LM Studioのインストールと使い方：デスクトップGUIでローカルAIモデルを実行する

Table of Contents

なぜ今ローカルでAIモデルを動かすべきか

プロンプトのテストのたびにAPI料金を払ってきたなら、もっとコスト効率の良い方法があるのでは、と思ったことがあるはずです。実際、あります。自分のマシンでモデルを動かせば、トークンごとのコストなしで無制限に推論でき、データのプライバシーも完全に守られ、ネットワーク往復によるレイテンシもゼロになります。

かつての問題はセットアップでした。llama.cppのコンパイル、CUDAドライバーの設定、サーバースクリプトの作成——モデルを動かすだけで週末がつぶれる作業でした。LM Studioはそれを変えます。モデル管理、チャットインターフェース、ローカルAPIサーバーを1つのダウンロードにまとめたデスクトップGUIアプリケーションです。ほとんどのプラットフォームでDockerも、ターミナルの設定も不要です。

開発者にとっての真のメリットは、内蔵サーバーが解放するものにあります。OpenAI互換のエンドポイントを公開するため、https://api.openai.com/v1/chat/completionsを呼び出すコードをhttp://localhost:1234/v1/chat/completionsへほぼ変更なしで向け直せます。私自身、有料APIに当たる前のプロンプトテストに本番環境でこれを使ってきました。モデルはセッションをまたいで予測通りに動作し、レスポンス形式も既存のコードが期待するものと完全に一致します。

インストール：LM Studioをシステムに導入する

LM StudioはWindows 10/11、macOS（Apple SiliconとIntel）、Linux（AppImage）をサポートしています。各プラットフォームに専用インストーラーがあり、どれも5分以内に完了します。

Windows

lmstudio.aiから.exeインストーラーをダウンロードして実行します。ユーザーディレクトリにインストールされるため、管理者権限は不要です。LM StudioにはlmsというCLIコンパニオンも同梱されており、PATHに自動的に追加されます。

# CLIコンパニオンが正しくインストールされたか確認する
lms --version

macOS

.dmgファイルを開いてLM Studioをアプリケーションフォルダにドラッグします。初回起動時、macOSが未確認の開発者に関する警告を表示する場合があります。システム設定 → プライバシーとセキュリティに移動し、このまま開くをクリックしてください。

Apple Silicon Mac（M1/M2/M3/M4）はCUDAの代わりにMetalを使ってモデルを実行します。実際、M2 Proで7Bモデルを40トークン/秒以上で処理するのは珍しくありません。エントリーレベルのNVIDIAセットアップより速い数字です。Intel Macユーザーは完全にCPU専用の実行となりますが、小さなモデルなら実用範囲内で、ただ明らかに遅くなります。

Linux

LinuxではLM StudioはAppImageとして配布されています。

# 実行前にlmstudio.aiで最新バージョン番号を確認してください
wget https://releases.lmstudio.ai/linux/x86/0.3.x/LM_Studio-0.3.x.AppImage -O LMStudio.AppImage

# 実行権限を付与する
chmod +x LMStudio.AppImage

# 起動
./LMStudio.AppImage

NVIDIAのGPUアクセラレーションを使うには、先にCUDAドライバーをインストールしておく必要があります。LM Studioは自動検出します——互換GPUを見つけると、モデル設定にGPUレイヤーのスライダーが表示されます。AMD GPUのサポートはROCm経由で利用できますが、ドライバーバージョンやカーネルによって設定が異なります。

設定：モデルのダウンロードとローカルサーバーの構成

LM Studioを開いたら、左サイドバーの検索アイコンをクリックしてモデルブラウザーを開きます。HuggingFaceから直接取得するため、アプリを離れることなく何千ものオープンソースモデルにアクセスできます。

最初のモデルを選ぶ

専用GPUがない場合はPhi-3-miniかLlama-3.2-3B-Instructから始めましょう。どちらも8GBのRAMで動作し、実用的な出力を生成します。16GB以上のRAMまたは専用GPUがあれば、Mistral-7B-InstructやLlama-3.1-8B-Instructが汎用モデルとして優れた選択肢です。

各モデルの一覧にはファイルサイズと量子化レベルが表示されます。命名規則は次のとおりです：

Q4_K_M — 4ビット量子化。サイズと品質のバランスが良い。まずここから始めましょう。
Q5_K_M — やや高品質で、ファイルサイズは約25%増。
Q8_0 — ほぼフル精度で、Q4の約2倍のサイズ。十分なVRAMがある場合のみ価値あり。

選択したファイルの横にあるダウンロードの矢印をクリックします。ダウンロード中はモデルブラウザーにプログレスバーが表示されます。

モデルの読み込みと設定の調整

Chatタブに切り替えて、上部のドロップダウンからダウンロードしたモデルを読み込みます。チャットを始める前に、歯車アイコンをクリックして主要設定を確認しましょう：

