# LM Studio или Ollama: что выбрать для локальных LLM > LM Studio и Ollama: лицензия, MLX на Mac, OpenAI- и Anthropic-API, Claude Code и Codex, headless-режим и замер на M4 Max. Что и когда выбрать. > Author: Roman Belov · Published: 2026-10-19 · Source: https://futurecraft.pro/ru/blog/lm-studio-vs-ollama/ LM Studio - настольное приложение с графическим интерфейсом для запуска языковых моделей на своём компьютере. Оно ищет и скачивает модели с Hugging Face, запускает их на llama.cpp (GGUF) и MLX (Apple Silicon), поднимает OpenAI- и Anthropic-совместимый сервер на порту 1234 и управляется из CLI `lms`. Само приложение закрытое, но бесплатное, в том числе для работы, а CLI и SDK открыты под MIT. Ollama - open-source программа под MIT, у которой главный интерфейс CLI, а сервер слушает порт 11434. На 19 октября 2026 года актуальны LM Studio 0.4.26 от 13 октября и Ollama v0.40.7 от 18 октября. На уровне «скачать модель и поднять локальный API» программы делают одно и то же, поэтому выбор решают другие вещи: лицензия, нужен ли GUI, как программа работает на сервере без экрана и как к ней подключаются агенты для кода. Довод «MLX на Mac есть только в LM Studio» устарел: с версии 0.40.0 Ollama сама запускает поддерживаемые модели на MLX. Статья о том, чем LM Studio и Ollama отличаются по лицензии, движкам, API, headless-режиму, MCP и подключению Claude Code, Codex и OpenCode и что выбрать под конкретную задачу. Установка, Modelfile и настройки Ollama подробно разобраны в [гайде по Ollama](https://futurecraft.pro/ru/blog/ollama-guide/), здесь они не повторяются. Скорость и память сравниваются замером одной модели в четырёх комбинациях «приложение × формат» на Mac с Apple M4 Max. ## Коротко: что выбрать - Нужен GUI с каталогом моделей, чат и ручной выбор квантов - LM Studio. - Нужен фоновый сервер для скриптов, Docker, Linux без экрана или открытая лицензия - Ollama. - Агент для кода работает с обоими: оба отдают Anthropic `/v1/messages` и OpenAI `/v1/responses`. Результат сильнее зависит от модели и контекста. - На Mac MLX есть у обоих, так что спор «GGUF против MLX» не равен выбору приложения. | Задача | Что взять | Почему | |---|---|---| | Первое знакомство с локальными моделями на Mac или Windows | LM Studio | Поиск, загрузка, настройки и чат в одном окне | | Бэкенд для своего кода и скриптов | Ollama | Фоновый сервис, `/api` и `/v1`, библиотеки для Python и JavaScript | | Linux-сервер, CI, Docker | Ollama | Официальный образ `ollama/ollama` и systemd-сервис из установщика. У LM Studio для этого есть демон llmster | | Обязательна открытая лицензия | Ollama | MIT на весь репозиторий. У LM Studio открыты только CLI, SDK и mlx-engine | | Claude Code, Codex, OpenCode | Любой | Ollama настраивает их командой `ollama launch`, для LM Studio настройка ручная по документации | | Сравнить кванты и форматы одной модели | LM Studio | GGUF и MLX с Hugging Face в одном каталоге, файл выбирается вручную | | MCP-серверы в чате с локальной моделью | LM Studio | Приложение работает как MCP-хост. В Ollama MCP подключают на стороне клиента | ## Что такое LM Studio и Ollama ### LM Studio LM Studio работает на macOS 14 и новее (только Apple Silicon, Intel-Маки не поддерживаются), на Windows x64 и ARM и на Linux x64 и ARM64, где распространяется как AppImage ([системные требования](https://lmstudio.ai/docs/app/system-requirements)). Документация рекомендует от 16 ГБ памяти. В приложении есть поиск и загрузка моделей с Hugging Face, чат, настройки загрузки модели (контекст, выгрузка слоёв на GPU) и вкладка разработчика с локальным сервером. Вместе с приложением ставится CLI `lms`, без GUI работает демон llmster. Версия 0.4.26 от 13 октября 2026 года обновила llama.cpp, добавила CUDA 13 на Windows ARM и эндпоинты `/v1/decisions` и `/v1/systemone` ([changelog](https://lmstudio.ai/changelog/lmstudio)). Bionic с того же сайта lmstudio.ai - отдельное приложение-агент для открытых моделей со своим changelog, в этом сравнении он не участвует. ### Ollama Ollama - репозиторий [ollama/ollama](https://github.com/ollama/ollama) под лицензией MIT. Основной интерфейс - CLI (`ollama pull`, `ollama run`, `ollama ps`), сервер по умолчанию слушает `127.0.0.1:11434`. Для macOS и Windows есть приложение с окном чата и