LM Studio 0.4.0: новый headless-режим для запуска на серверах

29.01.2026

~ 2 мин

1140

Простой

Новости

Введение

Команда LM Studio представила версию 0.4.0, которая переводит продукт из категории десктопных приложений для локальных языковых моделей в полноценную серверную платформу инференса. Обновление затрагивает архитектуру, API и обработку запросов, позволяя использовать LM Studio в headless-режиме, на серверах, в облаке и в CI-пайплайнах без графического интерфейса.

Подробнее о LM Studio 0.4.0

Главное новшество — серверное ядро llmster, работающее независимо от пользовательского интерфейса. Это позволяет запускать модели локально на Linux, в облаке или на любом GPU, полностью отделяя вычислительную часть от десктопного клиента.

Команда для запуска серверного ядра llmster. Источник: LM Studio Blog.

Параллельные запросы с непрерывной пакетной обработкой заменяют классическую очередь, повышая пропускную способность и снижая простой оборудования. Новый REST API с эндпоинтом /v1/chat поддерживает отслеживание состояния диалогов и интеграцию с локальными MCP, делая платформу удобной для агентных и инструментальных сценариев.

Интеграция с локальными MCP в LM Studio 0.4.0. Источник: LM Studio Blog.

Десктопное приложение тоже получило обновления: разделенный экран, режим разработчика, встроенная документация и возможность экспорта чатов. UI теперь выступает скорее как клиент к серверному ядру, а не как монолитное приложение.

Выводы

Релиз LM Studio 0.4.0 формально превращает продукт в универсальный инфраструктурный инструмент для развертывания ИИ на серверах. Поддержка headless-режима, параллельного инференса и расширенного API позволяет использовать LM Studio как основу для локальных агентных систем и серверного инференса, закрывая нишу между простыми десктопными клиентами и тяжелыми серверными решениями.

Автор:

Serverflow

Комментарии 2

Владислав

06.02.2026

Отделение серверного ядра от UI логично для серверов, но для обычного пользователя это означает, что десктопное приложение становится просто клиентом, который может не запуститься, если ядро уже занято другим процессом.

Да, в такой архитектуре действительно появляется зависимость от внешнего серверного процесса, что может усложнить диагностику для пользователя, привыкшего к монолитному запуску.

Ирина

01.02.2026

Непрерывная пакетная обработка вместо очереди действительно повышает утилизацию GPU, но как при этом регулируется задержка для первого токена, когда одновременно приходит много коротких запросов?

Это хороший вопрос, и он напрямую связан с тем, как именно lm_studio реализует внутреннее планирование пакетов. В статье не приводится деталей по алгоритму выбора пакета, но это действительно компромисс между пропускной способностью и задержкой.