thaivibecoding

แพลตฟอร์ม · โดย Element Labs

LM Studio

LM Studio คือแพลตฟอร์มสำหรับดาวน์โหลดและรันโมเดลภาษา (LLM) บนคอมพิวเตอร์ของตัวเอง มาเป็นแอปเดสก์ท็อปบน macOS, Windows และ Linux มีหน้าแชต ตัวค้นหาและดาวน์โหลดโมเดลจาก Hugging Face และเซิร์ฟเวอร์ API (ช่องทางให้โปรแกรมอื่นเรียกใช้) ที่เปิดในเครื่อง นอกจากแอปยังมี lms สำหรับ terminal (หน้าจอพิมพ์คำสั่ง) และ llmster ที่รันเป็นบริการเบื้องหลังโดยไม่มีหน้าต่าง

ไปที่เว็บ LM Studio lmstudio.ai

เหมาะกับใคร

  • เหมาะกับมือใหม่ที่ไม่อยากพิมพ์คำสั่ง เพราะติดตั้งด้วยตัวติดตั้งแบบหน้าต่าง และโหมด User แสดงเฉพาะหน้าแชตพร้อมตั้งค่าให้อัตโนมัติ
  • เหมาะกับเครื่อง Mac ชิป Apple Silicon เพราะรันได้ทั้งโมเดล GGUF ผ่าน llama.cpp และโมเดล MLX ผ่านเอนจิน MLX ของ Apple
  • เหมาะกับคนที่มีการ์ดจอ NVIDIA เพราะมีเอนจิน llama.cpp แบบ CUDA บน Windows และ Linux รองรับ RTX 50-series (CUDA 12.8) และมีตัวควบคุมหลายการ์ดจอ
  • เหมาะกับนักพัฒนาที่อยากใช้โมเดลในเครื่องเป็น backend ของเอเจนต์เขียนโค้ด เพราะมีวิธีต่อกับ Claude Code, Codex, Hermes Agent และ OpenClaw
  • เหมาะกับการใช้ในที่ทำงาน เพราะตั้งแต่ Jul 8, 2025 ใช้ได้ฟรีทั้งที่บ้านและที่ทำงาน โดยไม่ต้องกรอกฟอร์มหรือติดต่อขอสิทธิ์
  • เหมาะกับงานที่ข้อมูลห้ามออกนอกเครื่อง เพราะเมื่อรันโมเดลในเครื่อง ข้อความ ประวัติแชต และไฟล์ไม่ถูกส่งออกจากเครื่อง และแอปไม่มี telemetry

ไม่เหมาะกับ

  • คนที่ใช้ Mac ชิป Intel ควรดูตัวอื่น เพราะรองรับเฉพาะ Apple Silicon และต้องเป็น macOS 14.0 ขึ้นไป
  • คนที่ต้องการโปรแกรม open source ทั้งตัว ควรดูตัวอื่น เพราะแอปเดสก์ท็อปเป็นซอฟต์แวร์ปิด ห้ามแก้ไข แจกจ่ายต่อ หรือ reverse engineer มีเพียงบางส่วนอย่าง lms ที่เป็น MIT
  • คนที่จะนำไปเปิดเป็นบริการให้บุคคลภายนอก ยังไม่เหมาะ เพราะเงื่อนไขห้ามใช้แบบ service bureau, application service provider หรือ software-as-a-service
  • คนที่อยากได้คลังความรู้ถาวร การค้นเว็บ หรือการสั่งด้วยเสียงในแอปแชต ยังไม่เหมาะ เพราะแอป LM Studio มีแค่การแนบไฟล์ต่อแชต ส่วน Web Search และ Voice Input อยู่ใน LM Studio Bionic
  • โปรแกรมที่ต่อได้เฉพาะ API แบบ Ollama ยังไม่เหมาะ เพราะ API ที่มีคือแบบ OpenAI, แบบ Anthropic, แบบ Jev (TypeSafe AI) และ REST API ของ LM Studio เอง
  • องค์กรที่ต้องการระบบจัดการผู้ใช้และสิทธิ์จากส่วนกลาง ยังต้องติดต่อผ่านฟอร์ม Enterprise เพราะยังไม่มีข้อมูลฟีเจอร์แอดมินและราคา

ทำได้แค่ไหน

  • ดาวน์โหลดและรันโมเดลอย่าง gpt-oss, Llama, Qwen, Mistral และ DeepSeek R1 บนเครื่องของตัวเอง แล้วคุยผ่านหน้าแชตในแอป
  • ค้นหาและดาวน์โหลดโมเดลจาก Hugging Face ได้จากแท็บ Discover ในแอป โดยค้นด้วยคำ ด้วยชื่อแบบ user/model หรือวาง URL ของ Hugging Face
  • เปิดเซิร์ฟเวอร์ที่ http://localhost:1234 ซึ่งรับคำขอแบบเดียวกับ OpenAI และมี endpoint แบบ Anthropic ที่ /v1/messages โปรแกรมที่ใช้ OpenAI client อยู่แล้วเปลี่ยนแค่ base URL
  • แนบไฟล์ .docx, .pdf และ .txt เข้าแชตเพื่อถามตอบจากเนื้อหาในไฟล์ โดยทำงานในเครื่องทั้งหมด
  • ทำหน้าที่เป็น MCP Host ตั้งแต่เวอร์ชัน 0.3.17 จึงต่อโมเดลในเครื่องกับ MCP server (ตัวเชื่อม AI กับบริการภายนอก) ได้ทั้งแบบ local และ remote
  • llmster รันบนเซิร์ฟเวอร์ Linux, cloud instance, เครื่อง GPU ที่ไม่มีจอ หรือใน CI/CD pipeline และตั้งให้เริ่มทำงานตอนเปิดเครื่องได้

ใช้กับงานแบบไหนได้

มือใหม่ที่อยากได้แอปกดใช้ได้

เป็นแอปเดสก์ท็อปที่ติดตั้งด้วยตัวติดตั้งแบบหน้าต่าง โหมด User แสดงเฉพาะหน้าแชตและตั้งค่าให้อัตโนมัติ ดาวน์โหลดโมเดลได้จากแท็บ Discover โดยไม่ต้องพิมพ์คำสั่ง