コンテキスト長：1セッションでモデルがメモリに保持するトークン数。4096から始めましょう。高い値ほど長い会話に対応できますが、RAMの消費量が大幅に増えます——7Bモデルで8192にすると1〜2GBのメモリ消費が加わります。
GPUレイヤー数：GPUにオフロードするモデルレイヤーの数。最高速度を得るには、GPUが処理できる最大値に設定します。CPU専用のマシンは0のままにしておきましょう。
Temperature：出力のランダム性を制御します。一般的な会話には0.7を使用し、決定論的な出力が求められるコード生成には0.1〜0.3を使用します。

ローカルAPIサーバーを有効にする

左サイドバーのLocal Serverアイコン（</>アイコン）をクリックします。サーバータブでモデルを選択し、Start Serverをクリックします。サーバーはデフォルトでhttp://localhost:1234にバインドされます。

1234が他のサービスと競合する場合は、サーバー設定でポートを変更できます。CORSはデフォルトで有効になっており、ブラウザベースのフロントエンドからAPIを呼び出す場合に重要です。

動作確認とモニタリング：すべての動作を確かめる

curlでテストする

サーバーが起動したら、ターミナルを開いてクイックテストリクエストを送信します：

curl http://localhost:1234/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "phi-3-mini",
    "messages": [
      {"role": "user", "content": "Dockerボリュームとは何かを一文で説明してください。"}
    ],
    "temperature": 0.7
  }'

成功したレスポンスは、モデルの回答を含むchoices配列を持つJSONオブジェクトを返します。接続エラーが発生した場合は、LM Studioのサーバーステータスインジケーターが緑になっていることを確認し、サーバータブにモデルが読み込まれていることを確かめてください——モデルがアクティブでないとサーバーは応答しません。

Pythonからテストする

すでにOpenAI Python SDKを使っていますか？LM Studioへの切り替えに必要な変更は1行だけです：

from openai import OpenAI

# クライアントをローカルのLM Studioサーバーに向ける
client = OpenAI(base_url="http://localhost:1234/v1", api_key="lm-studio")

response = client.chat.completions.create(
    model="phi-3-mini",  # LM Studioで表示されているモデル名に合わせる
    messages=[
        {"role": "user", "content": "Dockerfileとは何ですか？"}
    ]
)

print(response.choices[0].message.content)

ローカル推論ではapi_keyの値は重要ではありません——LM Studioは検証しません——ただしSDKは空でない文字列を要求するため、何でも渡してください。

パフォーマンス指標を読む

サーバーログパネルは各リクエストのトークン生成速度（トークン/秒）を表示します。ハードウェア設定が実際に機能しているかのベースラインとして使用してください：

CPU専用推論：モデルサイズとCPUに応じて2〜10トークン/秒を見込んでください。
Apple Silicon（Mシリーズ）：7Bモデルで20〜60以上トークン/秒。ローカル推論が実用的に使えるレベルです。
NVIDIA GPU（RTX 3060以上）：Q4量子化の7Bモデルで30〜80トークン/秒。

生成が遅いと感じたら、コンテキスト長を減らすか、より小さな量子化に切り替えてください。アプリの外からシステムリソースを監視することもできます：

# Linux/macOS — メモリとCPUを監視する
top -p $(pgrep -d',' -f "LM Studio")

# macOS — より詳細なGPU統計
sudo powermetrics --samplers gpu_power -i 1000

# Windows — タスクマネージャー（Ctrl+Shift+Esc）→ パフォーマンス → GPU

アプリを再起動せずにモデルを切り替える

LM Studioのサーバータブの実用的なメリットの一つは、モデルの切り替えの速さです。ドロップダウンから別のモデルを選択してRestart Serverをクリックするだけです。APIエンドポイントは同じポートのままなので、アプリケーションは次のリクエストから新しいモデルを使用します——コードの変更は不要です。

プロンプトを3Bモデルで実行し、7Bに切り替えてもう一度実行してみましょう。出力品質が十分近ければ、小さい方を使い続けましょう。小さいモデルが本番環境に十分かどうかわかる前に、大きなハードウェアや有料APIにコミットせずに済みます。

LM Studioのアクティビティログ（左サイドバーからアクセス可能）は、セッション履歴、モデルの読み込み時間、エラーを記録します。モデルの読み込みに失敗した場合、ログがその理由を教えてくれます——多くの場合、選択した量子化に対してRAMまたはVRAMが不足しています。Q4_K_Mまたはより小さいモデルに切り替えると、たいてい即座に解決します。