LM Studioとは？使い方・料金・必要スペックを解説【2026年】

LM Studioは、オープンな大規模言語モデルを自分のPCで検索・ダウンロードし、チャットやAPIから実行できるデスクトップアプリです。2026年7月現在、公式サイトではエージェント機能を加えた「LM Studio Bionic」が前面に出ていますが、ローカルLLMの実行基盤という中心的な役割は変わりません。

クラウド型の生成AIと違い、ダウンロード済みモデルによる推論を端末内で完結できる点が特徴です。一方で、「ローカルで動く」ことと「企業が安全に運用できる」ことは同義ではありません。モデルの利用条件、PC性能、外部通信、APIの公開範囲まで確認する必要があります。

この記事では、LM Studioの料金、必要スペック、基本的な使い方、日本語モデルの選定、OpenAI互換API、企業利用の注意点を公式情報に基づいて解説します。

LM Studioとは？ローカルLLMを扱う統合アプリ

LM Studioは、LLMそのものではありません。LLM（大規模言語モデル）とは、大量の文章から言葉の関係を学び、質問への回答や文章生成、要約、コード生成などを行うAIモデルです。LM Studioは、そのモデルをPCへ取得し、読み込み、実行するための画面と開発機能をまとめたアプリです。

LLMの基本的な仕組みを先に確認したい方は、LLMとは？仕組みと企業活用の解説も参考にしてください。

LM Studioでできること

公式ドキュメントから整理すると、主な機能は次の通りです。

機能	内容	主な用途
モデル検索・取得	対応モデルを探してPCへ保存	比較検証、用途別モデルの準備
ローカルチャット	ダウンロード済みモデルと対話	要約、文章作成、アイデア整理
文書チャット・RAG	手元の文書を参照して回答	規程、マニュアル、技術資料の検索
ローカルAPI	HTTP経由でモデルを呼び出す	社内ツール、試作アプリとの連携
SDK・CLI	Python、TypeScript、コマンドラインから操作	開発、自動化、評価
エージェント機能	ツールを使う作業をAIに依頼	調査やコード作業の支援
音声文字起こし	端末上で音声をテキスト化	会議メモ、インタビュー整理

RAG（検索拡張生成）は、AIが回答を作る前に指定文書を検索し、見つけた情報を回答に反映する仕組みです。モデルが学習していない社内情報を扱える一方、参照文書の権限管理や回答の検証は別途必要です。

クラウド型生成AIとの違い

ChatGPTなどのクラウドサービスでは、利用者の端末から事業者のサーバーへリクエストを送ります。LM Studioでローカルモデルを使う場合、推論処理は自社PC上で動きます。この違いにより、データの保存場所と費用構造が変わります。

比較軸	LM Studioのローカル推論	クラウド型生成AI
推論場所	利用者のPC・社内端末	事業者のクラウド
入力データ	ローカルに保持可能	契約先へ送信
主な費用	PC、GPU、電力、運用	月額料金、API従量課金
性能上限	端末性能とモデルに依存	提供モデルとプランに依存
更新	利用者がモデルを選択・更新	事業者が提供・更新
同時利用	端末やサーバー構成に依存	契約プランとAPI制限に依存

ローカル推論は、機密性の高いデータを扱うPoCに向きます。ただし、高性能モデルを快適に動かすには十分なメモリやGPUが必要で、全社利用では端末管理とモデル配布の負担も生じます。

LM Studioの料金と商用利用

2026年7月28日に確認したLM Studio公式料金ページでは、Freeプランは$0です。ローカルLLM、オフライン音声文字起こし、Bionic Agent、最大5台のLM Linkなどが案内されています。

一方、クラウド上のモデルを使う機能は「Pay as you go」のクラウドクレジット方式です。公式ページはクラウド推論を米国ベース、Zero Data Retention（ZDR）をデフォルトと説明しています。Bionic Passは、同日時点で料金とプラン詳細が「Coming soon」とされているため、未発表の金額を見込んで予算化するのは避けるべきです。

区分	2026年7月28日時点の公式案内	データ処理の考え方
Free	$0	ローカルモデルは端末内で推論可能
Pay as you go	クラウドクレジット	対象クラウドモデルを従量利用
Bionic Pass	詳細はComing soon	公開後に機能・条件を再確認
Enterprise	企業向け窓口	管理、契約、サポート要件を個別確認