настройками. Модели берутся из библиотеки ollama.com или импортируются из GGUF и safetensors через Modelfile. Релизы выходят часто: v0.40.0 вышла 25 сентября 2026 года, а 18 октября - уже v0.40.7. Номер версии в любом сравнении поэтому устаревает быстро, ориентир - дата. ## Таблица сравнения LM Studio и Ollama | | LM Studio 0.4.26 | Ollama v0.40.7 | |---|---|---| | Лицензия | Приложение проприетарное, бесплатно для дома и работы. `lms`, SDK, `mlx-engine` под MIT, лицензия llmster не указана | MIT, весь репозиторий открыт | | Интерфейс | Полноценный GUI: каталог Hugging Face, чат, настройки загрузки. Плюс CLI `lms` | CLI как основной интерфейс, приложение с простым чатом для macOS и Windows | | Платформы | macOS 14+ (Apple Silicon), Windows x64/ARM, Linux x64/ARM64 (AppImage) | macOS, Windows, Linux, Docker | | Движки | llama.cpp (GGUF), MLX (Apple Silicon) | llama.cpp (GGUF), MLX по умолчанию для поддерживаемых архитектур на Apple Silicon | | Источник моделей | GGUF и MLX с Hugging Face | Библиотека ollama.com, импорт GGUF и safetensors | | OpenAI-совместимый API | `/v1/models`, `chat/completions`, `responses`, `completions`, `embeddings` | `/v1/models`, `chat/completions`, `responses` (без состояния), `completions`, `embeddings` | | Anthropic API | `POST /v1/messages` | `POST /v1/messages` | | Нативный API | `/api/v1/chat` с состоянием диалога, MCP, управление моделями | `/api/*`: generate, chat, pull, create, ps и другие | | Порт | 1234 | 11434 | | Аутентификация | Выключена по умолчанию, включается Require Authentication с токенами | Локальные запросы без ключа | | Headless | Демон llmster, `lms daemon up`, systemd | `ollama serve`, systemd-сервис, Docker-образ | | Параллельные запросы | На llama.cpp, по умолчанию до 4. На MLX пока нет | `OLLAMA_NUM_PARALLEL`, по умолчанию 1 | | Агенты для кода | Ручная настройка Claude Code, Codex, OpenCode по документации | `ollama launch claude`, `codex`, `opencode` и другие | | MCP | MCP-хост в приложении (`mcp.json`) | Нет своего MCP-хоста, MCP настраивается в клиенте | | Облако | LM Link для запуска на своём другом устройстве, Enterprise | Облачные модели ollama.com, отключаются `OLLAMA_NO_CLOUD=1` | ## Лицензия LM Studio и Ollama для работы Ollama распространяется под MIT. Код можно читать, менять, встраивать и распространять с сохранением уведомления о лицензии. LM Studio устроена иначе. Само приложение проприетарное: исходников в организации `lmstudio-ai` на GitHub нет, репозиторий `lmstudio-bug-tracker` служит только трекером ошибок. С [8 июля 2025 года](https://lmstudio.ai/blog/free-for-work) приложение бесплатно и дома, и на работе: форму и отдельную коммерческую лицензию больше не требуют. Условия задают [Terms](https://lmstudio.ai/terms) в редакции от 23 августа 2026 года. Лицензия неисключительная и непередаваемая, на использование «for Your personal and / or internal business purposes». Запрещено: - модифицировать приложение и создавать производные работы; - декомпилировать и реверс-инжинирить его, кроме случаев, которые прямо разрешает закон; - использовать его как service bureau, application service provider или SaaS для третьих лиц. Запустить LM Studio на рабочем ноутбуке и подключить к ней свой агент условия разрешают. Перепродавать доступ к ней как к сервису условия запрещают. Для команд есть платный Enterprise: SSO, ограничения доступных моделей и MCP-серверов, приватная совместная работа. Открытые части LM Studio лежат в организации [lmstudio-ai](https://github.com/lmstudio-ai) под MIT: | Репозиторий | Что это | |---|---| | `lms` | CLI | | `lmstudio-js` | TypeScript SDK `@lmstudio/sdk` | | `lmstudio-python` | Python SDK, `pip install lmstudio` | | `mlx-engine` | MLX-движок для Apple Silicon | Лицензию headless-демона llmster ни на странице [headless-режима](https://lmstudio.ai/docs/developer/core/headless_llmster), ни в Terms найти не удалось. Называть его открытым оснований нет. Модели в обоих приложениях лицензируются отдельно, по соглашению автора каждой модели. Это описание условий, а не юридическая консультация: для компании решающий текст - актуальная редакция Terms. ## Движки и MLX на Mac Оба приложения запускают GGUF через llama.cpp и MLX-модели на Apple Silicon. Разница в том, кто выбирает движок. В LM