Ollama vs LM Studio: какой локальный LLM-инструмент выбрать

Ollama vs LM Studio в одну строку: берите LM Studio, если нужен настольный GUI, чтобы искать модели и общаться с ними; берите Ollama, если нужен лёгкий скриптуемый локальный API-сервер. Оба бесплатны, оба запускают GGUF-модели на вашем GPU или CPU, и оба умеют отдавать OpenAI-совместимый эндпоинт — поэтому многие разработчики ставят оба инструмента и используют каждый для своих задач. В этом руководстве — сравнение установки, работы с GPU, скорости и раздачи API с командами, которые можно запустить сегодня, чтобы перестать читать треды на Reddit и начать генерировать токены локально.

В чём разница между Ollama и LM Studio?

Ключевая разница — в интерфейсе и назначении:

Ollama — рантайм с подходом CLI-first. Модель скачивается одной командой и работает как фоновый сервис на localhost:11434, отдавая REST API. Встроенного окна чата нет — Ollama задумана как «Docker для LLM», к которой подключаются другие инструменты.
LM Studio — полноценное десктоп-приложение (Electron) с поиском моделей, чатом, настройками для каждой модели (длина контекста, слои GPU offload, температура) и локальным сервером, который включается одним кликом.

Оба понимают формат GGUF, и оба построены на одном движке: Ollama встраивает llama.cpp, а LM Studio использует рантаймы на базе llama.cpp, которые сама скачивает и обновляет. Значит, чистое качество генерации одного и того же файла модели практически идентично; инструменты различаются всем, что вокруг модели.

Бесплатна ли Ollama для коммерческого использования?

Да. Ollama — open source под лицензией MIT и бесплатна для коммерческого использования — платить нужно по лицензии модели, а не Ollama. У Llama, Mistral, Qwen и Gemma свои условия, так что проверьте карточку модели, если строите на ней продукт.

LM Studio бесплатна для личного использования, но идёт под проприетарной лицензией: для рабочего применения нужен бесплатный флаг «work»-лицензии, а компаниям выше порога по выручке — уже платная. Если отдел закупок вашего работодателя задаёт неудобные вопросы, одной этой разницы хватит, чтобы закрыть спор Ollama против LM Studio.

Использует ли Ollama GPU автоматически?

Да — при запуске Ollama сама находит CUDA (NVIDIA), Metal (Apple Silicon) и ROCm (AMD) и выгружает в VRAM столько слоёв, сколько помещается. Две проверки, которые стоит знать:

# Что Ollama реально загрузила — GPU или CPU?
ollama ps

# Указать ей, если она молча ушла на CPU:
OLLAMA_NUM_GPU=999 ollama run qwen2.5-coder:7b

Если ollama ps показывает 100% GPU — всё выгружено; значение вроде 48%/52% CPU/GPU означает, что модель целиком не поместилась, и это сразу почувствуется в токенах в секунду. LM Studio предлагает тот же контроль в виде ползунка GPU offload для каждой модели — так удобнее экспериментировать, один из её по-настоящему удачных штрихов в UX.

Что быстрее — Ollama или LM Studio?

Для одной и той же модели, квантизации и железа — фактически ничья, потому что оба делегируют работу llama.cpp. Бенчмарки в духе «Ollama быстрее» (или наоборот) обычно сравнивают разные кванты или длины контекста. Меряйте на своей машине, а не верьте ни одному из лагерей:

# Ollama: --verbose печатает eval rate (токенов/с) в конце
ollama run qwen2.5-coder:7b --verbose "Summarise what a Makefile does in one sentence."

В LM Studio загрузите тот же GGUF-файл с той же длиной контекста и тем же числом GPU-слоёв, затем смотрите токены в секунду в панели статистики чата. У кого цифры выше — прогоните тест ещё дважды: первый запуск всегда содержит шум прогрева.

Можно ли запустить LM Studio как локальный API-сервер?

Да — откройте вкладку Developer, запустите сервер, и вы получите OpenAI-совместимый эндпоинт на localhost:1234. Есть даже CLI (lms) для скриптов:

lms server start
lms load qwen2.5-coder-7b-instruct --gpu max
curl http://localhost:1234/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"model":"qwen2.5-coder-7b-instruct","messages":[{"role":"user","content":"Write a jq filter for the top process by CPU"}]}'

Аналогичный API у Ollama живёт всегда, пока запущен сервис, причём родной эндпоинт плюс OpenAI-совместимые маршруты не требуют никакой настройки:

curl -fsSL https://ollama.com/install.sh | sh   # установка на Linux
ollama pull qwen2.5-coder:7b
curl http://localhost:11434/api/chat -d '{
  "model": "qwen2.5-coder:7b",
  "messages": [{"role": "user", "content": "Explain bash exit codes in two lines"}],
  "stream": false
}'

Оба без трения встают в любой инструмент, говорящий на OpenAI API — расширения VS Code, кодинг-агенты, ваши скрипты. Вот здесь Ollama уходит вперёд: сервис стартует при загрузке, работает headless на сервере или домашней машине, и ничто не зависит от открытого десктоп-приложения. Ровно эта схема крутится в моём homelab: Ollama раздаёт модели всей сети, пока головной узел обходится без мыши.

Что выбрать: Ollama или LM Studio?

Критерий	Ollama	LM Studio
Интерфейс	CLI + REST API	Полноценный десктоп-GUI
Open source	MIT, полностью	Закрытый код, бесплатный личный режим
Коммерческое использование	Бесплатно	Платная лицензия на масштабе
Управление моделями	`ollama pull <model>`	Встроенный поиск и браузер загрузок
Чат	Нет (подключайте свой)	Встроенный
API-эндпоинт	Постоянно живой `:11434`	Включаемый `:1234`
Headless/сервер	Отлично	Неудобно
Windows / macOS / Linux	Все три	Windows + macOS, Linux в бете

Пара правил, чтобы не прогадать ни в одном сценарии:

Хотите пользоваться моделями — чат, пробы, ползунки: LM Studio.
Хотите строить поверх моделей — скрипты, агенты, CI, домашний API-сервис: Ollama.
Хотите и то и другое — ставьте оба; они спокойно уживаются (только не дайте обоим серверам занять один порт и помните: модель, загруженная дважды, съедает VRAM дважды).

Локальные модели особенно хорошо ладят с агентными кодинг-инструментами — направьте OpenAI-совместимый клиент на локальный эндпоинт и получите безлимитные подсказки с нулевой ценой за токен. На этой связке держится local-first схема за проектом freechat, и это самый дешёвый способ разобраться в LLM-обвязке: единственный счёт — за электричество.