料金と機能は更新されるため、導入直前には必ず公式ページを再確認してください。固定費が$0でも、モデル保存用ストレージ、GPU搭載PC、電力、運用担当者の工数は発生します。

LM Studio本体とモデルのライセンスは別

業務利用で最も見落としやすいのが、アプリとモデルの利用条件の違いです。LM Studioでモデルをダウンロードできても、そのモデルを無条件に商用利用できるとは限りません。

企業では、少なくとも次の5点を記録します。

1. モデル名、配布元、バージョン
2. モデルカードとLICENSEファイル
3. ベースモデルの利用規約
4. 商用利用、再配布、API提供に関する条件
5. 取得日とモデルファイルのハッシュ値

たとえば、同じ系統のモデルでも、ベースモデルと追加学習版では条件が異なる場合があります。利用者数や提供方法によって追加条件が付くモデルもあるため、法務・情報セキュリティ部門を含めて確認してください。

対応OSと必要スペック

公式システム要件では、macOS、Windows、Linuxに対応しています。ただし、OS名だけで判断せず、CPUアーキテクチャと命令セットまで確認します。

OS	公式の主な対応	確認事項
macOS	Apple Silicon搭載Mac	統合メモリ容量、空きストレージ
Windows	x64、ARM	x64はAVX2対応CPUが必須
Linux	x64、ARM64	対応ディストリビューションとGPUドライバー

Windowsについて、公式はRAM 16GB以上と専用VRAM 4GB以上を推奨しています。これはアプリを使うための目安であり、すべてのモデルが快適に動く保証ではありません。

必要メモリはモデルごとに変わる

モデルの実行負荷は、主に次の要素で決まります。

• パラメータ数：モデル内部の調整値の数。一般に多いほど必要容量が増えます。
• 量子化：モデルの数値精度を下げてファイルとメモリ使用量を減らす処理です。
• コンテキスト長：一度に扱う文章量です。長くするとKVキャッシュが増えます。
• GPUオフロード：計算の一部または全部をGPUへ移す設定です。
• 同時リクエスト数：複数処理を並行すると追加メモリが必要です。

GGUFは、llama.cpp系ランタイムで広く使われるモデル形式です。Q4、Q5、Q8などの量子化版があり、一般に数字が大きいほど精度を残しやすい一方、容量と必要メモリが増えます。Apple Siliconでは、MLX向けに変換されたモデルも選択肢になります。

PC性能別の始め方

特定モデル名は更新が早いため、最初は端末性能に合わせてサイズを絞る方法が安全です。

端末の目安	最初の検証方針	注意点
RAM 16GB	小〜中規模の量子化モデルを1つロード	長い文書や大きなコンテキストは控える
RAM 32GB	より大きなモデルや長文処理を比較	GPUと統合メモリの配分を確認
RAM 64GB以上	大きなモデル、RAG、複数条件の評価	速度はGPU性能にも左右される
専用GPU搭載	GPUオフロードで速度を改善	VRAM不足時はロード量を調整
GPUなし	CPU推論で小さなモデルを試す	応答速度を業務要件と照合

「起動できるか」だけでは評価が足りません。業務では、1回答の待ち時間、長文入力時の安定性、日本語品質、消費電力まで測定します。

---

自社に合うローカルAI環境は、データ区分、利用人数、応答速度、既存システムとの接続方法によって変わります。選定基準やPoC設計を整理したい場合は、AI顧問の無料相談はこちらからご相談ください。

---

LM Studioの使い方を5ステップで解説

基本操作は、アプリの入手、モデルの選択、ダウンロード、ロード、チャットの順です。画面名が更新された場合も、配布元、モデル形式、量子化、必要メモリ、ライセンスの5項目を確認してください。

1. 公式サイトからアプリを入手する

LM Studio公式サイトまたは公式ダウンロードページから、OSに合うインストーラーを取得します。第三者の配布サイトを使うと、古い版や改変されたファイルを入手するリスクがあります。