Studio формат выбирают при загрузке: в каталоге у модели есть GGUF- и MLX-варианты, и движок определяется скачанным файлом. MLX-поддержку LM Studio реализует собственным открытым [mlx-engine](https://github.com/lmstudio-ai/mlx-engine). Ollama выбирает сама. Превью MLX она [анонсировала](https://ollama.com/blog/mlx) 30 марта 2026 года, с требованием больше 32 ГБ общей памяти и поддержкой формата NVFP4. С [v0.40.0](https://github.com/ollama/ollama/releases/tag/v0.40.0) модели архитектур, которые поддерживает MLX-рантайм, на Apple Silicon запускаются на MLX по умолчанию. На Ollama 0.40.14 с M4 Max тег `qwen3.8:27b` скачивает MLX-сборку: веса в safetensors, квантизация nvfp4, runner `mlx`. GGUF Q4_K_M той же модели ставится только явным тегом: ```bash ollama pull qwen3.8:27b # на Apple Silicon: MLX, nvfp4 ollama pull qwen3.8:27b-q4_K_M # GGUF для llama.cpp ollama ps # колонка RUNNER: какой движок работает ``` `ollama ps` для MLX-сборки с контекстом 32768 показал 100% GPU и RUNNER `mlx`, а память в нём выросла с 18 ГБ сразу после загрузки до 25 ГБ после прогонов с длинным промптом. Рамка «GGUF в Ollama против MLX в LM Studio» некорректна: в каждом приложении есть оба формата. Под словом «4 бита» скрываются разные схемы: | Схема | Где | Как устроена | |---|---|---| | Q4_K_M | GGUF, llama.cpp в обоих приложениях | K-квантизация llama.cpp | | nvfp4 | MLX-сборки в библиотеке Ollama | 4-битное число с плавающей точкой, группа 16 весов, масштаб в e4m3 | | MLX 4bit (affine) | MLX-модели в каталоге LM Studio | Целое 4 бита, группа 64 веса, масштаб и смещение на группу | Параметры MLX-схем описаны в [документации `mlx.core.quantize`](https://ml-explore.github.io/mlx/build/html/python/_autosummary/mlx.core.quantize.html). У модели `lmstudio-community/Qwen3.8-27B-MLX-4bit` в `config.json` записано `bits: 4`, `group_size: 64`, `mode: affine`. Сравнение «MLX в Ollama против MLX в LM Studio» затрагивает сразу и приложение, и квантизацию. Параллельные запросы тоже зависят от движка. В LM Studio они работают только на llama.cpp, по умолчанию до четырёх одновременно, а для MLX документация пишет «coming soon» ([parallel requests](https://lmstudio.ai/docs/app/advanced/parallel-requests)). В Ollama число параллельных запросов на модель задаёт `OLLAMA_NUM_PARALLEL`, по умолчанию 1. В changelog LM Studio с версии 0.4.25 упоминается ещё один движок для Mac, Splash (чипы M3 и новее, macOS 26.4+). Описания движка в документации найти не удалось, в сравнении он не участвует. ## Установка и первый запуск ### LM Studio Установщик скачивают с [lmstudio.ai](https://lmstudio.ai/download), на macOS приложение есть и в Homebrew как cask `lm-studio`. CLI `lms` лежит внутри приложения и не работает, пока приложение ни разу не запускалось: команда отвечает «No running LM Studio or Bionic app, and no valid installation was found». После первого запуска появляется каталог `~/.lmstudio`, и CLI начинает работать. `lms bootstrap` добавляет его в `PATH`, дописывая строку в профиль оболочки. ```bash brew install --cask lm-studio open -a "LM Studio" # первый запуск обязателен "/Applications/LM Studio.app/Contents/Resources/app/.webpack/lms" bootstrap # lms в PATH lms get https://huggingface.co/lmstudio-community/Qwen3.8-27B-MLX-4bit --mlx -y lms ls # ключи скачанных моделей lms load --context-length 32768 lms ps ``` Модели по умолчанию хранятся в `~/.lmstudio/models/` в структуре «издатель/модель/файл». `lms get` в проверке завершился раньше, чем докачалась модель, а приложение продолжало загружать `.part`-файлы. Перед `lms load` стоит убедиться через `lms ls` или вкладку загрузок, что файл скачан целиком. ### Ollama Установка Ollama на все платформы разобрана в [гайде по Ollama](https://futurecraft.pro/ru/blog/ollama-guide/). Для сравнения достаточно двух команд: ```bash ollama run qwen3.8:27b --verbose # скачает модель и покажет скорость ollama ps # память, контекст, процессор, runner ``` ### Одна и та же модель в обоих приложениях Общего хранилища моделей у приложений нет. Ollama хранит веса в `~/.ollama/models/blobs` под именами по хешу, LM Studio - в своём каталоге. GGUF-файл можно подключить в LM Studio без второй копии: у `lms import` есть флаги `--hard-link` и `--symbolic-link` ([документация](https://lmstudio.ai/docs/cli/local-models/import)). ```bash