本地模型怎么玩？把 .GGUF 丢 进 LM Studio 跑起来

本篇分享、介绍的是：

👉 把模型转成 GGUF → 丢进 LM Studio → 直接聊天 or 当 API 用

一、先搞清楚：为什么一定是 GGUF

如果你用过 llama.cpp 或本地推理工具，大概率已经见过这个格式。

GGUF 本质上就是：

• 专门为本地推理优化的模型格式
• 支持量化（大幅降低显存 / 内存占用）
• LM Studio、Ollama、llama.cpp 都能吃

也就是说：👉 想在本地跑模型，GGUF 基本就是通行证

二、把微调的模型导出成 GGUF

如果是用 Unsloth 微调的，直接一行代码搞定：

model.save_pretrained_gguf(
    "my_model_gguf",
    tokenizer,
    quantization_method="q4_k_m"
)

常见几个选择你可以这么理解：

• q4_k_m：默认推荐，体积小、速度快，本地跑最舒服
• q8_0：质量更好，体积也更大
• f16：接近原始精度，但又大又慢

一般来说，直接用 q4_k_m 就够了。如果还想分享模型，也可以直接推到 Hugging Face：

model.push_to_hub_gguf(
    "hf_username/my_model_gguf",
    tokenizer,
    quantization_method="q4_k_m"
)

三、把 GGUF 丢进 LM Studio

这里有三种方式，但最稳的是 CLI。

方式1：一行命令导入（就这句）

lms import /path/to/model.gguf

如果你不想移动原文件：

lms import /path/to/model.gguf --copy

导入完成后，打开 LM Studio：👉 “我的模型”里就能看到它了

方式2：手动放文件（容易踩坑）

路径要对：

~/.lmstudio/models/publisher/model/model.gguf

就是要注意版本：

image.png

但这个方式很容易结构写错，优先用 lms import。

四、直接在 LM Studio 里跑起来

打开 LM Studio → Chat 页面：

1. 打开模型加载器
2. 选择你的模型
3. 调整参数（可选）
   • GPU offload
   • context length
4. 开始聊天

image.png

到这里，其实已经能用了。

五、进阶玩法：把模型当本地 API

这一步才是很多人真正想要的。

LM Studio 可以直接变成一个 OpenAI 兼容接口。

打开：👉 Developer（开发者）面板 → 启动本地服务

默认地址：

http://localhost:1234/v1

image.png

1、先测一下模型有没有起来

curl http://localhost:1234/v1/models

2、用 Python 调用（直接当 OpenAI 用）

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:1234/v1",
    api_key="lm-studio",
)

resp = client.chat.completions.create(
    model="your-model-id",
    messages=[
        {"role": "user", "content": "来一句测试"}
    ],
    temperature=0.7,
)

print(resp.choices[0].message.content)

3、CURL 也能直接打

curl http://localhost:1234/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "your-model-id",
    "messages": [
      {"role": "user", "content": "Say this is a test!"}
    ]
  }'

六、几个最常见的坑

这部分很关键，基本 80% 的问题都在这里。

1、输出乱码 / 一直重复

核心原因：提示模板不匹配

解决方式：

• 打开模型设置 ⚙️
• 手动设置 Prompt Template
• 或在聊天侧边栏强制启用模板

2、模型导入了但看不到

优先用：

lms import

不要手动乱放路径。

3、跑不动 / 很卡

可以这样调：

• 换更小量化（Q4）
• 减小 context length
• 调整 GPU offload

七、一整套流程，本质

其实你可以把它抽象成一个标准链路：

微调模型
   ↓
导出 GGUF
   ↓
本地加载（LM Studio）
   ↓
对话 or API 服务

这条链路一旦打通，你手里的模型就不再是“文件”，而是一个可以被调用、被集成、被产品化的能力。

很多人卡在“模型很强”， 真正拉开差距的是：

👉 谁能把模型变成接口，再变成产品，再塞进流程里跑起来

LM Studio 这一层，其实就是把模型接入现实世界的第一步。