คอมแรม 8GB หรือไม่มีการ์ดจอได้บางส่วน

แนะนำ RAM 16GB ขึ้นไป Mac ที่มี 8GB ยังใช้ได้แต่ควรใช้โมเดลเล็กและ context ไม่มาก บน Windows การ์ดจอที่มี VRAM 4GB เป็นคำแนะนำ ไม่ใช่ข้อบังคับ และปิดการใช้การ์ดจอได้ แต่ CPU แบบ x64 ต้องรองรับ AVX2

ใช้การ์ดจอหรือ Apple Silicon ให้เต็มได้

มีเอนจิน MLX บน Apple Silicon และเอนจิน CUDA สำหรับ NVIDIA ตั้งสัดส่วนงานที่ส่งให้การ์ดจอได้ตั้งแต่ 0 ถึง max และจัดสรรหลายการ์ดจอได้ โดยตัวควบคุมหลายการ์ดจอบางตัวใช้ได้เฉพาะ CUDA

เปิด API ให้โปรแกรมอื่นมาต่อได้

เซิร์ฟเวอร์เปิดที่ http://localhost:1234 มี /v1/chat/completions, /v1/responses, /v1/embeddings, /v1/completions และ /v1/models แบบ OpenAI และ /v1/messages แบบ Anthropic

ถามตอบจากไฟล์ของตัวเองได้บางส่วน

แนบไฟล์ .docx, .pdf และ .txt เข้าแชตได้ ไฟล์สั้นถูกใส่ทั้งไฟล์ ไฟล์ยาวใช้ RAG (ดึงเฉพาะส่วนที่เกี่ยวข้องมาตอบ) ซึ่งบางครั้งต้องปรับแต่งเอง ยังไม่มีข้อมูลเรื่องคลังความรู้ถาวรในแอป

ทำเอเจนต์ที่ใช้ tools หรือ MCPได้

แอปเป็น MCP Host สำหรับ MCP server ทั้ง local และ remote ใช้ MCP ผ่าน API ได้ และ SDK ภาษา Python กับ TypeScript ใช้สร้างเอเจนต์ที่รันในเครื่องทั้งหมด ส่วน MCP server แบบ remote ต้องใช้อินเทอร์เน็ต

ตั้งเซิร์ฟเวอร์ให้ทั้งทีมใช้ได้บางส่วน

มี Serve on Local Network, API Tokens, คำขอขนานกัน (ค่าเริ่มต้น 4), llmster แบบไม่มีหน้าต่าง และ LM Link ให้หลายคนใช้เครื่องเดียวกันได้ แต่ยังไม่มีข้อมูลระบบจัดการผู้ใช้หรือฟีเจอร์แอดมิน และ LM Link ยังอยู่ช่วง Preview

ใช้งานเป็นภาษาไทยได้บางส่วน

ภาษาไทย (th) อยู่ในรายชื่อภาษาของหน้าจอแอปที่ชุมชนช่วยแปล แต่ไม่ได้บอกว่าแปลครบแค่ไหน ยังไม่มีโมเดลใดในแคตตาล็อกที่บอกว่ารองรับภาษาไทย และไม่มีคู่มือภาษาไทย

วิธีเริ่มใช้

Windows

  1. ไปที่ lmstudio.ai/download แล้วกด Download LM Studio (มีทั้ง x64 และ ARM สำหรับ Snapdragon X Elite)
  2. เปิดไฟล์ติดตั้งที่ดาวน์โหลดมา แล้วทำตามขั้นตอนบนจอ
  3. เปิด LM Studio

macOS

  1. ตรวจว่าเครื่องเป็นชิป Apple Silicon (M1/M2/M3/M4) และเป็น macOS 14.0 ขึ้นไป
  2. ไปที่ lmstudio.ai/download แล้วกด Download LM Studio
  3. เปิดไฟล์ติดตั้งที่ดาวน์โหลดมา แล้วเปิด LM Studio

Linux

  1. ตรวจว่าเป็น Ubuntu 20.04 ขึ้นไป บนเครื่อง x64 หรือ ARM64 (aarch64)
  2. ไปที่ lmstudio.ai/download แล้วดาวน์โหลดไฟล์ AppImage
  3. เปิดไฟล์ AppImage เพื่อเริ่ม LM Studio

เริ่มใช้ครั้งแรกในแอป

  1. เปิดแท็บ Discover (Cmd+2 บน macOS หรือ Ctrl+2 บน Windows/Linux) แล้วเลือกโมเดลที่คัดไว้ให้ หรือค้นด้วยคำ เช่น Llama
  2. กดดาวน์โหลดโมเดลลงเครื่อง
  3. ไปที่แท็บ Chat แล้วเปิดตัวเลือกโมเดลด้วย Cmd+L (macOS) หรือ Ctrl+L (Windows/Linux)
  4. เลือกโมเดลที่ดาวน์โหลดไว้เพื่อโหลดเข้าหน่วยความจำ จะปรับค่าตอนโหลดด้วยก็ได้
  5. พิมพ์ข้อความในแท็บ Chat เพื่อเริ่มคุย

ใช้ผ่าน terminal ด้วย lms

  1. เปิดแอป LM Studio อย่างน้อยหนึ่งครั้งก่อน เพราะ lms มากับแอปและไม่ต้องติดตั้งเพิ่ม
  2. ตรวจด้วย lms --help
  3. ดาวน์โหลดโมเดลด้วย lms get llama-3.1-8b
  4. โหลดโมเดลด้วย lms load <model_key>
  5. เริ่มคุยด้วย lms chat
  6. เอาโมเดลออกจากหน่วยความจำด้วย lms unload <model_key> หรือ lms unload --all

เปิด API server

  1. ในแอป: ไปที่แท็บ Developer แล้วเปิดสวิตช์ Start server
  2. หรือใน terminal: รัน lms server start
  3. เซิร์ฟเวอร์จะรับคำขอที่ http://localhost:1234
  4. ตรวจสถานะด้วย lms server status
  5. หยุดด้วย lms server stop

llmster แบบไม่มีหน้าต่าง (macOS, Linux)

  1. รัน curl -fsSL https://lmstudio.ai/install.sh | bash
  2. รัน lms daemon up
  3. ดาวน์โหลดโมเดลด้วย lms get <model>
  4. เปิดเซิร์ฟเวอร์ด้วย lms server start
  5. คุยใน terminal ด้วย lms chat
  6. อัปเดตด้วย lms daemon down แล้วตามด้วย lms daemon update

llmster แบบไม่มีหน้าต่าง (Windows PowerShell)