ollama show --modelfile qwen3.8:27b-q4_K_M | grep '^FROM' # путь к blob-файлу lms import --hard-link <путь-к-blob> ``` Флаг обязателен. Без него `lms import` по умолчанию перемещает файл, и модель пропадёт из Ollama. Жёсткая ссылка работает только в пределах одного тома. Для MLX-сборок такой способ не проверялся: Ollama хранит их в своём хранилище блобов, а LM Studio ждёт папку модели в формате Hugging Face. MLX-модель для LM Studio в замере скачивалась отдельно. ## Сервер и API ### OpenAI-совместимый API Оба сервера принимают запросы в формате OpenAI, поэтому клиент переключается сменой `base_url`: ```bash curl http://localhost:1234/v1/models # LM Studio curl http://localhost:11434/v1/models # Ollama ``` ```python from openai import OpenAI client = OpenAI(base_url="http://localhost:1234/v1", api_key="lm-studio") # для Ollama: base_url="http://localhost:11434/v1", api_key="ollama" resp = client.chat.completions.create( model="", messages=[{"role": "user", "content": "Привет"}], ) print(resp.choices[0].message.content) ``` При выключенной аутентификации ключ сервер не проверяет, но SDK требует его указать. Список эндпоинтов совпадает почти полностью: `/v1/models`, `/v1/chat/completions`, `/v1/completions`, `/v1/embeddings`, `/v1/responses` ([LM Studio](https://lmstudio.ai/docs/developer/openai-compat), [Ollama](https://docs.ollama.com/openai)). Ollama поддерживает `/v1/responses` только без состояния, без `previous_response_id`. ### Anthropic-совместимый `/v1/messages` Оба сервера принимают формат Anthropic Messages API на `POST /v1/messages`, через него работает Claude Code. В Ollama эндпоинт появился в [v0.14.0](https://github.com/ollama/ollama/releases/tag/v0.14.0). Для LM Studio точную версию появления найти не удалось, но в changelog эндпоинт упоминается начиная с 0.4.22 от 28 августа 2026 года. При включённой аутентификации LM Studio принимает токен и в `x-api-key`, и в `Authorization: Bearer` ([документация](https://lmstudio.ai/docs/developer/anthropic-compat)). ### Нативные API У LM Studio это `POST /api/v1/chat`: диалог с сохранением состояния через `previous_response_id`, вызов MCP-серверов и управление моделями. У Ollama - `/api/*` с `generate`, `chat`, `pull`, `create`, `ps` и метриками скорости в ответе. Нативные API несовместимы между собой, переносимый код пишут под `/v1`. Обе программы умеют загружать модель по первому запросу. В LM Studio это JIT-загрузка (настройка Just in Time Model Loading): модель без ручного `lms load` поднимается при запросе и по умолчанию выгружается через 60 минут простоя ([TTL и auto-evict](https://lmstudio.ai/docs/developer/core/ttl-and-auto-evict)). TTL меняют флагом `lms load --ttl` или полем `ttl` в запросе. Ollama по умолчанию выгружает модель через 5 минут, это меняют `OLLAMA_KEEP_ALIVE` или `keep_alive` в запросе. ### Аутентификация и безопасность Ollama слушает только `127.0.0.1`, а локальный API работает без ключа. `OLLAMA_HOST=0.0.0.0:11434` открывает сервер в сеть, и тогда любой, кто достучится до порта, сможет запускать, скачивать и удалять модели. Снаружи Ollama закрывают reverse proxy с аутентификацией, VPN или SSH-туннелем. У LM Studio аутентификация тоже выключена по умолчанию ([authentication](https://lmstudio.ai/docs/developer/core/authentication)). Её включают переключателем Require Authentication в Server Settings, токены создают в Manage Tokens с выбором разрешений. Доступ с других устройств включает отдельный переключатель Serve on Local Network ([server settings](https://lmstudio.ai/docs/developer/core/server/settings)). В LM Studio встроенная авторизация есть, в Ollama её делают внешним прокси. ## Headless-режим и CI На сервере без экрана LM Studio работает через llmster. Документация описывает Linux: ```bash curl -fsSL https://lmstudio.ai/install.sh | bash lms daemon up lms get <модель> lms load lms server start --port 1234 curl http://localhost:1234/v1/models ``` Для автозапуска документация предлагает systemd-юнит типа `oneshot`, который вызывает `lms daemon up`, загружает модель и стартует сервер. Скрипт установки при подготовке статьи не запускался, лицензия llmster не указана. У Ollama на Linux скрипт `install.sh` сам создаёт пользователя `ollama` и