- LM Studio permite descargar y ejecutar modelos de lenguaje (LLMs) en local en Windows 11, manteniendo tus datos privados y sin depender de la nube.
- La aplicación incluye buscador de modelos, chat integrado y servidor local compatible con la API de OpenAI para integraciones avanzadas.
- Con 16 GB de RAM, algo de espacio en SSD y, opcionalmente, una GPU moderna, puedes trabajar con modelos de 3B a 8B parámetros con buen rendimiento.
- Ajustando contexto, uso de GPU y tipo de modelo, es posible adaptar LM Studio tanto a PCs modestos como a equipos potentes para sacar todo el partido a la IA local.
LM Studio para Windows 11 se ha convertido en una de las formas más sencillas y potentes de usar modelos de inteligencia artificial generativa directamente en tu PC, sin depender de la nube. Si te preocupa la privacidad, quieres experimentar con LLMs modernos o simplemente te apetece tener tu propio “ChatGPT local”, este programa es una auténtica joya para montar tu centro de mando de IA en casa.
Con LM Studio puedes descargar, gestionar y ejecutar modelos (LLMs) desde una interfaz gráfica muy amigable, sin comandos raros ni configuraciones imposibles. Todo sucede en tu ordenador: las conversaciones, los modelos y los datos permanecen en local, lo que significa que nadie más tiene acceso a lo que escribes ni a los documentos que usas para trabajar con la IA.
Qué es LM Studio y qué te permite hacer en Windows 11
LM Studio es una aplicación de escritorio pensada para ejecutar LLMs de forma local en tu ordenador con Windows, macOS o Linux. Nació con una idea muy clara: que puedas disfrutar de modelos de IA potentes sin enviar tus datos a servidores externos, algo especialmente interesante para usuarios que manejan información sensible, documentos internos de empresa o simplemente valoran su intimidad.
En la práctica, LM Studio funciona como un hub central de modelos de lenguaje: desde una sola ventana puedes buscar modelos en repositorios como Hugging Face, descargarlos con un clic, ver cuánto ocupan, cargarlos en memoria y charlar con ellos a través de una interfaz tipo chat. Todo ello sin necesidad de abrir la terminal ni pelearte con dependencias o entornos de ejecución complicados.
Otro aspecto clave es que incluye un servidor local compatible con la API de OpenAI. Esto significa que puedes usar los modelos que corren en tu PC como si fueran el backend de ChatGPT, integrándolos en editores de texto, entornos de programación o aplicaciones de automatización que esperen una API “tipo OpenAI”. De esta manera, puedes montar flujos de trabajo automatizados sin que nada salga de tu equipo.
La aplicación incorpora además un sistema muy cómodo de gestión de modelos y configuraciones: puedes tener varias versiones de un mismo LLM, cambiar rápidamente de uno a otro, ajustar parámetros como el contexto o el uso de la GPU y mantener organizados todos los archivos descargados. En resumen, LM Studio hace de “panel de control” para tus LLMs locales.
Qué es exactamente un LLM y por qué LM Studio es tan interesante
Un LLM (Large Language Model o modelo de lenguaje de gran tamaño) es una red neuronal con miles de millones de parámetros, entrenada con ingentes cantidades de texto sin etiquetar. Gracias a ese entrenamiento masivo, es capaz de aprender de manera semisupervisada y de producir respuestas coherentes, escribir código, resumir información, traducir, redactar correos y mantener conversaciones naturales.
Entre los ejemplos de LLMs más conocidos están GPT de OpenAI, Gemini de Google o LLaMA de Meta. A estos se suman otros muy populares en el mundo open source, como Mistral, Qwen, Gemma, Phi o DeepSeek. La gracia de LM Studio es que te permite descargar y ejecutar muchas de estas variantes —y otras optimizadas en formato GGUF— directamente en tu PC con Windows 11, sin tener que depender de servicios de terceros.
La clave está en que todo se ejecuta en tu hardware local. Cuando escribes un mensaje en el chat de LM Studio, el modelo procesa ese texto en tu CPU y, si la tienes configurada, también en tu GPU. No se envía nada a ningún servidor remoto. Eso implica dos cosas importantes: tu información se queda en tu equipo, y el rendimiento dependerá únicamente de la potencia de tu máquina.