  1. รัน irm https://lmstudio.ai/install.ps1 | iex
  2. รัน lms daemon up
  3. ดาวน์โหลดโมเดลด้วย lms get <model>
  4. เปิดเซิร์ฟเวอร์ด้วย lms server start

ต่อกับ Claude Code

  1. รัน lms server start --port 1234
  2. รัน export ANTHROPIC_BASE_URL=http://localhost:1234
  3. รัน export ANTHROPIC_AUTH_TOKEN=lmstudio
  4. รัน export CLAUDE_CODE_ATTRIBUTION_HEADER=0
  5. รัน claude --model openai/gpt-oss-20b
  6. ใช้โมเดลและการตั้งค่าที่มี context length มากกว่าราว 25k

ใช้กับเครื่องแบบไหนได้

macOSต้องเป็นชิป Apple Silicon (M1/M2/M3/M4) และ macOS 14.0 ขึ้นไป แนะนำ RAM 16GB ขึ้นไป เครื่อง 8GB ยังใช้ได้แต่ควรใช้โมเดลเล็กและ context ไม่มาก Mac ชิป Intel ยังไม่รองรับ
Windowsรองรับ x64 และ ARM (Snapdragon X Elite) CPU แบบ x64 ต้องรองรับชุดคำสั่ง AVX2 แนะนำ RAM อย่างน้อย 16GB และการ์ดจอที่มี VRAM (หน่วยความจำของการ์ดจอ) อย่างน้อย 4GB ไม่ได้บอกว่ารองรับ Windows รุ่นใดบ้าง
Linuxรองรับ x64 และ ARM64 (aarch64) แจกเป็นไฟล์ AppImage ต้องเป็น Ubuntu 20.04 ขึ้นไป ส่วน Ubuntu ที่ใหม่กว่า 22 ยังทดสอบไม่มาก บน x64 มาพร้อมการรองรับ AVX2 เป็นค่าเริ่มต้น
ไม่มีการ์ดจอปิดการส่งงานให้การ์ดจอได้ด้วย lms load <model_key> --gpu off บน Windows การ์ดจอเป็นคำแนะนำ ไม่ใช่ข้อบังคับ แต่ CPU แบบ x64 ต้องรองรับ AVX2
การ์ดจอ NVIDIAมีเอนจิน llama.cpp แบบ CUDA บน Windows และ Linux รองรับ RTX 50-series (CUDA 12.8) CUDA 12 ต้องใช้ driver 551.61 ขึ้นไปบน Windows และ 550.54.14 ขึ้นไปบน Linux ถ้าต่ำกว่านั้นจะใช้ CUDA 11 ต่อ
การ์ดจอ AMD และ Intelบันทึกของเวอร์ชัน 0.3.0 มี runtime ให้เลือกดาวน์โหลดคือ ROCm และ AVX-only ยังไม่ชัดว่าการ์ดจอ AMD ถูกเร่งความเร็วด้วยวิธีใดในเวอร์ชันปัจจุบัน และยังไม่มีข้อมูลการรองรับการ์ดจอ Intel
แบ่งงานให้การ์ดจอใช้ lms load --gpu=max|auto|0.0-1.0 โดย --gpu 0.5 คือส่ง 50% ของ layer ให้การ์ดจอ ถ้าไม่กำหนด LM Studio เลือกให้เอง และบันทึกเป็นค่าเริ่มต้นรายโมเดลได้ใน My Models
หลายการ์ดจอตั้งแต่ 0.3.14 เปิดปิดการ์ดจอรายตัว เลือกวิธีจัดสรร (evenly, priority order) และจำกัดน้ำหนักโมเดลให้อยู่ใน dedicated GPU memory ได้ เปิดด้วย Ctrl+Shift+H หรือ Cmd+Shift+H โดย Priority Order Mode และตัวจำกัดนี้ใช้ได้เฉพาะ CUDA
ขนาดโมเดลและพื้นที่ดิสก์ไม่ได้บอกพื้นที่ดิสก์ขั้นต่ำ ตัวอย่างขนาดไฟล์โมเดลคือ Llama 3.2 1B 1.32 GB, Mistral 7B Instruct v0.3 4.08 GB, Qwen2.5-7B-Instruct 4.68 GB และ Llama 3.1 8B Instruct 4.92 GB
ประเมินหน่วยความจำก่อนโหลดยังไม่มีตารางขนาดโมเดลเทียบกับ RAM หรือ VRAM ใช้ lms load --estimate-only <model_key> เพื่อดู Estimated GPU Memory และ Estimated Total Memory ก่อนโหลดได้ ตัวอย่างคือ openai/gpt-oss-120b ที่ 65.68 GB