企業端末では、導入前に次を確認します。

• 配布元URL
• ファイルの署名やハッシュ
• インストール権限
• 自動更新の扱い
• ファイアウォールとプロキシ設定
• モデル保存先の空き容量

2. 用途に合うモデルを検索する

モデル検索では、会話、コード、推論、画像理解、埋め込みなどの用途を先に決めます。モデル名の知名度だけで選ぶと、PCで動かない、ライセンスが合わない、日本語品質が足りないといった問題が起きます。

DeepSeekの特徴と安全性も、候補モデルを理解する補足として参照できます。ただし、LM Studioで表示される派生版と公式配布版が同じ条件とは限らないため、各モデルカードを確認してください。

3. 量子化版を選んでダウンロードする

同じモデルに複数のGGUFファイルがある場合、ファイルサイズと量子化方式を比較します。初回は、空きメモリに余裕を残せる版を選びます。OSや他のアプリもメモリを使うため、モデルファイルのサイズがRAM容量内なら必ず動く、とは判断できません。

ダウンロード時にはモデル名、配布者、ファイル名、ライセンスを台帳へ記録します。企業PoCでは、これらの記録を使って同じ検証環境を再現できるようにします。

4. モデルをロードして設定する

ダウンロード後、モデルをメモリへロードします。ロードに失敗した場合は、より小さい量子化版、短いコンテキスト長、少ないGPUオフロード量を試します。

初期設定では、出力のランダム性を決めるTemperatureを低めにし、同じ質問を複数回実行します。業務評価では、回答の派手さより再現性と事実性を優先します。

5. 機密性の低いデータで評価する

最初から顧客情報や未公開資料を入力してはいけません。公開済み文書や人工的に作ったサンプルを使い、次の指標を記録します。

評価項目	測定例
正確性	正答率、根拠の一致、誤情報の件数
日本語品質	敬語、専門用語、文字化け、文体
速度	初回応答時間、1秒あたりの生成量
安定性	長文入力、連続実行、メモリ使用量
再現性	同じ条件で回答がどの程度変わるか
安全性	禁止情報への応答、ログや履歴の保存先

評価基準を先に決めると、「一度うまく答えた」という印象だけで導入判断する失敗を避けられます。

日本語モデルの選び方

LM Studioの画面が日本語で使えることと、選んだモデルが自然な日本語を生成できることは別です。日本語性能は、学習データ、追加学習、モデルサイズ、量子化、用途によって変わります。

5つの選定軸

選定軸	確認する内容
日本語性能	自社の文書、敬語、業界用語で評価
用途適合	会話、要約、コード、推論、埋め込み
端末適合	RAM、VRAM、ファイルサイズ、速度
ライセンス	商用利用、再配布、API提供の条件
更新性	配布元、版、変更履歴、サポート状況

公開ベンチマークは候補を絞る材料になりますが、自社業務の品質を保証しません。営業メールの下書きと契約書の検索では、必要な正確性も文体も異なります。

社内評価セットを作る

モデル比較では、実際の業務に近い20〜50問程度の評価セットを用意します。正解がある質問、要約、分類、定型文作成を混ぜ、担当者が同じ基準で採点します。

入力データは匿名化し、機密区分を下げた検証用データを使います。モデル名、量子化、設定値、実行端末を回答と一緒に保存すれば、更新前後の差も追跡できます。

OpenAI互換APIで社内ツールと連携する方法

LM Studioは、ローカルサーバーを起動してHTTPリクエストを受けられます。公式のOpenAI互換APIドキュメントでは、次のエンドポイントが案内されています。

• GET /v1/models
• POST /v1/responses
• POST /v1/chat/completions
• POST /v1/embeddings
• POST /v1/completions

公式例はポート1234を使用し、ベースURLをhttp://localhost:1234/v1へ変更します。既存のOpenAIクライアントを流用しやすい一方、クラウドのOpenAI APIと全機能が同一とは限りません。

Pythonから呼び出す例

from openai import OpenAIclient = OpenAI(    base_url="http://localhost:1234/v1",    api_key="lm-studio")response = client.chat.completions.create(    model="LM Studioに表示されたモデルID",    messages=[        {            "role": "user",            "content": "次の議事録を3点に要約してください。"        }    ],    temperature=0.2)print(response.choices[0].message.content)

