Linux上でLM Studioをインストールする方法（完全ガイド）

のインストール： LM Studio Linux により、オープンソースのLLMをローカルで実行したいユーザーは、Unixシステム上で使いやすいインターフェースを利用できます。クラウドサービスに依存せずにモデルの重みを使ってテストや対話を行いたい方に、このガイドは役立ちます。お好みのLinuxディストリビューションでLM Studioを設定するために必要な手順を詳しく説明します。この記事では、インストール、初期設定、そして利用可能な優れたLLMをこのインターフェースで活用する方法を取り上げます。モデルの例としては： DeepSeek V4 Pro 1.6T または MiMo V2.5.

インストールを開始する前に必要な前提条件

Linux上でLM Studioをインストールする前に、いくつかのハードウェアおよびソフトウェアの前提条件を確認することが不可欠です。LLMの効率的な実行は、マシンの能力に大きく依存します。

推奨ハードウェア： * CPU/RAM ： 小型モデルの場合、少なくとも16GBのRAMを備えた現代的なシステムが推奨されます（例： Mistral Small 4、Q4では約72 GBが必要ですが、RAMの容量が十分であればCPUでも実行できます）。次のような大規模モデルでは： DeepSeek V4 Pro 1.6T （Q4でのVRAM使用量は約960 GB）では、はるかに多くのメモリが必要です。* GPU（推奨）： GPUアクセラレーションは、実用的な処理速度（トークン/秒）を得るために不可欠です。CUDAまたはROCmライブラリとの互換性を確認し、NVIDIAまたはAMDのドライバーが正しくインストールされ、最新の状態になっていることを確かめてください。

必要なソフトウェア： 1. Linuxディストリビューション： Ubuntu、Fedora、Archなど。2. パッケージマネージャー： apt, dnf, または同等のもの、ディストリビューションに応じて。3。 安定したインターネット接続。

最新バージョンにおける特定の要件については、常に公式ドキュメントを参照することをお勧めします。 公式サイト. パフォーマンスの詳細な理解のために、当社の LLM設定ガイド.

Linux上でLM Studioをインストールする方法

LM Studioは通常、直接インストールする方法や、サードパーティのパッケージマネージャーを使う方法を提供していますが、Linuxの上級ユーザーにとっては、手動でのインストールが最も確実な方法であることが多いです。

オプション1：AppImageパッケージの使用（推奨）

Linuxでは、AppImageファイルの利用が、最も簡単で幅広い環境に対応できる方法となることがよくあります。必要な依存関係がすべて含まれているため、システムライブラリの競合を避けられます。持ち運んで使える方式で、システム全体の環境を変更しません。

1. ダウンロード： LM Studioの公式サイトにアクセスし、Linux版（形式 .AppImage).
2. 権限： ターミナルを開き、ダウンロードしたファイルが保存されているディレクトリに移動してください。ファイルに実行権限を付与してください： bash chmod +x LM_Studio-*.AppImage
3. 実行： ファイルをダブルクリックするか、次のコマンドでアプリケーションを起動してください： bash ./LM_Studio-*.AppImage

オプション2：パッケージマネージャー経由でのインストール（利用可能であれば）

一部のディストリビューションではLM Studioがリポジトリに含まれています。人気のあるディストリビューションを使用している場合は、システムに統合されたインストール用のパッケージが提供されているか確認してください。コミュニティガイドまたは公式リポジトリを参照してください GitHub上.

重要な注意 : 大きなモデルでの最適なパフォーマンスを実現するには、 DeepSeek V4 Pro 1.6T、お使いのハードウェア構成がVRAM要件を満たしていることを確認してください。Q4で量子化されたモデルを効率よく読み込むには、一定量のビデオメモリが必要なためです。たとえば、 GLM 5.2 753B-A40B は、大量のビデオメモリを割り当てる必要があります（Q4で約437 GB）。

LM Studio におけるLLMの設定と使用方法

Linux環境でLM Studioを起動したら、オープンウェイトモデルのエコシステムを探索する準備は完了です。インターフェースでは、内蔵カタログからモデルを直接ダウンロードして読み込み、質問を送れます。また、ローカルのGGUFファイルをインポートしてモデルを読み込み、質問を送ることもできます。

モデルのダウンロードと選択

LM Studio は検索を容易にします。利用可能な数千のモデルを探索できます Hugging Face. モデルを選択する際（例： Inkling または MiMo V2.5 Pro) では、インターフェースは異なる量子化バージョン (Q4_K_M、Q8_0 など) を表示します。

• 量子化： 量子化（例：Q4）は、ファイルサイズとメモリ要件を削減しますが、FP16版と比べてわずかな精度の損失が生じます。たとえば、 MiMo V2.5 Pro は、Q4でのサイズが約595 GBと推定されるモデルとして利用できます https://quelllm.fr/modele/mimo-v25-pro.
• VRAMとRAMの比較： GPUを使用する場合、以下の最適化バージョンを優先してください GPUオフロード. 例えば、 Llama 3.1 405B Instruct、初回の読み込み時の速度低下を避けるには、VRAMとシステムRAMへの適切な割り振りが極めて重要です。