โมเดลที่ใช้ได้

แหล่งโมเดลดาวน์โหลดจาก Hugging Face ผ่านแท็บ Discover ในแอป และมี Model Catalog ของ LM Studio ที่ lmstudio.ai/models ตัวดาวน์โหลดรับทั้งชื่อในแคตตาล็อก เช่น openai/gpt-oss-20b และลิงก์ Hugging Face
รูปแบบไฟล์รองรับ GGUF (รูปแบบไฟล์โมเดลของ llama.cpp) บนทุกระบบ และ MLX เฉพาะ Apple Silicon ทั้งแคตตาล็อกและ lms get กรองตาม GGUF หรือ MLX ได้
ตระกูลโมเดลตัวอย่างที่ยกไว้คือ gpt-oss, Llama, Qwen, Mistral และ DeepSeek R1 หน้า Model Catalog มี 52 รายการ บางตัวดาวน์โหลดได้ บางตัวมีเฉพาะใน LM Studio Cloud
Quantizationตัวเลือกอย่าง Q3_K_S หรือ Q_8 คือโมเดลเดียวกันที่ผ่าน quantization (บีบไฟล์ให้เล็กลงแลกกับคุณภาพ) ในระดับต่างกัน คำแนะนำคือเลือกแบบ 4-bit ขึ้นไปถ้าเครื่องรับไหว ใน terminal ใช้ lms get llama-3.1-8b@q4_k_m
นำเข้าโมเดลของตัวเองใช้ lms import <path/to/model.gguf> ซึ่งยังเป็นฟีเจอร์ experimental และย้ายไฟล์เป็นค่าเริ่มต้น (มี --copy, --hard-link, --symbolic-link, --dry-run) หรือวางไฟล์เองตามโครงสร้าง ~/.lmstudio/models/publisher/model/model-file.gguf
ที่เก็บโมเดลเก็บที่ ~/.lmstudio/models/ และเปลี่ยนโฟลเดอร์ได้จากหน้า My Models ดูรายการโมเดลบนดิสก์ด้วย lms ls ยังไม่มีข้อมูล path ของโฟลเดอร์โมเดลบน Windows
Embedding modelsรองรับโมเดล embedding (แปลงข้อความเป็นตัวเลขสำหรับค้นหา) เช่น text-embedding-nomic-embed-text-v1.5 ดูรายการด้วย lms ls --embedding และเรียกใช้ที่ POST /v1/embeddings
Tool use, vision และ reasoningทุกโมเดลใช้ tool ได้อย่างน้อยระดับหนึ่ง แบ่งเป็น Native และ Default โมเดลที่รองรับแบบ native มีป้ายรูปค้อนในแอป เช่น Qwen2.5-7B-Instruct, Llama-3.1 และ Llama-3.2 ส่วนแคตตาล็อกติดป้าย reasoning, tool use และ vision input ให้กรองได้

หน้าตาและการใช้งาน

สามส่วนของ LM Studioแอปเดสก์ท็อปแบบมีหน้าต่างที่มีความสามารถครบ, llmster ที่เป็นบริการเบื้องหลังแบบไม่มีหน้าต่าง และ lms ที่เป็น CLI คุยได้กับทั้งแอปและ llmster ตัวแอปมีเอนจิน llama.cpp และ MLX มาในตัว
โหมด User และ DeveloperUser แสดงเฉพาะหน้าแชตและตั้งค่าให้อัตโนมัติ ส่วน Developer เข้าถึงได้ทุกส่วน เปิดที่ Settings > Developer ตั้งแต่ 0.4.0 Developer Mode รวมโหมด Developer และ Power User เดิมไว้ด้วยกัน
ฟีเจอร์แชตมีหลายบทสนทนาจัดเป็นโฟลเดอร์ซ้อนกันได้ ทำสำเนาแชต แบ่งจอดูสองแชตคู่กัน แก้ system prompt ปรับค่าตอนโหลดและตอนตอบ และแนบไฟล์ .docx, .pdf, .txt ตั้งแต่ 0.4.0 ส่งออกแชตเป็น PDF, markdown หรือ plain text ได้
ที่เก็บประวัติแชตเก็บเป็นไฟล์ JSON ที่ ~/.lmstudio/conversations/ บน Mac และ Linux และ %USERPROFILE%\.lmstudio\conversations บน Windows โมเดลไม่ได้เรียนรู้จากแชต
แชตใน terminallms chat เปิดแชตแบบโต้ตอบ ส่วน lms chat my-model -p "..." ส่งคำถามเดียวแล้วจบ ใช้ -s ตั้ง system prompt และส่งข้อความเข้าทาง stdin ได้ เช่น cat my_file.txt | lms chat -p "Summarize this, please"
จัดการเอนจินเอนจิน (LM Runtimes) ดาวน์โหลดและสลับแยกจากการอัปเดตแอป เปิดด้วย Cmd+Shift+R หรือ Ctrl+Shift+R หรือใช้ lms runtime ls | get | select | remove | update
ธีมเปิดตัวเลือกธีมด้วย Cmd/Ctrl+K แล้วกด T ตัวเลือก Auto สลับ Light และ Dark ตามการตั้งค่าของระบบ
เสียงและค้นเว็บยังไม่มีข้อมูลฟีเจอร์เสียงหรือการค้นเว็บในแอป LM Studio ทั้ง Voice Input ที่ถอดเสียงในเครื่องด้วย Voxtral และ Web Search เป็นฟีเจอร์ของ LM Studio Bionic

API และการต่อกับโปรแกรมอื่น

ที่อยู่และ portเซิร์ฟเวอร์รับคำขอที่ http://localhost:1234 โดย port (หมายเลขช่องทางรับการเชื่อมต่อ) เริ่มต้นคือ 1234 เปลี่ยนได้ด้วย lms server start --port 3000 ถ้าไม่ใส่ --port จะใช้ port ที่ใช้ครั้งก่อน
แบบ OpenAIBase URL คือ http://localhost:1234/v1 มี GET /v1/models และ POST /v1/responses, /v1/decisions, /v1/chat/completions, /v1/embeddings, /v1/completions ใช้ OpenAI client ใน Python, JS หรือ C# ได้โดยเปลี่ยน base URL
แบบ Anthropicมี POST /v1/messages ที่ http://localhost:1234 รับ header x-api-key และ Authorization: Bearer <token> เมื่อเปิดการยืนยันตัวตน
REST API ของ LM Studio และ SDKREST API รุ่น v1 อยู่ที่ /api/v1/* เช่น POST /api/v1/chat ที่จำสถานะบทสนทนาและใช้ MCP ได้ รวมถึง endpoint โหลด เลิกโหลด และดาวน์โหลดโมเดล มี SDK ทางการคือ npm install @lmstudio/sdk และ pip install lmstudio
เปิดให้เครื่องอื่นในเครือข่ายเปิด Serve on Local Network เพื่อให้อุปกรณ์ในเครือข่ายเดียวกันเรียกได้ หรือใช้ lms server start --bind 0.0.0.0 การ bind ที่อื่นนอกจาก 127.0.0.1 เปิดเซิร์ฟเวอร์ออกนอกเครื่อง จึงแนะนำให้เปิดการยืนยันตัวตน
การยืนยันตัวตนค่าเริ่มต้นไม่ต้องยืนยันตัวตน ตั้งแต่ 0.4.0 เปิด Require Authentication ได้ที่ Developers Page > Server Settings แล้วสร้าง API Tokens ใน Manage Tokens ซึ่งแสดงครั้งเดียว และส่งมาใน Authorization: Bearer $LM_API_TOKEN
คำขอขนานกันตั้ง Max Concurrent Predictions ตอนโหลดโมเดลเพื่อประมวลผลหลายคำขอพร้อมกันแทนการต่อคิว ค่าเริ่มต้นคือ 4 ใช้ได้กับเอนจิน llama.cpp (ต้องเป็น runtime llama.cpp v2.0.0) ส่วน MLX ยังไม่รองรับ
JIT loading และ TTLJust-In-Time loading เปิดเป็นค่าเริ่มต้น โหลดโมเดลเมื่อมีคำขอแรกเข้ามา โมเดลที่โหลดแบบนี้มี Idle TTL 60 นาที และ Auto-Evict เก็บไว้ในหน่วยความจำได้ครั้งละ 1 ตัว ส่วนโมเดลที่โหลดด้วย lms load ไม่มี TTL เว้นแต่ใส่ --ttl
โปรแกรมที่ต่อได้ชี้ base URL ไปที่ http://localhost:1234 มีวิธีต่อกับ Claude Code, Codex, Hermes Agent และ OpenClaw และมีการเอ่ยถึง Zed, Cline และ Continue.dev ว่าใช้กับ JIT loading ยังไม่มีวิธีต่อกับ Open WebUI
Codexcodex --oss ชี้ Codex มาที่ LM Studio ผ่าน POST /v1/responses ค่าเริ่มต้นจะดาวน์โหลดและใช้ openai/gpt-oss-20b เปลี่ยนโมเดลด้วย codex --oss -m ibm/granite-4-micro