この例はローカル接続の基本形です。実行前にLM StudioのLocal Serverを起動し、指定するモデルIDが利用可能な状態であることを確認します。モデルIDと対応パラメータは、アプリと公式ドキュメントで確認してください。

LANへ公開する前に認証を設定する

localhostは同じPCからの接続に限定されます。部署内の別端末から使うためにLANへ公開すると、攻撃対象とデータ経路が増えます。

確認項目は次の通りです。

• API認証の有効化
• バインドアドレスと待受ポート
• ファイアウォールの許可元
• HTTPSまたは安全な内部ネットワーク
• CORS設定
• リクエストと回答のログ
• 同時実行数とタイムアウト
• モデルの自動ロード・アンロード

外部ツールを接続する仕組みとしてMCPを使う場合は、権限範囲も確認します。MCPの基本は、MCPとは？AIと社内システムをつなぐ標準規格で解説しています。

オフライン運用とセキュリティ

公式のオフライン運用ドキュメントは、必要なモデルとランタイムを事前に取得しておけば、ダウンロード済みモデルによるチャット、文書チャット、RAG、ローカルサーバーをインターネット接続なしで利用できると説明しています。チャットへ入力した内容や、文書チャットへ追加したファイルは端末内で処理されます。

ただし、すべての操作がオフラインで完結するわけではありません。

操作	インターネット接続	条件・理由
ダウンロード済みモデルの推論	不要	必要なモデルとランタイムを事前に取得している場合
文書チャット・RAG	不要	必要なモデルとランタイムを取得し、外部機能を使わない場合
ローカルサーバー	不要	localhost内で利用可能。別端末からはLAN通信が発生
モデル検索	必要	Hugging Faceなどへ問い合わせ
モデルのダウンロード	必要	配布元からファイルを取得
ランタイムの取得	必要	実行エンジンをダウンロード
アプリの更新確認	必要	新版の有無を確認
クラウド推論・Web検索	必要	外部サービスを利用

この区分を踏まえると、「LM Studioを入れれば一切外部通信しない」という説明は不正確です。厳格な環境では、モデルとランタイムを検証済み経路で取得し、ファイアウォールで通信先を制御します。

企業利用のセキュリティチェックリスト

1. 入力できる情報の機密区分を定める
2. モデルの配布元、ライセンス、ハッシュを記録する
3. 端末のディスク暗号化とOSアカウント管理を行う
4. チャット履歴、文書、ログの保存場所を確認する
5. APIの認証と公開範囲を制限する
6. 外部MCPサーバーやWeb検索の接続先を審査する
7. アプリ、ランタイム、モデルの更新手順を決める
8. 退職、異動、端末廃棄時の削除手順を用意する
9. 出力を人間が検証する業務フローを残す
10. インシデント発生時のログと連絡先を定める

ローカル推論は、クラウドへの入力送信を減らす手段です。しかし、端末のマルウェア対策、アクセス権、モデルの供給経路、出力の誤りまでは自動で解決しません。

LM StudioとOllama・クラウドAPIの違い

LM Studio、Ollama、クラウドAPIは、優劣ではなく運用目的で選びます。LM Studioは画面上でモデルを探して比較しやすく、デスクトップPoCに向きます。Ollamaはコマンドラインやサービス連携を中心に運用したい開発者が検討しやすい選択肢です。クラウドAPIは高性能モデル、同時利用、運用委託を重視する場合に適します。

比較軸	LM Studio	Ollama	クラウドAPI
主な操作	GUI、API、SDK、CLI	CLI、API	Web、API、SDK
導入のしやすさ	モデル比較を画面で進めやすい	自動化しやすい	インフラ準備が少ない
データ所在	ローカル運用可能	ローカル運用可能	事業者クラウド
ハードウェア	自社で用意	自社で用意	事業者が用意
本番運用	要件ごとに設計	サーバー運用を設計	SLAや制限を契約で確認
費用	端末・電力・運用	端末・電力・運用	月額・従量課金
向く場面	個人検証、部門PoC、GUI比較	開発、自動化、内部サービス	大規模利用、高性能モデル

