Приложение бесплатное, но железо — нет: разбираем требования, реальные размеры квантов и ставки аренды GPU в рублях, чтобы локальный запуск не вышел дороже облака
LM Studio — это настольное приложение для запуска больших языковых моделей прямо на своём компьютере: оно скачивает GGUF-файлы с Hugging Face, грузит их в видеопамять и поднимает локальный API, который понимают OpenAI-совместимые и Anthropic-совместимые клиенты. Приложение бесплатное, но бесплатно не значит «бесплатно во всей цепочке»: модель занимает гигабайты памяти, а если своего железа не хватает — аренда GPU в России стоит от 20,34 ₽ за час. Ниже — установка по официальной документации, расчёт видеопамяти по фактическим размерам файлов и цены в рублях, чтобы решение «локально или через API» принималось по цифрам, а не по ощущениям.
lmstudio.ai/download (бесплатно, аккаунт не нужен). Минимум: 16 ГБ оперативной памяти и 4 ГБ видеопамяти на Windows, macOS 14 на Apple Silicon, Ubuntu 20.04 на Linux. Модель на 12–14 млрд параметров в кванте Q4_K_M весит 7–9 ГБ и идёт на 12 ГБ VRAM; 27-миллиардная в Q4_K_M — 16,56 ГБ, ей нужно 24 ГБ. Если своего GPU нет, аренда RTX 4090 в российском облаке — 86,74 ₽/час (снято 20.11.2026), а Tesla T4 — 20,34 ₽/час.Официальная страница загрузки — lmstudio.ai/download, отдельные сборки под Windows (x64 и ARM), macOS (Apple Silicon) и Linux (AppImage). Ставить «репаки» и торрент-сборки с русскоязычных трекеров не нужно и опасно: приложение получает доступ к файловой системе и к вашей домашней папке с моделями.
Требования ниже — дословно из официальной документации lmstudio-ai/docs (раздел System Requirements), сверено 20.11.2026. Обратите внимание: часть ограничений не про скорость, а про то, запустится ли приложение вообще.
| Система | Что обязательно | Что рекомендовано | Что не работает |
|---|---|---|---|
| Windows x64 | набор инструкций AVX2 | 16 ГБ RAM, 4 ГБ VRAM | CPU без AVX2 |
| Windows ARM | Snapdragon X Elite | 16 ГБ RAM | старые ARM-чипы |
| macOS | Apple Silicon M1–M4, macOS 14.0+ | 16 ГБ объединённой памяти | Intel-Mac (не поддерживается) |
| Linux | Ubuntu 20.04+, AppImage, x64/ARM64 | свежие драйверы NVIDIA | версии новее 22 «плохо тестировались» |
На macOS отдельная видеокарта не нужна: модель живёт в объединённой памяти. На Windows и Linux ключевой параметр — объём VRAM у дискретной карты. На 8 ГБ оперативной памяти приложение запустится, но модели придётся брать маленькие и с коротким контекстом: официально 8 ГБ описаны как рабочий, но стеснённый вариант.
lmstudio.ai/download.lms; если нет — выполни npx lmstudio install-cli.lmstudio.ai с нашего сервера не открылась (таймаут по IPv4, DNS отдаёт только IPv6-адреса). Поэтому все технические факты этого гайда сверены по официальной документации в открытом репозитории lmstudio-ai/docs, а не по маркетинговым страницам. Если у вас сайт тоже не открывается — это не признак санкционного блока, чаще всего дело в маршрутизации или DNS.Размер модели в гигабайтах — это не число параметров, а вес конкретного кванта. Один и тот же Qwen3.8 на 27 млрд параметров занимает от 6,19 ГБ (UD-IQ1_S) до 29,05 ГБ (Q8_0): разница почти в пять раз, и качество падает тем сильнее, чем агрессивнее сжатие. Ниже — размеры файлов из официального репозитория unsloth/Qwen3.8-27B-GGUF на Hugging Face, снято 20.11.2026.