ถามตอบจากไฟล์ tools และ MCP

แนบไฟล์ในแชตแนบไฟล์ .docx, .pdf และ .txt ได้ ถ้าไฟล์สั้นพอกับ context ของโมเดล เนื้อหาทั้งไฟล์ถูกใส่เข้าบทสนทนา ถ้ายาวมากจะใช้ RAG (ดึงเฉพาะส่วนที่เกี่ยวข้องมาตอบ) ซึ่งบางครั้งได้ผลดี บางครั้งต้องปรับแต่งและลองหลายแบบ
ขนาดและชนิดไฟล์ไฟล์ PDF และ .docx สำหรับ RAG ใหญ่ได้สูงสุด 30MB รับไฟล์ชนิดอื่นได้ แต่ไฟล์ที่ไม่ใช่ .pdf หรือ .docx ถูกอ่านเป็นข้อความธรรมดา
คลังความรู้ถาวรยังไม่มีข้อมูลว่าแอปมีคลังไฟล์ที่ใช้ซ้ำข้ามแชตได้ การแนบไฟล์ทำต่อบทสนทนา
MCP ในแอปเพิ่ม MCP server ได้โดยแก้ไฟล์ mcp.json ของแอป (แท็บ Program ที่แถบขวา แล้วไป Install > Edit mcp.json) ซึ่งใช้รูปแบบเดียวกับ mcp.json ของ Cursor หรือกดปุ่ม Add to LM Studio เมื่อโมเดลเรียก tool จะมีหน้าต่างให้ยืนยันก่อน
MCP แบบ OAuthเพิ่ม integration แล้ว login ผ่านเบราว์เซอร์ จากนั้น tools ของบริการนั้นจะใช้ได้ ตัวอย่างคือ Linear, Notion, Atlassian และ Sentry
MCP ผ่าน APIตั้งแต่ 0.4.0 ใช้ MCP ได้ที่ /api/v1/chat และ /v1/responses ทั้งแบบกำหนดต่อคำขอ (ephemeral_mcp เฉพาะ remote MCP) และแบบที่ตั้งไว้ใน mcp.json (plugin) ใช้กับ /v1/chat/completions และ /v1/messages ไม่ได้
Tool callingส่ง tools array ใน /v1/chat/completions ได้ พร้อม tool_choice แบบ none, auto หรือ required และ SDK ภาษา Python กับ TypeScript ให้กำหนดฟังก์ชันเป็น tools เพื่อสร้างเอเจนต์ที่รันในเครื่องทั้งหมด
โหมดเอเจนต์แอป LM Studio ไม่มีโหมดเอเจนต์ของตัวเองนอกจากแชตที่ใช้ MCP tools เอเจนต์ของค่ายนี้คือ LM Studio Bionic ซึ่งเป็นแอปแยก และ LM Studio ใช้เป็น backend ให้ Claude Code, Codex, Hermes Agent และ OpenClaw ได้

ข้อมูลและความเป็นส่วนตัว

ข้อมูลที่อยู่ในเครื่องเมื่อดาวน์โหลดและรันโมเดลในเครื่อง ข้อความ ประวัติแชต และไฟล์ไม่ถูกส่งออกจากเครื่อง ทุกอย่างบันทึกไว้ในเครื่อง
ใช้ออฟไลน์การคุยกับโมเดล การถามตอบจากไฟล์ และการเปิดเซิร์ฟเวอร์ในเครื่องไม่ต้องใช้อินเทอร์เน็ต
ส่วนที่ต้องใช้อินเทอร์เน็ตการค้นหาและดาวน์โหลดโมเดล ข้อมูลในแท็บ Discover การดาวน์โหลด runtime และการตรวจหาอัปเดตของแอป รวมถึง LM Link ที่ต้องต่ออินเทอร์เน็ตเพื่อเชื่อมอุปกรณ์เข้าหากัน
Telemetryแอปไม่มี telemetry หรือการติดตามรายผู้ใช้ ข้อมูลที่ LM Studio ได้รับมีแค่ตอนค้นหาหรือดาวน์โหลดโมเดล และตอนแอปตรวจหาอัปเดต คือเวอร์ชันแอป ระบบปฏิบัติการ และ IP address ยังไม่มีข้อมูลสวิตช์ปิดการตรวจอัปเดต
ฟีเจอร์คลาวด์เมื่อซื้อและเลือกใช้ฟีเจอร์คลาวด์ เช่น cloud models หรือ web search ข้อมูลถูกประมวลผลชั่วคราวและไม่ถูกเก็บหลังคำขอเสร็จ ภายใต้ Zero Data Retention และไม่ถูกนำไปฝึกโมเดล การประมวลผลนี้เกิดเฉพาะเมื่อซื้อและเลือกใช้เท่านั้น
ที่ตั้งของคลาวด์การประมวลผลบนคลาวด์ของ Bionic อยู่ในสหรัฐ และเป็นแบบ Zero data retention (ZDR)
บัญชีรันโมเดลในเครื่องได้โดยไม่ต้องมีบัญชี บัญชี LM Studio ต้องใช้กับ cloud models ใน Bionic และกับ LM Link
LM Linkอุปกรณ์คุยกันผ่านการเชื่อมต่อเข้ารหัสแบบ end-to-end ของ Tailscale และไม่ถูกเปิดสู่อินเทอร์เน็ตสาธารณะ แชตอยู่ในเครื่อง สิ่งที่ขึ้นเซิร์ฟเวอร์ของ LM Studio มีเพียงรายชื่ออุปกรณ์ ปิดได้ที่ Settings -> LM Link หรือ lms link disable