LM Studioで品質と必要メモリを検証した後、本番環境では利用人数、同時実行数、可用性、監査ログの要件に応じて、社内推論サーバーまたはクラウドAPIへの移行を判断します。

TCOは利用料だけで比べない

TCO（総保有コスト）は、購入費だけでなく、運用期間中に必要な費用を合計する考え方です。ローカルLLMでは、GPU端末、電力、故障対応、モデル更新、担当者工数が含まれます。クラウドでは、API利用料、ネットワーク、監査、契約管理を含めます。

少人数が断続的に使う場合と、数百人が同時利用する場合では最適解が変わります。利用人数、1日あたりのリクエスト、許容待ち時間、必要な可用性を数値化して比較してください。

よくあるトラブルと対処法

モデルをロードできない

最初にRAMとVRAMの空きを確認します。他のアプリを閉じ、コンテキスト長を下げ、より小さい量子化版を選びます。Windows x64ではAVX2対応も確認してください。

応答が遅い

CPUだけで大きなモデルを動かすと、回答生成に時間がかかります。小さいモデルへ変更するか、GPUオフロードを増やし、長すぎる入力を分割します。初回ロード時間と生成中の速度は分けて測定します。

日本語の回答品質が低い

日本語性能を明示したモデルを候補にし、自社評価セットで比較します。プロンプトで出力形式と用語を指定し、Temperatureを下げても改善しない場合は、モデル自体を見直します。

APIへ接続できない

LM Studio側でローカルサーバーが起動しているか、ポート番号とベースURLが一致しているかを確認します。別端末から接続する場合は、localhostではなく、認証済みのLAN設定とファイアウォール許可が必要です。

モデル検索や更新ができない

モデル検索、ダウンロード、ランタイム取得、更新確認にはインターネット接続が必要です。企業ネットワークでは、プロキシや許可リストが通信を遮断していないかを確認します。

よくある質問

Q. LM Studioは無料ですか？

2026年7月28日時点の公式料金ページでは、Freeプランは$0です。ローカルLLMの利用は無料枠に含まれますが、クラウド推論はPay as you goです。PC、GPU、電力、運用の費用は別途発生します。

Q. GPUなしでもLM Studioを使えますか？

CPUで動かせるモデルはあります。ただし、モデルサイズと量子化によっては応答が遅くなります。業務利用では、実際の文書量で待ち時間を測って判断してください。

Q. LM Studioは日本語に対応していますか？

アプリの表示言語と、モデルの日本語生成能力を分けて考えます。日本語に強いモデルを選び、自社の敬語、専門用語、文書形式で評価する必要があります。

Q. LM Studioは商用利用できますか？

LM Studio本体の利用条件と、実行するモデルのライセンスを個別に確認してください。モデルによって商用利用、再配布、API提供、利用規模の条件が異なります。

Q. 完全にオフラインで利用できますか？

モデルと必要なランタイムを事前に取得すれば、チャット、文書処理、RAG、ローカルサーバーをオフラインで利用できます。モデル検索、ダウンロード、更新確認、クラウド機能には通信が必要です。

まとめ

LM Studioは、ローカルLLMをGUIで比較し、チャット、RAG、API連携まで試せるアプリです。2026年現在はLM Studio Bionicとしてエージェント機能も展開され、Freeプランは$0と案内されています。

Windows環境では、公式推奨のRAM 16GB以上・専用VRAM 4GB以上を出発点とし、モデルサイズ、量子化、コンテキスト長に応じて必要容量を見積もります。企業利用を始める前に、モデルライセンスの記録方法、許可する外部通信先、API認証、端末暗号化、更新担当者と更新周期を運用規程に定めます。

最初の一歩は、機密性の低い20〜50問の評価セットを用意し、1台の検証端末で品質と速度を測ることです。その結果から、ローカル継続、社内サーバー化、クラウドAPI併用のいずれが適するかを判断できます。

---

ローカルAIの導入方針を整理しませんか？

株式会社Nexaでは、生成AIツールの選定、セキュリティ要件の整理、PoC設計、業務への定着を支援するAI顧問サービスを提供しています。自社データをどこまで扱えるか、ローカルとクラウドをどう使い分けるかという段階からご相談いただけます。

AI顧問の詳細・無料相談はこちら

---