systemd-сервис, есть официальный Docker-образ `ollama/ollama` для CPU, NVIDIA и AMD. В Docker Desktop на macOS GPU-ускорения нет, там модели идут на CPU. Для CI и контейнеров у Ollama путь короче и полностью открытый. ## Агенты для кода: Claude Code, Codex, OpenCode ### Claude Code ```bash # LM Studio (по docs/integrations/claude-code) lms server start --port 1234 export ANTHROPIC_BASE_URL=http://localhost:1234 export ANTHROPIC_AUTH_TOKEN=lmstudio export CLAUDE_CODE_ATTRIBUTION_HEADER=0 claude --model # Ollama ollama launch claude --model qwen3.8:27b # или вручную export ANTHROPIC_AUTH_TOKEN=ollama export ANTHROPIC_API_KEY="" export ANTHROPIC_BASE_URL=http://localhost:11434 claude --model qwen3.8:27b ``` Если в LM Studio включена аутентификация, в `ANTHROPIC_AUTH_TOKEN` передают созданный токен. Рекомендации по контексту расходятся: [LM Studio](https://lmstudio.ai/docs/integrations/claude-code) советует модель и настройки «with more than ~25k context length», [Ollama](https://docs.ollama.com/integrations/claude-code) - не меньше 64k. Системный промпт агента с описаниями инструментов легко занимает десятки тысяч токенов, поэтому ориентироваться разумнее на 64k, если модель и память это позволяют. Anthropic [не поддерживает](https://code.claude.com/docs/en/llm-gateway) работу Claude Code с моделями, отличными от Claude, через любой шлюз. Локальная модель вместо Opus 5.5 или Sonnet 5.5 работает на ваш риск. Ограничения такой схемы разобраны в статье [Claude Code в России](https://futurecraft.pro/ru/blog/claude-code-russia/). ### Codex Codex работает с LM Studio через OpenAI-совместимый `POST /v1/responses`, это прямо указано в [документации LM Studio](https://lmstudio.ai/docs/developer/openai-compat). В CLI Codex для локальных серверов есть флаг `--oss` и выбор провайдера `--local-provider` со значениями `lmstudio` и `ollama`: ```bash codex --oss --local-provider lmstudio -m codex --oss --local-provider ollama -m qwen3.8:27b ollama launch codex # Ollama настроит профиль сама ``` Для Codex [документация Ollama](https://docs.ollama.com/integrations/codex) тоже требует контекст от 64k. Чем Codex отличается от Claude Code как агент, разобрано в [сравнении Claude Code и Codex](https://futurecraft.pro/ru/blog/claude-code-vs-codex/). ### OpenCode В [документации OpenCode](https://opencode.ai/docs/providers/) у LM Studio есть встроенное обнаружение локальных моделей на `http://127.0.0.1:1234/v1`. Ollama подключается командой `ollama launch opencode` или через конфиг провайдера. Конфиг, проверка tool calls и результаты локальных моделей собраны в [гайде по OpenCode](https://futurecraft.pro/ru/blog/opencode-guide/). Выбор сервера влияет на агента меньше, чем выбор модели. В тестах из гайдов по Ollama и OpenCode 7-8B модели либо печатали вызовы инструментов текстом, либо правили лишнее. Хорошая модель для кода в чате не обязательно стабильно работает в агентном цикле, и это не зависит от того, LM Studio её запускает или Ollama. Место локального стека среди платных инструментов показано в обзоре [нейросетей для кода](https://futurecraft.pro/ru/blog/best-ai-coding-tools/). ## MCP и интеграции LM Studio с версии 0.3.17 работает как MCP-хост: модель в чате приложения вызывает инструменты MCP-серверов ([документация](https://lmstudio.ai/docs/app/mcp)). Серверы описывают в `mcp.json` в нотации Cursor (вкладка Program, Install, Edit mcp.json), поддерживаются локальные и удалённые серверы. Документация предупреждает, что MCP-сервер может выполнять произвольный код, читать локальные файлы и ходить в сеть. Серверы из недоверенных источников ставить нельзя. Что такое MCP и как устроены серверы, объясняет статья [MCP-серверы простыми словами](https://futurecraft.pro/ru/blog/mcp-servers-explained/). У Ollama своего MCP-хоста нет. MCP-серверы подключают в клиенте, который ходит к Ollama: в Claude Code, Codex, OpenCode. В документации Ollama есть пример MCP-сервера на Python для её веб-поиска, его подключают в клиент, сама Ollama инструменты не вызывает. Для своего кода у обоих есть SDK. У LM Studio это `@lmstudio/sdk` для TypeScript и `lmstudio` для Python, у Ollama - библиотеки `ollama` для Python и JavaScript. Если локальная модель нужна рядом с облачными, оба сервера встают провайдерами за шлюзом [LiteLLM](https://futurecraft.pro/ru/blog/litellm-guide/), а облачную альтернативу с одним счётом на сотни моделей разбирает [гайд по OpenRouter](https://futurecraft.pro/ru/blog/openrouter-guide/). Железо, форматы и квантование для локального запуска в целом собраны в [гайде по локальным LLM](https://futurecraft.pro/ru/blog/local-llm-guide/). ## Замер на M4 Max 36 ГБ **Проверено:** 7 ноября 2026 года, Mac с Apple M4 Max (14-ядерный CPU, 32-ядерный GPU) и 36 ГБ общей памяти, macOS 27.2, питание от сети. Ollama 0.40.14 из Homebrew и LM Studio 0.4.28 из Homebrew cask с движками llama.cpp 2.71.0 и MLX 1.14.0: версии новее, чем на дату статьи. Перед замером тяжёлые приложения закрыты, открытыми остались Claude и системные процессы, около 17 ГБ памяти без модели. Swap к началу был занят на 7 ГБ из 8 после предыдущих прогонов. Модель одна - Qwen3.8 27B, в четырёх ячейках: | Ячейка | Приложение | Формат и движок | Источник весов | Спекулятивное декодирование (MTP) | |---|---|---|---|---| | A | Ollama | MLX, nvfp4 | `qwen3.8:27b` (на Apple Silicon по умолчанию) | Включено по умолчанию | | B | Ollama | GGUF Q4_K_M, llama.cpp | `qwen3.8:27b-q4_K_M` | Нет в раннере llama.cpp | | C | LM Studio | MLX 4bit (affine, группа 64) | `lmstudio-community/Qwen3.8-27B-MLX-4bit` | Выключено флагом при загрузке | | D | LM Studio | GGUF Q4_K_M, llama.cpp | Тот же файл, что в B, через `lms import --hard-link` | Выключено флагом при загрузке | Условия во всех ячейках: контекст 32768, temperature 0, до 400 токенов ответа. Промптов два: короткий (около 55 токенов) и длинный (около 8,9 тысяч токенов; в LM Studio он на ~40 токенов длиннее из-за шаблона чата). На промпт по 5 прогонов, в таблице медиана, в скобках минимум и максимум. У каждого прогона уникальный префикс, чтобы сервер не взял промпт из кэша. Между ячейками все модели выгружались, а прирост `Pageouts + Swapouts` в `vm_stat` за время замера показывал, ушла ли система в swap. Метрики снимались по-разному. В Ollama запросы шли в `POST /api/generate` со стримом и `think: false`, скорость генерации бралась из полей сервера `eval_count` и `eval_duration`. В LM Studio запросы шли в OpenAI-совместимый `POST /v1/chat/completions` со стримом, модель загружалась командой `lms load -c 32768 --no-speculative-draft-mtp`, а скорость генерации считалась по времени между первым и последним токеном стрима. TTFT - время до первого токена. В Ollama такого флага нет: MLX-раннер включает MTP (multi-token prediction) для `qwen3.8:27b` сам. Это видно в логе сервера по строкам `speculative decode stats`, а раннер llama.cpp в том же логе пишет `no implementations specified for speculative decoding`. Из четырёх основных ячеек MTP работал только в A. Выключить размышления Qwen3.8 в LM Studio через API не удалось. Не подействовали `reasoning_effort: "none"`, `reasoning: {effort: "none"}`, `chat_template_kwargs: {enable_thinking: false}` и `/no_think` в системном промпте: на запрос «Say ok» модель всё равно генерировала 22 токена рассуждения. В Ollama размышления выключены. Токены рассуждения тоже генерируются и входят в decode, поэтому скорость генерации между приложениями сравнима, а число выходных токенов и TTFT нет. Скорость обработки промпта Ollama отдаёт сама, у LM Studio её можно оценить только через TTFT. Из-за этого prefill в таблицу не вынесен, и выводы ниже опираются на decode. ### Результаты | Ячейка | Генерация, короткий промпт, tok/s | Генерация, длинный промпт, tok/s | TTFT, длинный промпт, с | Загрузка модели, с | Swap за замер | |---|---|---|---|---|---| | A. Ollama, MLX nvfp4 | 32,4 (30,4-35,5) | 19,4 (14,2-19,7) | 85,7 | ~7 | ≈ 11 ГБ | | B. Ollama, GGUF Q4_K_M | 10,6 (9,6-10,7) | 10,1 (9,3-10,2) | 77,2 | ~8 | ≈ 0,8 ГБ | | C. LM Studio, MLX 4bit | 20,3 (19,2-21,7) | 14,1 (7,9-14,4) | 68,6 | 8,6 | ≈ 0,4 ГБ | | D. LM Studio, GGUF Q4_K_M | 12,4 (11,9-12,5) | 10,2 (10,1-10,2) | 73,9 | 12,8 | ≈ 3,9 ГБ | | C + MTP. LM Studio, MLX 4bit, `--speculative-draft-mtp` | 21,1 (20,0-21,6) | 13,4 (1 прогон) | не снималось | не снималось | не снималось | Строка C + MTP - досъёмка ячейки C с включённым MTP: 5 прогонов короткого промпта и один прогон длинного, после чего досъёмку остановили. TTFT в таблице дан для ориентира: размышления в LM Studio не выключились, и между приложениями