ลิขสิทธิ์และการใช้ในบริษัท

ราคาLM Studio ใช้ฟรีทั้งที่บ้านและที่ทำงาน
ใช้ในบริษัทตั้งแต่ Jul 8, 2025 ใช้ที่ทำงานได้ฟรีโดยไม่ต้องกรอกฟอร์มหรือติดต่อขอสิทธิ์ ก่อนหน้านั้นการใช้ในบริษัทต้องขอ commercial licence แยก
สัญญาอนุญาตของแอปแอปเป็นซอฟต์แวร์ปิดของ Element Labs, Inc. ให้สิทธิ์ใช้แบบ non-exclusive และ non-transferable เพื่อการใช้ส่วนตัวหรือใช้ภายในธุรกิจของตัวเองเท่านั้น
สิ่งที่ห้ามทำห้าม sublicense แจกจ่าย ขาย ใช้แบบ service bureau, application service provider หรือ software-as-a-service และห้ามแก้ไขหรือ reverse engineer
ส่วนที่เป็น open sourcelms CLI เป็น MIT (github.com/lmstudio-ai/lms) เช่นเดียวกับ mlx-engine, lmstudio-js และ lmstudio-python ส่วน localization เป็น Apache-2.0
สัญญาอนุญาตของโมเดลโมเดลเป็นของบุคคลที่สามและมีสัญญาอนุญาตของตัวเองที่เปิดกว้างไม่เท่ากัน ผู้ใช้ต้องดูแลให้การใช้งานเป็นไปตามกฎหมายและข้อตกลงกับเจ้าของโมเดล
ใช้ร่วมกันในทีมServe on Local Network ให้หลายคนใช้ LM Studio เครื่องเดียวในเครือข่าย โดยมี API Tokens และคำขอขนานกัน (ค่าเริ่มต้น 4) ส่วน LM Link ให้ใช้โมเดลบนเครื่องแรงจากแล็ปท็อปหรือ iPhone ได้
Enterprise และ Teamsหน้า Enterprise เป็นฟอร์มติดต่อสำหรับนำ Bionic เข้าองค์กร เลือกใช้คลาวด์ ZDR ในสหรัฐ โครงสร้างของตัวเอง หรืออุปกรณ์ edge ได้ โพสต์เดือน Jul 2025 เคยเอ่ยถึง SSO และ model / MCP gating ในแผน Enterprise แต่หน้า Enterprise ปัจจุบันไม่มีรายการนี้ และไม่ได้บอกราคา

ภาษาไทย

หน้าจอแอปภาษาไทยThai (th) อยู่ในรายชื่อภาษาที่ชุมชนช่วยแปล โดยผู้แปลคือ @gnoparus แต่ภาษาไทยไม่อยู่ในรายชื่อภาษาที่ยกขึ้นหัวหน้า และไม่ได้บอกว่าแปลครบแค่ไหน
วิธีเปลี่ยนภาษาเลือกที่ Settings ในหัวข้อ Preferences > Language หน้า Settings นี้ต้องเปิดโหมด Power User ขึ้นไป ซึ่งตั้งแต่ 0.4.0 คือ Developer Mode
จำนวนภาษาตั้งแต่ 0.3.17 (Jun 25, 2025) แอปมี 33 ภาษา คำแปลดูแลโดยชุมชนที่ github.com/lmstudio-ai/localization ซึ่งมีโฟลเดอร์ th
โมเดลภาษาไทยยังไม่มีโมเดลใดในแคตตาล็อกที่บอกว่ารองรับภาษาไทย บางตัวบอกเพียงว่าใช้ได้หลายภาษาโดยไม่บอกชื่อภาษา เช่น Granite 4.0, mistral-nemo และ Qwen2.5-VL
คู่มือภาษาไทยไม่มีคู่มือภาษาไทย
เสียงภาษาไทยVoice Input ของ Bionic ใช้ Voxtral ที่รองรับหลายภาษา แต่ไม่ได้บอกว่ามีภาษาไทย

ราคาและแผน

แผนราคาได้อะไรบ้าง
LM Studio (แอปเดสก์ท็อป, llmster, lms)Freeใช้ฟรีทั้งที่บ้านและที่ทำงาน ภายใต้สัญญาอนุญาตแบบซอฟต์แวร์ปิดของ Element Labs, Inc. ที่ให้ใช้ส่วนตัวหรือใช้ภายในธุรกิจ ไม่ใช่ open source ยกเว้นบางส่วน เช่น lms ที่เป็น MIT
Bionic Free$0Bionic Agent, รัน LLM ในเครื่องด้วย llama.cpp และ MLX, ถอดเสียงแบบออฟไลน์, LM Link ได้สูงสุด 5 อุปกรณ์ และ web search แบบจำกัด
Bionic+$20 USD / monthทุกอย่างใน Free และเพิ่มโมเดล open source ที่โฮสต์ในสหรัฐ (Kimi K3, GLM 5.3, DeepSeek V4 Flash และอื่น ๆ), discounted bulk tokens, web search และ page extraction ไม่ได้บอกปริมาณการใช้ที่รวมในแผน
Pro$100 USD / monthทุกอย่างใน Bionic+ และเพิ่ม usage limits 5 เท่า, discounted bulk tokens และสิทธิ์ใช้ฟีเจอร์ใหม่ก่อน ส่วนที่ใช้เกินโควตาของแผนจ่ายด้วย cloud credits
Teamsยังไม่มีราคามี centralized billing สำหรับทีมที่ใช้ inference credits โดยสร้าง organization แล้วเชิญสมาชิก ส่วนแผน subscription สำหรับทีมยังไม่เปิด
Enterpriseติดต่อผ่านฟอร์มนำ Bionic เข้าองค์กร โดยเลือกใช้คลาวด์ Zero Data Retention ในสหรัฐ โครงสร้างของตัวเอง หรืออุปกรณ์ edge ไม่ได้บอกราคาและรายการฟีเจอร์
LM LinkFree ระหว่าง Previewใช้โมเดลบนเครื่องอื่นของตัวเองผ่านการเชื่อมต่อเข้ารหัส ฟรีตลอดช่วง Preview และจะมีทั้งแผนฟรีและแผนเสียเงินเมื่อเปิดใช้ทั่วไป

