3行でいうと

  • LM Studio の使い方の中心は、「Discover」タブ（取得）→「Chat」タブ（モデルの読み込みと会話）です。文書（.docx、.pdf、.txt）をチャットに付けて質問することもできます。
  • システムプロンプトと設定値は、名前をつけて「プリセット」に残せます。モデルごとの読み込み設定（GPUオフロード、コンテキストの大きさなど）の既定値は、「My Models」の歯車で決めます。
  • 画面のほかに、コマンド lms と、http://localhost:1234（例）のAPIで呼べます。モデルの検索、ダウンロード、ランタイムの取得、更新の確認はネットワークを使い、会話や文書とのチャットはネットなしで動く、と公式は書いています。
  • 最初の1時間の順番の案を、記事の中ほどに表で置きました。公式の順番ではなく、この記事の案です。

この記事は、公式の資料を2026年10月25日に読んでまとめたものです。この記事は、実際に使って確かめた記録ではありません。手順は、公式の手順を順に並べたものです。例の指示文（プロンプト）は「この記事の例」と書いたもので、公式の例ではありません。返ってくる文章の中身はモデルによって違うので、この記事では示しません。画面の表記は公式ページの表記なので、手元の画面と照らして読んでください。

先に結論

前提：用語をそろえる

たとえ話：同じ台所でも、「道具の出し入れ」を覚える

使い方の要は、料理の腕より、道具の出し入れです。食材（モデル）を棚から出す（Discover）、コンロに載せる（読み込み）、使い終えたら下ろす（取り外し）。出しっぱなしにするとコンロ（メモリ）がふさがります。これは僕らのたとえで、公式の表現ではありません。

最初の1時間の順番（この記事の案）

公式がこの順番を勧めているわけではありません。06を済ませた人が、迷わず進むための、この記事の案です。

目安 やること 参照
0〜10分 小さなモデルを1つ取り、1往復だけ会話する 場面1・2
10〜20分 メモリのどこに載ったかを見る（読み込み設定、lms ps） 場面6・7
20〜30分 同じ質問を、短い文章の要約で試す（この記事の例の指示文） 本記事の「例の指示文」
30〜45分 文書を1つ渡してみる 場面4
45〜60分 システムの指示や設定を1つ変える（プリセット）。そのあと、モデルを外す 場面3・7
余力があれば サーバーを起動する。APIで1回呼ぶ 場面8

例の指示文（この記事の例）

以降の手順で使う、短い指示文です。公式の例ではなく、この記事の例です。

用途 指示文（この記事の例）
最初の1往復 日本語で、自己紹介を1文でお願いします。
短い要約 次の文章を、3行以内で要約してください。 に続けて、手元の短い文章を貼る
文書への質問 この文書の要点を、箇条書きで3つ挙げてください。
設定の確認 あなたはどんな前提の指示を受けていますか。短く教えてください。

LM Studio：場面ごとの手順

場面1：モデルを探して取る（Discover）

  1. 「Discover」タブへ移ります。Mac は ⌘ + 2、Windows・Linux は ctrl + 2 で、どこからでも移れます。
  2. 検索窓に、キーワード（llama、gemma、lmstudio など）、ユーザー名/モデル名、またはHugging FaceのURLを入れます。
  3. 結果の中の種類（バリアント）から選びます。Q3_K_S、Q_8 などの表記があり、「Q」は量子化です。公式は、動かせるなら4ビットかそれ以上を選ぶ、と書いています。

  4. ダウンロードします。ダウンロード元は、Hugging Face です（ダウンロードのページ）。

  5. 注意：モデルの検索、ダウンロードは、ネットワークを使います（オフラインのページ）。

場面2：モデルを読み込んで会話する（Chat）

  1. 「Chat」タブへ行きます。
  2. モデルローダーを開き、取ってきたモデルを選びます。
  3. 読み込みが終わったら、会話を始めます。「読み込み」は、モデルの重みなどを、PCのRAMに置く処理と、公式は書いています。
操作 公式に書かれていること
新しい会話 「+」のボタン、または ⌘ + N（Mac）、ctrl + N（Windows・Linux）
フォルダを作る フォルダのボタン、または ⌘ + shift + N、ctrl + shift + N
並べ替え 会話をフォルダへドラッグして出し入れ。フォルダの中にフォルダも置ける
複製 「•••」のメニューから「Duplicate」。添付ファイルも複製される
分割表示 会話のタブを、画面の左右の半分へドラッグ、または右上の分割のアイコン。閉じるには、その側の右上の「x」
保存場所を開く 会話を右クリックして「Reveal in Finder」（Mac）、「Show in File Explorer」（Windows）

場面3：システムプロンプトと設定を、名前をつけて残す（プリセット）

場面4：文書を付けて質問する

  1. 会話に、.docx、.pdf、.txt のファイルを付けます（付ける操作の画面の説明は、ページにはありませんでした）。
  2. 短い文書は、全文が会話に入ります。モデルのコンテキストに収まらない長い文書は、RAGで、関係する部分だけが渡されます。