он несравним. Память приложения показывают по-своему, поэтому рядом с их цифрами стоит footprint процесса: | Ячейка | Что показывает приложение | Footprint процесса | |---|---|---| | A | `ollama ps`: 18 ГБ после загрузки, 25 ГБ после длинных прогонов | раннер 17 ГБ после короткого запроса | | B | `ollama ps`: 17 ГБ | раннер 3,5 ГБ плюс файл весов 16,8 ГБ и vision-проектор 0,9 ГБ через mmap | | C | `lms ps`: модель 16,08 ГБ | процесс LM Studio 20 ГБ | | D | `lms ps`: модель 16,81 ГБ | процесс LM Studio 10 ГБ | Как читать таблицы: - B и D - самое чистое сравнение приложений: один и тот же GGUF-файл, один движок llama.cpp. Разница между ними - это сборки llama.cpp внутри приложений и их настройки по умолчанию. - A и C отличаются сразу тремя вещами: движком внутри приложения, квантизацией и MTP. nvfp4 и MLX 4bit (affine) - разные 4-битные схемы с разным размером группы и разным представлением чисел, а MTP в A включён по умолчанию, в C выключен. Строка C + MTP убирает только третье различие. - A против B и C против D показывают, что даёт MLX против GGUF внутри одного приложения. - У GGUF-ячеек процесс меньше файла: llama.cpp отображает веса из файла в память (mmap), и эти страницы в footprint процесса не входят. MLX держит веса внутри процесса. ### Что показал замер На одном и том же GGUF-файле приложения почти равны: 10,6 и 12,4 tok/s на коротком промпте, 10,1 и 10,2 на длинном. На скорость GGUF выбор приложения почти не влияет, и решают лицензия, GUI и интеграции. MLX быстрее GGUF в обоих приложениях: в Ollama в 3,1 раза (32,4 против 10,6 tok/s, у MLX-ячейки с MTP), в LM Studio в 1,6 раза (20,3 против 12,4) на коротком промпте. На Mac сначала выбирают формат, приложение вторично. Между MLX-ячейками разрыв заметный: 32,4 tok/s у nvfp4 в Ollama против 20,3 у affine 4bit в LM Studio. При этом 32,4 выше оценки сверху по пропускной способности памяти: около 23 tok/s для файла 18 ГБ на [410 ГБ/с](https://support.apple.com/en-us/121553) у этой конфигурации M4 Max. Оценка считает один токен на одно чтение весов, а MTP за одно чтение принимает больше. По логу сервера Ollama за прогон ячейки A медиана acceptance 0,67, а `avg_accepted` 1,29: столько токенов в среднем принимается за итерацию сверх основного. Весь разрыв MTP не объясняет. Досъёмка ячейки C с `--speculative-draft-mtp` дала 21,1 tok/s (20,0-21,6) на коротком промпте против 20,3 без него, на этой машине MTP в LM Studio почти ничего не добавил. Длинный промпт с MTP прогнали один раз (13,4 tok/s) и досъёмку остановили. Разница A и C складывается из схемы nvfp4, движка MLX-раннера Ollama и MTP, и разделить их вклад в этом замере нельзя. Вывода «Ollama быстрее» отсюда нет, а сравнение MLX в Ollama и LM Studio без оговорки про MTP некорректно: в Ollama он включён по умолчанию для поддерживаемых моделей, в LM Studio его задают при загрузке. На 36 ГБ обе MLX-ячейки на длинном промпте упираются в память: разброс 14,2-19,7 tok/s у A и 7,9-14,4 у C. У A за замер в swap ушло около 11 ГБ, а `ollama ps` вырос с 18 до 25 ГБ. GGUF-ячейки на длинном промпте держатся ровно, 10,1 и 10,2 tok/s при узком разбросе. Для 27B на 36 ГБ запас по памяти важнее формата. Жёсткая ссылка работает: после `lms import --hard-link` у GGUF-файла две ссылки, и лишних 16,8 ГБ на диске нет. Параллельность в LM Studio 0.4.28 по умолчанию 4 (колонка PARALLEL в `lms ps`), параллельные запросы в замер не входили. Замер привязан к версиям, одной модели и одной машине на 36 ГБ с открытыми приложениями. На Mac с 64 ГБ и больше, на другой архитектуре модели или на Windows с NVIDIA расклад может быть другим, это не проверялось. Не проверялись также параллельные запросы, скорость при контексте 64K и работа агентов с этими моделями. ## Когда выбирать LM Studio, а когда Ollama **LM Studio**, если: - вы только начинаете и хотите выбирать модели в интерфейсе, видеть размер файла и настройки загрузки; - нужно сравнивать кванты и форматы одной модели: GGUF разной разрядности и MLX лежат в одном каталоге; - нужен чат с MCP-инструментами прямо в приложении; - в компании нужны SSO и централизованный контроль моделей и MCP: это LM Studio Enterprise. **Ollama**, если: - нужен фоновый сервер для своего кода, скриптов и агентов, который запускается вместе с системой; - сервер