ข้อจำกัดและสิ่งที่ควรรู้ก่อนเริ่ม

  • ไฟล์ PDF และ .docx ที่แนบสำหรับ RAG มีขนาดได้สูงสุด 30MB และไฟล์ชนิดอื่นถูกอ่านเป็นข้อความธรรมดา
  • คำขอขนานกันใช้ได้เฉพาะเอนจิน llama.cpp โดย Max Concurrent Predictions มีค่าเริ่มต้น 4 ส่วน MLX ยังไม่รองรับ
  • โมเดลที่โหลดแบบ JIT ถูกเอาออกจากหน่วยความจำเมื่อไม่ถูกใช้ 60 นาที และ Auto-Evict เก็บโมเดล JIT ไว้ได้ครั้งละ 1 ตัวเป็นค่าเริ่มต้น
  • MCP ผ่าน API ใช้ได้ที่ /api/v1/chat และ /v1/responses เท่านั้น ใช้กับ /v1/chat/completions และ /v1/messages ไม่ได้ และ MCP แบบกำหนดต่อคำขอรับเฉพาะ remote MCP
  • โมเดล MLX ใช้ได้เฉพาะ Mac ชิป Apple Silicon และการนำเข้าไฟล์โมเดลเองมีวิธีสำหรับไฟล์ .gguf เท่านั้น
  • Priority Order Mode และ Limit Model Offload to Dedicated GPU Memory ใช้ได้เฉพาะการ์ดจอ NVIDIA (CUDA)
  • LM Link ยังอยู่ช่วง Preview และเปิดสิทธิ์ใช้เป็นรอบ แผน Free รวม LM Link ได้สูงสุด 5 อุปกรณ์
  • มีสองแอปที่ใช้ชื่อ LM Studio คือ LM Studio (แอปแชตและ API server เวอร์ชัน 0.4.x) และ LM Studio Bionic (แอปเอเจนต์ที่เปิดตัว Jul 16, 2026) หน้าแรก lmstudio.ai เป็นหน้าของ Bionic ส่วนแอปเดิมอยู่ที่ lmstudio.ai/download ใต้ปุ่ม Download LM Studio
  • Mac ชิป Intel ใช้ไม่ได้ และ CPU แบบ x64 บน Windows กับ Linux ต้องรองรับ AVX2
  • ไฟล์โมเดลมีขนาดหลาย GB และต้องใช้อินเทอร์เน็ตตอนค้นหากับดาวน์โหลด ตัวอย่างในคู่มือ lms ls คือโมเดล 47 ตัวที่กินพื้นที่ดิสก์ 160.78 GB
  • API server ไม่ต้องยืนยันตัวตนเป็นค่าเริ่มต้น ควรเปิด Require Authentication ก่อนเปิด Serve on Local Network หรือ bind ที่อื่นนอกจาก 127.0.0.1
  • ยังไม่มีข้อมูลวิธีลบโมเดลออกจากดิสก์ทั้งในแอปและใน lms คำสั่ง lms unload เอาโมเดลออกจากหน่วยความจำเท่านั้น ไฟล์ยังอยู่ที่ ~/.lmstudio/models/
  • ต้องเปิดแอป LM Studio อย่างน้อยหนึ่งครั้งก่อนจึงจะใช้ lms ได้ และตัวอัปเดตในแอปบน Linux ยังอยู่ระหว่างพัฒนา
  • เอเจนต์เขียนโค้ดต้องการ context มาก เมื่อต่อกับ Claude Code ควรใช้โมเดลและการตั้งค่าที่มี context length มากกว่าราว 25k
  • ไม่ควรติดตั้ง MCP จากแหล่งที่ไม่น่าเชื่อถือ และ MCP server บางตัวที่ออกแบบมาสำหรับ Claude, ChatGPT หรือ Gemini ใช้ token มากจนทำให้ context ของโมเดลในเครื่องล้นบ่อย
  • ใน Bionic โมเดลบนคลาวด์ต้องมีบัญชี LM Studio ที่มี credits ส่วนโมเดลในเครื่องและโมเดลผ่าน LM Link ไม่ใช้ credits และไม่ต้องมีบัญชี
  • ชื่อโมเดลบนคลาวด์ของ Bionic ไม่ตรงกันระหว่างสองหน้า หน้าแรกเขียน GLM 5.2, Kimi K3 และ DeepSeek V4 Pro ส่วนหน้าราคาเขียน Kimi K3, GLM 5.3 และ DeepSeek V4 Flash

คำถามที่คนถามเกี่ยวกับ LM Studio

LM Studio คืออะไร

LM Studio คือแพลตฟอร์มรันโมเดลภาษาบนคอมพิวเตอร์ของตัวเอง เป็นแอปเดสก์ท็อปบน macOS, Windows และ Linux ที่ดาวน์โหลดโมเดลจาก Hugging Face มาคุยผ่านหน้าแชต และเปิดเซิร์ฟเวอร์ API ในเครื่องได้ ทำโดย Element Labs, Inc.