Практическое правило: к весу кванта добавьте 1,5–2 ГБ на контекст и служебные буферы (это оценка Qantcore, а не официальная цифра — точный расход зависит от длины контекста и числа параллельных запросов). Дальше сравнивайте с объёмом VRAM, а не с объёмом RAM: при нехватке видеопамяти приложение выносит часть слоёв на процессор, и скорость падает в разы, хотя формально «работает».
| Модель (репозиторий unsloth) | Q4_K_M, ГБ | Нужно VRAM, ~ГБ | Кому |
|---|---|---|---|
| gemma-4-12b-it | 7,12 | 9 | ноутбук с 8–12 ГБ VRAM |
| gemma-4-26B-A4B-it | 16,95 | 19 | 24 ГБ VRAM, MoE-модель |
| Qwen3.8-27B | 16,56 | 19 | 24 ГБ VRAM, универсальная |
| Qwen3.6-35B-A3B | 22,66 | 25 | 24–32 ГБ VRAM |
| MiniMax-H3 | 18,22 | 20 | 24 ГБ VRAM, длинный контекст |
Ориентир по популярности: у unsloth/Qwen3.8-27B-GGUF на Hugging Face 7,1 млн скачиваний и 6 242 отметки «нравится» — это самый востребованный GGUF-репозиторий из проверенных нами 20.11.2026. У gemma-4-12b-it — 2,57 млн скачиваний, у MiniMax-H3 — 3,39 млн. То есть выбирать между «умнее» и «влезает в мою карту» приходится почти всем.
Сервер поднимается из вкладки Developer тумблером Start server либо командой lms server start — работать он может как на localhost, так и в локальной сети. Приложение отдаёт четыре вида доступа: собственный REST API, SDK для Python и TypeScript, OpenAI-совместимые эндпоинты и Anthropic-совместимые эндпоинты (плюс совместимость с Jev). Адрес и порт показываются в панели Developer — их и подставляйте в клиент.
| Команда | Что делает |
|---|---|
| lms status | проверить, запущено ли приложение |
| lms server start | поднять локальный API-сервер |
| lms ls | список скачанных моделей |
| lms ps | какие модели сейчас загружены |
| lms unload --all | выгрузить всё из памяти |
| lms log stream | поток логов в терминал |
Смысл режима Developer ровно тот, о котором чаще всего спрашивают в поиске: приложение превращается в локальный API-сервер, к которому можно подключить свой код, редактор или агентский клиент. Никакой облачной подписки для этого не нужно — запросы уходят в вашу же видеокарту, а данные не покидают машину.
lms status.lms server start.lms ps.lms unload --all, иначе VRAM останется занятой.Само приложение бесплатное, поэтому вся цена локального запуска — это железо. Три сценария: свой компьютер (цена = амортизация, которую вы уже заплатили), аренда GPU в российском облаке (почасовая ставка) и облачный API по токенам. Ставки аренды ниже — с тарифной страницы immers.cloud, снято 20.11.2026, конфигурация «1 GPU + минимальные vCPU/RAM»; цены провайдеров меняются, перед заказом сверяйте на сайте.
| GPU и память | ₽/час | ₽ за смену 8 ч | ₽/мес при 24/7 |
|---|---|---|---|
| Tesla T4, 16 ГБ | 20,34 | 162,72 | 14 644,80 |
| RTX 3090, 24 ГБ | 66,76 | 534,08 | 48 067,20 |
| RTX 4090, 24 ГБ | 86,74 | 693,92 | 62 452,80 |
| RTX 5090, 32 ГБ | 130,76 | 1 046,08 | 94 147,20 |
| A100, 40 ГБ | 211,77 | 1 694,16 | 152 474,40 |
| H100, 80 ГБ | 341,77 | 2 734,16 | 246 074,40 |
Второй сценарий — платить за токены у российского реселлера. Цены ниже — со страниц моделей proxyapi.ru за 1 млн токенов, снято 20.11.2026; «вход» — отправленный промпт, «выход» — сгенерированный ответ, и выход дороже в 3–4 раза почти везде.