ローカルでモデルを実行

ダウンロード後、チャットタブにアクセスします。サイドバーから読み込んだモデルを選択し、インタラクションを開始します。パフォーマンス（トークン/秒）は、ハードウェアや選択された量子化レベルに直接依存します。大きなコンテキストウィンドウが必要なタスクの場合、モデルの能力を検討してください。 Llama 4 Maverick 400B $1\,000\,000$ トークンのコンテキストをサポートします。

高度な用途：コードと論理的推論

開発者や研究者にとって、ローカルでの利用はデータの完全なプライバシーを確保します。コードを扱っている場合は、テスト Kimi K2.7 Code $262\,144$トークンのコンテキストを活用することで、ローカル推論能力を評価するための優れた出発点となります https://quelllm.fr/modele/kimi-k2-7-code. 大きなコンテキストメモリが必要なタスクには、モデルの機能を検討してください DeepSeek V4 Flash 0731 304B は、Q4で$1\,048\,576$トークンのコンテキストを提供します。

異なるアーキテクチャ間のパフォーマンスを比較するには、当社のページをご覧ください。 LLMの完全なカタログ. 特定のタスクに最適なモデルについての詳細な分析も、以下のリンクからご確認いただけます 当サイトの用途別比較.

Linux環境におけるパフォーマンス最適化

LM Studioを効率よく使えるかどうかは、LinuxでのGPU利用の設定と密接に関係しています。最適化には、適切なモデルを選び、インターフェースで適切に設定することが重要になる場合が多いです。

1. ドライバーの確認： CUDAライブラリ（NVIDIAを使用する場合）がLLMプロセスによって正しくリンクされており、アクセス可能であることを確認してください。検証を行う nvidia-smi 推奨されます GPUドキュメントの上に.
2. レイヤーのオフロード： LM Studioの設定で、GPUにダウンロードする最大のレイヤー数を指定してください。たとえば、 Mixtral 8x22B Instruct、CPUのみでの実行とGPUでの実行の間で顕著な差が生じる可能性があります。
3. 量子化方式の選択： メモリ不足（OOM - Out of Memory）が発生した場合は、Q5 から Q4 に切り替えてください。タスクで精度の重要性が低い場合は、Q3 まで下げることもできます。必要なリソースを比較するには、例えば Qwen 2.5 VL 72B はQ4で約42 GBを使用します https://quelllm.fr/modele/qwen25-vl-72b.

詳細なハードウェア要件の比較については、当社の LLM設定ガイド. 特定のモデルに興味がある場合は Qwen 3.5 122B-A10B, その詳細な仕様は専用ページで確認してください こちら.

FAQ：LM Studio Linux に関するよくある質問

Q：中程度の環境でLM Studioを初めて使う場合、どのモデルが最適ですか？

ハイエンドのグラフィックスカードを使わずに始めるには、次のような量子化モデルをお勧めします： Mistral Medium 3.5 128B または Llama 4 Scout 109Bこれらのモデルは、機能性とメモリ使用量のバランスが取れており、インターフェースのテストに適しています LM Studio Linux.

Q：LM Studioが私のGPUを適切に使用しているか確認する方法は？

次のようなシステムツールを使用できます： nvidia-smi (NVIDIAの場合) または radeontop. 重いモデルでクエリを実行する際、これらのコマンドはビデオメモリ（VRAM）の使用を明確に示すべきで、これによりモデルが正しくロードされていることを確認できます。 GPUオフロード がアクティブです

Q：LM Studio にインポートされたモデルのライセンスは常に遵守されていますか？

はい。各モデルのライセンスを事前に確認することが不可欠です。たとえば、 DeepSeek V4 Pro 1.6T MITライセンスを使用しているが、他のモデルはMoonshot AIの特定ライセンスなどに注意が必要である。 Kimi K2.5. ご参照ください ライセンス一覧.

Q：専用GPUなしで非常に大きなモデルを実行できますか？

技術的にはCPUのみを使用することで実現可能です。ただし、数十億パラメータを超えるモデルに対して生成速度（トークン/秒）は極めて遅くなるため、重いモデルの使用には不適切です。特に、以下の重いモデルに対しては GLM 5.2 753B-A40B、最低限必要なRAM容量も大きくなります。

Q：LM Studioを再インストールせずに、別のバージョンへ切り替えるにはどうすればよいですか？

新しいGGUFファイル（または完全なモデル）のバージョンをダウンロードし、LM Studio内のモデルロードインターフェースで新しいファイルを選択するだけで済みます。アプリケーションはファイルのローカルパスを管理するため、完全な再インストールなしで簡単に更新が可能です

まとめ：Linux上で使うローカルLLM環境

のインストールが成功しました LM Studio Linux モデルの重みをローカルでプライベートに実行できるようにし、外部APIに依存せず、オープンソースモデルのローカル実行を可能にします。高度な推論を体験したい場合、 GLM 5.2 753B-A40B または、効率性をテストする Qwen 3 VL 235B-A22B, このガイドでは必要な技術的な手順を提供しています。利用可能なモデルの力をさらに探求したい場合は、当社の 全モデルのカタログ そして、ローカルでの計算に関するニーズにぴったり合うLLMを見つけてください。