Uso Claude Code a diario para el trabajo de El Rack y de Predify, pero llevaba tiempo queriendo tener algo local para tareas que no quiero mandar fuera — notas sueltas, borradores rápidos, probar modelos nuevos sin depender de conexión. Ollama ya lo tengo corriendo en el homelab vía terminal, así que quise probar LM Studio para ver qué aporta la capa gráfica frente al enfoque de línea de comandos al que ya estoy acostumbrado.
La instalación
Descarga, instala, abre — nada de Docker, nada de terminal si no quieres tocarla. El catálogo de modelos integrado con Hugging Face es el punto fuerte real: buscas, ves el tamaño y la cuantización, descargas, y en tres clics tienes el modelo cargado y un chat delante. Para alguien que ya monta stacks con Podman Quadlet, es refrescante no tener que pensar en absolutamente nada de infraestructura para esto en concreto.
LM Studio no compite con Ollama en lo que Ollama hace mejor — compite en el terreno de "quiero probar un modelo en cinco minutos sin abrir una terminal".
El día a día
La interfaz de chat es sólida, con parámetros de inferencia accesibles (temperatura, contexto, top-p) sin esconderlos detrás de flags que hay que recordar. El servidor local compatible con la API de OpenAI es el motivo por el que de verdad me quedé con él más de un día — apuntar herramientas propias a localhost con el mismo formato de petición que usarías contra la nube, sin cambiar una línea de código, es exactamente el tipo de compatibilidad que hace que valga la pena.
Dónde cojea frente a Ollama
Si tu flujo real es servir modelos para que otras herramientas los consuman de forma desatendida (agentes, scripts, automatizaciones con n8n), Ollama sigue siendo más directo — es un servicio, arranca con el sistema, sin interfaz gráfica de por medio. LM Studio está pensado para uso interactivo en el escritorio, no para vivir como servicio de fondo en un servidor sin cabeza; es factible con el modo headless, pero no es su terreno natural.