| Модель (реселлер) | Вход, ₽/1 млн | Выход, ₽/1 млн | 10 млн вход + 2 млн выход, ₽ |
|---|---|---|---|
| deepseek-v4.1-flash | 26,07 | 100,25 | 461,20 |
| minimax-m3 | 41,05 | 168,42 | 747,34 |
| glm-5.3 | 210,00 | 725,00 | 3 550,00 |
| qwen4-max | 300,00 | 900,00 | 4 800,00 |
| kimi-k3 | 700,00 | 3 500,00 | 14 000,00 |
| gpt-6.2-astra | 1 680,00 | 8 400,00 | 33 600,00 |
Отсюда простая формула бюджета: часы работы × ставка GPU + диск + электричество (если железо своё). Сравнивать её надо не с «ценой подписки», а со своим реальным расходом токенов за месяц. Для пересчёта валютных счетов в рубли используется курс ЦБ: на 20.11.2026 — 81,9290 ₽ за доллар (предыдущее значение 82,2281 ₽). Если тариф у вендора в долларах, рублёвая сумма = тариф × курс + комиссия канала оплаты; фиксированной «цены для России» у зарубежных сервисов нет.
Bionic — это агентское приложение внутри экосистемы LM Studio. Официальная документация формулирует границу прямо: кредиты списываются только тогда, когда в сессии выбрана облачная модель; локальные модели и удалённые модели через LM Link кредитов не тратят и не требуют настроенного биллинга. Расход показывается за последние 30 дней в Settings → Billing and Usage, причём это именно суммы расхода, а не фиксированная цена за задачу. Публичного прайса на кредиты в документации нет — значит, планировать бюджет «по цене за токен» заранее нельзя, только по факту расхода.
LM Link — отдельная функция: она связывает ваши устройства в защищённую сеть (построена на Tailscale, трафик шифруется end-to-end) и позволяет пользоваться моделями с мощного домашнего компьютера с ноутбука или с iPhone. Для России это важный сценарий: считать модель можно на своём железе, а обращаться к ней — откуда угодно, без облака и без подписки.
Практический вывод по оплате: для локального запуска платить не за что — ни подписки, ни токенов. Деньги нужны только если вы добавляете облачные модели или арендуете GPU. Аренду российские провайдеры принимают картой в рублях, поэтому этот сценарий закрывает и вопрос доступа, и вопрос платежа. Если же нужны именно облачные модели топового уровня — смотрите обзоры каналов оплаты: OpenRouter, цены на локальный инференс, подписки на coding-агентов.
| Симптом | Причина | Что делать |
|---|---|---|
| no LM runtime found for model format 'gguf' | битый или неполный файл модели | удалить модель и скачать заново из Discover |
| Приложение не запускается | CPU без AVX2 (Windows) или старый macOS | проверить требования, обновить систему |
| Модель загружается, но отвечает очень медленно | не хватает VRAM, слои ушли на CPU | взять квант меньше (Q4_K_M вместо Q8_0) |
| Discover не находит модель | сеть или поиск по неверному имени | вставить ссылку на HF целиком в строку поиска |
lmstudio-ai/lmstudio-bug-tracker.И отдельно про русский интерфейс: в официальной документации локализация не заявлена, интерфейс англоязычный. Запросы вида «lm studio на русском» и «lm studio русификатор» в отчёте Вебмастера есть (8, 8 и 4 показа за неделю до 20.11.2026), но официального русификатора не существует — сторонние патчи ломают подписи и не обновляются вместе с приложением.
LM Studio остаётся самым простым способом получить локальный LLM без командной строки: скачал, выбрал квант, нажал Start server — и у вас OpenAI-совместимый API на своём компьютере. Порог входа — 16 ГБ RAM и 4 ГБ VRAM формально, но реально комфортно с 24 ГБ VRAM и моделью 27–35 млрд параметров в Q4_K_M.
Деньги решаются просто. Своё железо — бесплатно после покупки, но 24 ГБ VRAM в системнике стоят как несколько месяцев аренды. Аренда RTX 4090 в России — 86,74 ₽/час, то есть около 694 ₽ за рабочую смену: это дешевле, чем разовый апгрейд ради эксперимента. Облачный API на слабых моделях стоит сотни рублей за 12 млн токенов, на флагманах — десятки тысяч. Локальный запуск выбирают за приватность и независимость от платежей, а не за абсолютную дешевизну.