  3. 質問は、探したい言葉や考えを含めて書くと、関係する部分が見つかりやすい、と公式は書いています。

  4. 文書は、手元で処理されます（オフラインのページ）。

  5. ファイルの大きさ、ページ数、添付できる数の上限は、ページには書かれていません。
  6. 長い文書のRAGは、ときどき調整が要る、と公式は書いています。

場面5：UIのモードを切り替える

場面6：読み込みの設定を変える（GPU、コンテキスト、同時処理）

モデルごとの既定を決める（My Models）

  1. 「My Models」タブを開きます。
  2. そのモデルの歯車のアイコンを押します。
  3. 開いたウィンドウで、既定のパラメーター（GPUオフロード、コンテキストの大きさ、Flash Attention を使うか、など）を決めます。
  4. 以後、読み込むたびにその設定が使われます。lms load で読み込むときも同じです。

同時に処理する数（Parallel Requests）

  1. モデルの読み込みの画面で、「Manually choose model load parameters」をオンにします。
  2. 読み込むモデルを選びます。
  3. 「Show advanced settings」をオンにします。
  4. 「Max Concurrent Predictions」を設定します。既定は4と書かれています。

  5. llama.cpp のエンジンで使えます。MLX は「coming soon」と書かれています。GGUFのランタイムは、llama.cpp v2.0.0 に上げるよう書かれています。

  6. 分割表示のチャットで、2つの会話に同時に送って、答えを並べて見られる、とも書かれています。

場面7：コマンド（lms）で動かす

目的 コマンド（公式の例） 説明
ヘルプ lms --help CLIのページが、確認の方法として挙げる
取ってくる lms get openai/gpt-oss-20b モデルの検索とダウンロード
一覧（ディスク） lms ls ディスクにあるモデル
一覧（メモリ） lms ps メモリに読み込まれているモデル
読み込む lms load openai/gpt-oss-20b [--gpu=max\|auto\|0.0-1.0] [--context-length=1-N] のオプションがある
名前を付けて読み込む lms load openai/gpt-oss-20b --identifier="my-model-name" 識別子を揃えられる
外す lms unload [--all] 読み込んだモデルを外す
会話 lms chat 対話式のチャット（例の記載なし）
サーバー lms server start / lms server stop ローカルサーバーの起動と停止
ログ lms log stream モデルへ出入りする文字列を見る（lms log stream のページ。--source server でサーバーのログも見られる、と書かれている）

場面8：ローカルサーバーを起動して、APIで呼ぶ

  1. 「Developer」タブを開き、「Start server」のスイッチを入れます。ターミナルなら lms server start です（サーバーのページ）。
  2. OpenAI形式の例：ベースURLを http://localhost:1234/v1 にします。公式の例のcurlは次の形です（モデル名は、LM Studio のものに変えます）。
curl http://localhost:1234/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "use the model identifier from LM Studio here",
    "messages": [{"role": "user", "content": "Say this is a test!"}],
    "temperature": 0.7
  }'
  1. 使えるパスは、/v1/models（GET）、/v1/responses、/v1/chat/completions、/v1/embeddings、/v1/completions、/v1/decisions（POST）と書かれています。Anthropic形式は POST /v1/messages です。
  2. 「Just in Time Model Loading」がオンなら、/v1/models にダウンロード済みの全モデルが並び、リクエストが来たときに読み込まれます。オフなら、読み込み済みのモデルだけが並びます（headlessのページ）。
  3. 認証、ネットワークへの公開、CORS の設定は、10で扱います。初期状態では、認証は要りません（10）。

場面9：ネットがない場所で使う

場面10：つまずいたとき（使い方の面）

症状 見どころ
会話が始まらない 「Chat」でモデルを読み込んでいるか（読み込みは別の操作）
メモリが足りない 小さいモデル、控えめなコンテキスト（Mac 8GBの記述）。モデルごとの既定（場面6）で調整
長い文書で、的外れな答え RAGの調整が要ることがある。質問に、探したい言葉を入れる
APIで呼んでも、モデルが見つからない /v1/models の識別子を使っているか。JIT読み込みの設定
同時に送ると遅い 「Max Concurrent Predictions」と、エンジン（llama.cpp か MLX）の対応

同じ質問を、両方に投げて比べる手順（この記事の案）

公式の手順ではなく、この記事の案です。評価や優劣の判断は、この記事ではしません。

  1. 同じ種類のモデルを、Ollama（07）と LM Studio のそれぞれで取ります（名前の付け方が違うので、モデルのページで同じものを探します）。
  2. 「例の指示文」の「最初の1往復」を、両方に入れます。
  3. Ollama は ollama ps、LM Studio は lms ps で、メモリに載っている状態を見ます。
  4. 返事の速さや文章の違いは、環境とモデルで変わります。数字を比べるときは、同じ文章、同じ設定で、自分のPCの結果を書き留めてください。

気をつけること

出典