产品
别名：lm-studio
一个图形界面工具，用于本地运行和比较大语言模型。
已跟踪 4 条高相关材料
最近变化
2026-06-10 · 使用 llama.cpp 可在消费级硬件上运行大型模型，支持 4-bit 量化。
为什么值得关注
LM Studio 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Introducing Gemma 4 12B: a unified, encoder-free multimodal model
The Keyword (blog.google) · 8.7 分
Gemma 4 12B 是面向本机运行的统一、无编码器多模态模型，将视觉与音频直接接入 LLM，性能接近 26B MoE 但内存仅为其一半，可在 16GB VRAM 紧凑设备上运行，支持离线语音处理与低延迟多步推理。
How to Run LLMs Locally (Great For Learning and Privacy)
ByteByteGo · 8.5 分
本地运行大语言模型（LLMs）可通过 llama.cpp、Ollama 和 LM Studio 等工具实现，兼顾隐私与学习。
Zed + Gemma-4 12B & Qwen-3.6: HOW IS THIS POSSIBLE?! THIS IS CRAZY!
AICodeKing · 8.5 分
Zed现在支持直接在编辑器中使用本地AI模型，如Gemma-4 12B和Qwen-3.6，提升隐私和实验效率。
已收录 4 条与 LM Studio 相关的内容，按评分排序。
Gemma 4 12B 是面向本机运行的统一、无编码器多模态模型，将视觉与音频直接接入 LLM，性能接近 26B MoE 但内存仅其一半，可在 16GB VRAM 紧凑设备上运行，支持离线语音处理与低延迟多步推理。
入选理由：Gemma 4 12B 性能接近 26B MoE，内存仅其一半，适合在 16GB VRAM 现代本机运行。
本地运行大语言模型（LLMs）可通过 llama.cpp、Ollama 和 LM Studio 等工具实现，兼顾隐私与学习。
入选理由：使用 llama.cpp 可在消费级硬件上运行大型模型，支持 4-bit 量化。
Zed现在支持直接在编辑器中使用本地AI模型，如Gemma-4 12B和Qwen-3.6，提升隐私和实验效率。
入选理由：Zed支持通过LM Studio/Ollama/llama.cpp集成本地模型
在M4芯片MacBook上使用LM Studio运行Qwen 3.5-9B（q4_k_s量化版本），可实现约40 tokens/秒推理速度，支持128K上下文和工具调用。
入选理由：Qwen 3.5-9B (q4_k_s) 在M4 Mac上以40 tokens/秒速度运行，支持128K上下文和工具使用