работает на Linux без экрана, в Docker или в CI; - политика компании требует открытую лицензию для всего стека; - нужна быстрая настройка агентов одной командой `ollama launch`; - иногда нужна большая облачная модель через тот же API: у Ollama есть облачные модели, а локальный режим от них не зависит. **Оба вместе** - рабочий вариант. LM Studio удобна, чтобы найти модель и подобрать квант, Ollama - чтобы держать её фоновым сервером. Порты разные (1234 и 11434), GGUF подключается из Ollama в LM Studio жёсткой ссылкой. Ограничение одно - память: загруженные модели обоих серверов занимают её одновременно. ## Ограничения и подводные камни ### `lms import` по умолчанию перемещает файл Без `--copy`, `--hard-link` или `--symbolic-link` команда переносит файл в каталог LM Studio. Для blob-файла Ollama это значит, что модель в Ollama сломается. Флаги взаимоисключающие, указать можно только один. ### CLI LM Studio зависит от приложения `lms` не работает до первого запуска приложения, а `lms get` может завершиться раньше загрузки. В скриптах после `lms get` проверяют `lms ls`, а на сервере ставят llmster вместо GUI-приложения. ### Две копии моделей и бэкапы Ollama GGUF можно разделить жёсткой ссылкой, а MLX-модели приходится скачивать в каждое приложение отдельно. В замере GGUF Qwen3.8 27B, подключённый в LM Studio через `--hard-link`, не занял лишних 16,8 ГБ, а MLX 4bit-сборка той же модели заняла в LM Studio ещё 16,1 ГБ рядом с nvfp4-сборкой Ollama на ~18 ГБ. В Ollama с [v0.40.2](https://github.com/ollama/ollama/releases/tag/v0.40.2) старые модели при первом запуске обновляются в фоне, а оригинал остаётся бэкапом, так что место на диске временно занято вдвое. Бэкапы удаляет скрипт из релизных заметок. ### Память делят оба сервера Модель, загруженная в LM Studio через JIT, держится в памяти до 60 минут простоя, в Ollama - 5 минут. На 36 ГБ MLX-сборка 27B, которая в Ollama дорастает до 25 ГБ, не оставляет места для такой же модели во втором сервере. Перед переключением выгружают модель (`lms unload`, `ollama stop <модель>`) или сокращают TTL. ### MLX в Ollama не для всех моделей MLX включается только для архитектур, которые поддерживает MLX-рантайм Ollama, остальные идут через llama.cpp. Превью требовало больше 32 ГБ общей памяти. Какой движок реально работает, показывает `ollama ps`, по названию тега этого не видно. ### Параллельность на MLX в LM Studio Continuous batching в LM Studio работает только на llama.cpp. Для MLX документация пишет «coming soon», так что параллельной обработки запросов нескольких клиентов к MLX-модели пока нет. ### Размышления Qwen3.8 в LM Studio через API не выключаются В LM Studio 0.4.28 ни `reasoning_effort: "none"`, ни `chat_template_kwargs: {enable_thinking: false}`, ни `/no_think` в системном промпте не отключили рассуждение у Qwen3.8 27B: модель тратит токены на размышления даже на короткий запрос. Это удлиняет ответ и время до первого видимого токена, а при сравнении с Ollama, где `think: false` работает, сопоставима только скорость генерации. ### Контекст по умолчанию разный Ollama подбирает контекст по объёму видеопамяти (на 36 ГБ это 32768), LM Studio берёт значение из настроек загрузки модели. Для честного сравнения и для агентов контекст задают явно в обоих. ### Версии меняются каждую неделю С 25 сентября по 18 октября 2026 года у Ollama вышло восемь версий 0.40.x, у LM Studio с начала сентября - три. Поведение по умолчанию между ними меняется, поэтому любые цифры, включая замер в этой статье, привязаны к версии и дате. ## С чего начать 1. Определите главную задачу: GUI и подбор моделей - LM Studio, фоновый сервер и открытая лицензия - Ollama. 2. Поставьте выбранное приложение. Для LM Studio запустите приложение один раз, затем `lms bootstrap`. Для Ollama проверьте `curl http://localhost:11434/api/version`. 3. Выберите формат: на Apple Silicon попробуйте MLX и GGUF одной модели и сравните скорость на своих задачах. 4. Проверьте, где работает модель: `ollama ps` (RUNNER, PROCESSOR, CONTEXT) или `lms ps`. 5. Подключите код через `/v1` с OpenAI SDK, агент - через `/v1/messages` или `/v1/responses`, с контекстом от 64k. 6. Перед открытием сервера в сеть включите Require Authentication в LM Studio или поставьте прокси с аутентификацией перед Ollama.