LM Studio download ที่ไหน ติดตั้งยังไง

ดาวน์โหลดตัวติดตั้งตามระบบปฏิบัติการได้ที่ lmstudio.ai/download โดยกดปุ่ม Download LM Studio ซึ่งแยกจากปุ่ม Download LM Studio Bionic บน Linux แจกเป็นไฟล์ AppImage ส่วน Mac ต้องเป็นชิป Apple Silicon

LM Studio วิธีใช้เริ่มยังไง

เปิดแท็บ Discover แล้วดาวน์โหลดโมเดล จากนั้นไปแท็บ Chat กด Cmd+L (macOS) หรือ Ctrl+L (Windows/Linux) เพื่อเลือกโมเดลโหลดเข้าหน่วยความจำ แล้วพิมพ์คุยได้เลย

LM Studio API ใช้ port อะไร เปิดยังไง

เปิดที่แท็บ Developer แล้วเปิดสวิตช์ Start server หรือรัน lms server start เซิร์ฟเวอร์รับคำขอที่ http://localhost:1234 (port 1234) ใช้ base URL http://localhost:1234/v1 กับ OpenAI client ได้ และมี /v1/messages แบบ Anthropic

LM Studio vs Ollama ต่างกันยังไง

ฝั่ง LM Studio เป็นแอปเดสก์ท็อปแบบมีหน้าต่างที่มีเอนจิน llama.cpp และ MLX ในตัว มี lms กับ llmster สำหรับคนที่ใช้ terminal ตัวแอปเป็นซอฟต์แวร์ปิดที่ใช้ฟรี และ API เป็นแบบ OpenAI กับ Anthropic ยังไม่มี API แบบ Ollama

ต้องติดตั้งทั้ง LM Studio และ Ollama เลยใช่ไหม

ไม่ต้อง LM Studio มีเอนจินรันโมเดลในตัวคือ llama.cpp และ MLX บน Apple Silicon จึงดาวน์โหลดและรันโมเดลได้เองโดยไม่ต้องลงตัวรันโมเดลแยก

LM Studio Bionic คืออะไร

LM Studio Bionic คือแอปเอเจนต์สำหรับ open models ที่เปิดตัว Jul 16, 2026 ใช้ทำงานเขียนโค้ด ค้นคว้า และงานกับไฟล์ เลือกได้ทั้งโมเดลในเครื่อง โมเดลบน LM Studio Secure Cloud และโมเดลจากเครื่องอื่นผ่าน LM Link เป็นแอปแยกจาก LM Studio และใช้คู่กันได้

LM Studio ฟรีไหม ใช้ในบริษัทได้ไหม

ฟรีทั้งที่บ้านและที่ทำงาน ตั้งแต่ Jul 8, 2025 ใช้ในบริษัทได้โดยไม่ต้องกรอกฟอร์มหรือขอสิทธิ์แยก แต่แอปเป็นซอฟต์แวร์ปิด ห้ามแจกจ่ายต่อหรือเปิดเป็นบริการให้คนนอก ส่วนที่เสียเงินคือแผน Bionic+ $20 USD / month และ Pro $100 USD / month ของ Bionic

LM Studio ต้องใช้สเปกเครื่องเท่าไร ไม่มีการ์ดจอใช้ได้ไหม

แนะนำ RAM 16GB ขึ้นไป บน Windows แนะนำการ์ดจอที่มี VRAM อย่างน้อย 4GB แต่ไม่บังคับ และปิดการใช้การ์ดจอได้ด้วย --gpu off CPU แบบ x64 ต้องรองรับ AVX2 ส่วน Mac ต้องเป็น Apple Silicon โดยเครื่อง 8GB ควรใช้โมเดลเล็ก

ไปที่เว็บ LM Studio lmstudio.ai
ลิงก์อ้างอิง 53 หน้า
  1. lmstudio.ai/docs/app
  2. lmstudio.ai/docs/app/basics/download-model
  3. lmstudio.ai/docs/developer/openai-compat
  4. lmstudio.ai/docs/app/basics/rag
  5. lmstudio.ai/docs/app/mcp
  6. lmstudio.ai/docs/app/basics/lmstudio-vs-llmster-vs-lms
  7. lmstudio.ai/docs/app/user-interface/modes
  8. lmstudio.ai/blog/lmstudio-v0.3.15
  9. lmstudio.ai/docs/integrations
  10. lmstudio.ai/blog/free-for-work
  11. lmstudio.ai/privacy
  12. lmstudio.ai/docs/app/system-requirements
  13. lmstudio.ai/terms
  14. lmstudio.ai/docs/bionic/voice-input
  15. lmstudio.ai/docs/developer/jev-compat
  16. lmstudio.ai/enterprise
  17. lmstudio.ai/blog/lmstudio-v0.3.14
  18. lmstudio.ai/docs/developer/core/server/serve-on-network
  19. lmstudio.ai/docs/app/user-interface/languages
  20. lmstudio.ai/docs/app/basics
  21. lmstudio.ai/docs/cli
  22. lmstudio.ai/docs/developer/core/server
  23. lmstudio.ai/docs/developer/core/headless_llmster
  24. lmstudio.ai/docs/integrations/claude-code
  25. lmstudio.ai/docs/cli/local-models/load
  26. lmstudio.ai/blog/lmstudio-v0.3.0
  27. lmstudio.ai/docs/cli/local-models/ls
  28. lmstudio.ai/docs/developer/rest/download
  29. lmstudio.ai/models
  30. lmstudio.ai/docs/app/advanced/import-model
  31. lmstudio.ai/docs/developer/openai-compat/tools
  32. lmstudio.ai/docs/app/basics/chat
  33. lmstudio.ai/docs/cli/local-models/chat
  34. lmstudio.ai/docs/cli/runtime/runtime
  35. lmstudio.ai/docs/app/user-interface/themes
  36. lmstudio.ai/docs/developer/anthropic-compat
  37. lmstudio.ai/docs/developer/rest
  38. lmstudio.ai/docs/developer/core/authentication
  39. lmstudio.ai/docs/app/advanced/parallel-requests
  40. lmstudio.ai/docs/developer/core/ttl-and-auto-evict
  41. lmstudio.ai/docs/integrations/codex
  42. lmstudio.ai/docs/integrations/mcp-remote
  43. lmstudio.ai/docs/developer/core/mcp
  44. lmstudio.ai/docs/bionic
  45. lmstudio.ai/docs/app/offline
  46. lmstudio.ai/pricing
  47. lmstudio.ai/docs/bionic/accounts-plans-and-billing
  48. lmstudio.ai/docs/lmlink/basics/faq
  49. lmstudio.ai/developers
  50. lmstudio.ai/blog/lmstudio-v0.3.17
  51. lmstudio.ai/link
  52. lmstudio.ai/docs/lmlink
  53. lmstudio.ai/download