Usare un'intelligenza artificiale senza inviare nulla a Internet, gratis e con la privacy totale dei propri dati: e' possibile, e non serve saper programmare. LM Studio e' un'applicazione con interfaccia grafica che permette di scaricare ed eseguire modelli linguistici (LLM) direttamente sul proprio computer. In questa guida vediamo come installarlo, scegliere il modello giusto per il tuo hardware, chattare in locale e persino usarlo come server compatibile con le API di OpenAI.
A chi serve e cosa otterrai
Questa guida e' per chiunque - anche senza competenze tecniche - voglia un'IA che funzioni offline: professionisti che trattano documenti riservati, studenti che vogliono sperimentare senza costi, sviluppatori che cercano un endpoint locale per i test. Al termine avrai un modello che gira sul tuo PC, una chat funzionante e, se vuoi, un piccolo server API in locale. Il tutto senza abbonamenti e senza che i tuoi testi lascino il computer.
Prerequisiti reali
LM Studio funziona su Windows, macOS (Apple Silicon) e Linux. Il requisito piu' importante e' la memoria: con 8 GB di RAM puoi eseguire modelli piccoli (2-4 miliardi di parametri), con 16 GB te la cavi con modelli da 7-8 miliardi, mentre per modelli piu' grandi servono 32 GB o piu' - o una scheda video (GPU) con parecchia memoria dedicata (VRAM). I Mac con chip Apple (M1 e successivi) sono particolarmente adatti perche' condividono la memoria tra CPU e GPU.
1) Scaricare e installare
Vai su lmstudio.ai e scarica la versione per il tuo sistema operativo. L'installazione e' identica a quella di qualunque altra app: su Windows esegui il file .exe e segui la procedura; su Mac trascina l'app nella cartella Applicazioni; su Linux esegui il file AppImage scaricato. Al primo avvio l'interfaccia ti accoglie con una barra di ricerca dei modelli e una sezione chat.
2) Scegliere e scaricare un modello
Questo e' il passaggio piu' importante. Nella schermata di ricerca (l'icona della lente) trovi un catalogo di modelli aperti: famiglie come Llama di Meta, Qwen di Alibaba, Gemma di Google, Mistral e molti altri. Per iniziare, cerca un modello "istruito" (instruct) di dimensioni contenute, per esempio un modello da 7-8 miliardi di parametri.
Capire la quantizzazione
Per ogni modello vedrai diverse versioni con sigle come Q4_K_M, Q5_K_M, Q8. Si tratta della quantizzazione: una compressione che riduce la precisione dei numeri interni del modello per farlo occupare meno memoria. Piu' basso e' il numero, meno RAM serve ma leggermente peggiore e' la qualita'. Un buon compromesso per la maggior parte dei casi e' Q4_K_M: qualita' quasi identica all'originale con un'occupazione di memoria molto ridotta. LM Studio ti segnala anche se un modello e' "compatibile" con il tuo hardware, aiutandoti a non scaricare qualcosa che non riusciresti a eseguire. Clicca su "Download" e attendi (i file vanno da 2 a diversi gigabyte).
3) Chattare con il modello in locale
Terminato il download, vai nella sezione chat (l'icona del fumetto), seleziona in alto il modello scaricato e attendi che venga caricato in memoria. A questo punto puoi scrivere come faresti con ChatGPT. Prova con questi prompt:
Riscrivi questa email in tono piu' formale: "Ciao, mi servirebbe il report entro domani, grazie."
Spiega la differenza tra RAM e VRAM come se parlassi a un principiante.
Il risultato atteso e' una risposta generata interamente dal tuo computer, senza connessione a Internet. La velocita' dipende dall'hardware: su un buon portatile un modello da 7-8 miliardi produce diverse parole al secondo.
Regolare i parametri
Nel pannello laterale puoi impostare la lunghezza massima della risposta, la "temperatura" (piu' alta = risposte piu' creative e variabili, piu' bassa = piu' precise e ripetibili) e - se hai una GPU - quanti "layer" del modello scaricare sulla scheda video (GPU offload) per accelerare. Aumenta l'offload finche' la memoria della GPU regge; se il modello smette di funzionare, riducilo.
4) Usare LM Studio come server API locale
Qui LM Studio diventa utile anche per gli sviluppatori. Nella scheda "Developer" (o "Local Server") puoi avviare un server che espone il modello con un'interfaccia compatibile con le API di OpenAI, tipicamente all'indirizzo http://localhost:1234. Cosi' puoi usare i modelli locali nei tuoi programmi senza cambiare quasi nulla nel codice. Esempio in Python:
from openai import OpenAI
client = OpenAI(base_url="http://localhost:1234/v1", api_key="lm-studio")
resp = client.chat.completions.create(
model="modello-locale", # il nome mostrato in LM Studio
messages=[{"role": "user", "content": "Elenca 3 idee per un blog di cucina."}],
)
print(resp.choices[0].message.content)Il risultato atteso e' la risposta del modello locale, ottenuta senza alcun costo per token e senza inviare i dati fuori dal tuo computer. E' perfetto per prototipare applicazioni prima di passare (se necessario) a un servizio cloud.
Errori comuni e soluzioni
- "Failed to load model" / il PC si blocca: il modello e' troppo grande per la tua RAM. Scegli una quantizzazione piu' bassa (es. Q4 invece di Q8) o un modello con meno parametri.
- Risposte lentissime: probabilmente il modello gira solo su CPU. Se hai una GPU, aumenta il "GPU offload"; in alternativa scegli un modello piu' piccolo.
- Il server locale non risponde: verifica di aver premuto "Start" nella scheda Developer e che nel codice l'indirizzo sia
http://localhost:1234/v1. - Risposte incoerenti o ripetitive: abbassa la temperatura e verifica di aver scelto la versione "instruct" del modello, non quella "base".
Alternative e quando non usare LM Studio
LM Studio e' l'opzione piu' semplice per chi vuole un'interfaccia grafica pronta all'uso. Se preferisci la riga di comando o vuoi integrare i modelli in script e server, Ollama e' un'ottima alternativa (ollama pull nome-modello e via). Per il massimo controllo c'e' llama.cpp, il motore che sta sotto a molti di questi strumenti. E chi cerca un'app open source completa puo' guardare a Jan. Quando non conviene l'IA locale? Se hai bisogno della massima qualita' su compiti difficili o di modelli enormi che il tuo hardware non regge: in quei casi un servizio cloud come Claude o GPT resta superiore. Ma per privacy, costi zero e uso offline, avere un modello che gira sul tuo computer e' oggi alla portata di chiunque.
Come proseguire
Una volta presa confidenza, puoi sperimentare modelli specializzati (per il codice, per la traduzione, per il ragionamento), provare modelli piu' grandi man mano che liberi memoria, e combinare LM Studio con strumenti come una base di conoscenza sui tuoi documenti (RAG) per costruire un assistente privato che risponde sui tuoi file, senza che nulla esca dal tuo computer.
