalmente vuoi chattare con modelli su un laptop, sfogliare e provare molti modelli senza attrito e evitare completamente il terminale — offre un'esperienza fluida basata su installer, specialmente agli utenti Windows. Scegli Ollama se stai integrando modelli in una codebase, distribuendo a un VPS o scrivendo uno script per una pipeline. Molti eseguono entrambi: LM Studio per trovare e valutare un modello, Ollama per distribuirlo in produzione. Se stai valutando alternative GUI specificamente, il nostro Confronto tra Ollama e Jan copre un altro contendente open-source nello stesso spazio.
Verificare questi dati alla fonte
Le specifiche e i prezzi possono cambiare senza preavviso. Si tratta delle pagine ufficiali dei produttori relative a quanto descritto sopra:
Nuovo nell’app? Inizia con la breve spiegazione Che cos’è LM Studio? prima della guida completa riportata di seguito.
Domande frequenti
LM Studio è gratuito per uso commerciale?
Sì. Dal 8 luglio 2025, LM Studio è gratuito sia per uso personale che commerciale / aziendale, e non devi più richiedere una licenza separata o compilare alcun modulo. C'è un tier Enterprise opzionale a pagamento per le organizzazioni che desiderano funzioni di amministrazione avanzate (come SSO e gating di modelli / MCP), ma l'app standard è gratuita.
LM Studio funziona su Mac Intel?
No. Le build attuali di LM Studio richiedono Apple Silicon (M1 attraverso M4 e le loro varianti) e macOS 14.0 o più recente. I Mac basati su Intel non sono supportati. Su Apple Silicon ottieni anche il motore MLX più veloce oltre a GGUF.
Quale formato di modello utilizza LM Studio?
LM Studio esegue modelli GGUF attraverso il suo motore llama.cpp integrato su praticamente tutto l'hardware, e modelli in formato MLX attraverso il motore MLX di Apple su Mac M-series. GGUF è lo standard a file unico condiviso da LM Studio, Ollama, Jan e GPT4All, quindi i modelli sono in gran parte intercambiabili tra questi strumenti.
Qual è la differenza tra Q4_K_M e Q8_0?
Entrambi sono livelli di quantizzazione. Q4_K_M è 4-bit e circa un terzo della dimensione della precisione completa mantenendo la stragrande maggioranza della qualità — l'impostazione predefinita consigliata per la maggior parte dell'hardware. Q8_0 è 8-bit, più grande e praticamente quasi lossless, vale la pena usarlo solo se hai 16–24GB di VRAM da risparmiare.
Come collego il mio codice al server locale di LM Studio?
Abilita il server nella scheda Developer / Server con un modello caricato, quindi punta l'URL di base di qualsiasi SDK OpenAI a http://localhost:1234/v1. Non è necessaria una vera chiave API (passa una stringa segnaposto qualsiasi), e il codice OpenAI Chat Completions esistente funziona senza altri cambiamenti.
Quanta VRAM mi serve per eseguire un modello 7B?
Un modello 7B in Q4_K_M occupa circa 4–5GB su disco, e con la KV cache e l'overhead una scheda con 6–8GB di VRAM lo esegue comodamente e interamente sulla GPU. Con meno VRAM, LM Studio scarica l'overflow sulla RAM di sistema e sulla CPU, che comunque funziona ma gira più lentamente.
Posso eseguire LM Studio come server su un VPS?
Non è il caso d'uso previsto. LM Studio è costruito attorno alla sua GUI desktop, e il toggle del server presuppone una macchina locale. Per l'hosting headless e sempre attivo su un VPS, Ollama o un motore di inference dedicato sono la scelta migliore.
Conclusione
LM Studio è la rampa di accesso più semplice ai modelli LLM locali nel 2026, ed è ora genuinamente gratuito per qualsiasi uso. Se vuoi scaricare un modello, chattare con esso e occasionalmente puntare il tuo codice verso un endpoint privato compatibile con OpenAI — tutto senza toccare il terminale — niente altro è così accessible. La linea 0.4.x ha anche colmato veri gap con funzionalità come tensor-parallel multi-GPU e speculative decoding, quindi non è più solo un giocattolo per principianti.
Dove cade è nel deployment. L'overhead della GUI e il server legato al desktop significano che LM Studio non è lo strumento per il serving in produzione headless — questo è il lavoro di Ollama o vLLM. La mossa pragmatica è trattare LM Studio come il tuo banco di esplorazione e chat, usarlo per trovare il modello giusto e la quantizzazione per l'hardware, e ricorrere a un runtime dedicato quando devi servire quel modello ininterrottamente. Per la maggior parte dei singoli utenti che eseguono modelli su un laptop o desktop, però, questa è la prima app da installare.