Además, LM Studio ha simplificado al máximo el proceso que antes era bastante técnico: ya no hace falta compilar binarios, descargar modelos a mano ni pelear con librerías. Basta con buscar el modelo por su nombre, elegir la variante que más te convenga y pulsar en “Download”. En unos minutos tendrás tu propio asistente de IA funcionando en local.
Privacidad, seguridad y uso sin conexión a Internet
Uno de los grandes motivos para apostar por LM Studio es que ofrece un entorno completamente aislado y privado. Todo lo que escribes, los prompts que utilizas, los textos que generas o los documentos que aportas como referencia se procesan en tu PC y no salen de ahí. No hay un servidor externo grabando tus conversaciones ni un proveedor que pueda inspeccionar tus datos.
LM Studio no recolecta datos ni comparte información con terceros. El diseño del programa está pensado precisamente para lo contrario: que seas tú quien controle por completo el flujo de información. Si trabajas con contenido confidencial (informes internos, notas médicas, documentación legal, proyectos propios) tener un LLM local marca una gran diferencia frente a usar una IA basada en la nube.
Otro punto muy interesante es que, una vez que has descargado el modelo, puedes utilizarlo sin conexión a Internet. Obviamente necesitarás red la primera vez para bajar los archivos del modelo (que son pesados), pero después podrás desconectarte y seguir usando la IA como si nada. Esto resulta especialmente útil para portátiles que se usan en movilidad o en lugares con mala cobertura.
En cuanto a seguridad, el hecho de que todo el cómputo se haga en tu máquina reduce el riesgo de que un fallo de un servicio externo deje tus datos expuestos. Sigues teniendo que cuidar tu sistema (antivirus, parches, cifrado de disco si lo necesitas), pero eliminas toda una capa de posibles problemas derivados de terceros.
Requisitos de LM Studio en Windows 11, macOS y Linux
LM Studio está disponible para Windows, macOS y Linux, y cada sistema tiene unos requisitos específicos. En el caso de Windows 11, que es el que nos ocupa, son razonables si hablamos de equipos actuales, pero conviene conocerlos bien para evitar sorpresas.
Para Windows, LM Studio necesita una CPU de 64 bits con soporte AVX2. Esta instrucción está presente en la mayoría de procesadores relativamente modernos, pero en máquinas muy antiguas podrías encontrar limitaciones. En cuanto a la memoria, se recomiendan 16 GB de RAM para trabajar cómodamente con modelos de 7-8B de parámetros; con 8 GB también se puede empezar, siempre que elijas modelos pequeños (3-4B) y no abuses de contextos enormes.
La GPU no es obligatoria, pero sí muy recomendable si quieres acelerar la generación. Tarjetas tipo NVIDIA GTX 10xx en adelante o equivalentes de AMD pueden descargar parte de las capas del modelo a su VRAM y ganar velocidad. Eso sí, si te pasas y ocupas más VRAM de la disponible, el rendimiento cae en picado o incluso pueden aparecer errores; por eso LM Studio ofrece deslizadores para ajustar cuánto se carga en la GPU.
En almacenamiento, cada modelo puede ocupar desde 2,5 GB hasta más de 20 GB, según el número de parámetros, el tipo de cuantización y el tamaño del contexto. Si quieres tener varios modelos instalados, es recomendable contar con al menos 20-30 GB libres en un SSD. El propio LM Studio ocupa alrededor de 1,7 GB al instalarlo, y el instalador para Windows ronda los 500 MB.
En macOS, LM Studio está pensado principalmente para equipos con Apple Silicon (M1, M2, M3, M4) y requiere macOS 13.4 o superior. Se recomiendan también 16 GB de RAM y entre 10 y 30 GB de espacio en el SSD, dependiendo de cuántos modelos quieras. No es imprescindible contar con GPU dedicada, ya que los chips de Apple integran aceleradores muy competentes para este tipo de tareas.
En Linux, LM Studio se distribuye en formato AppImage para x64, funcionando bien en distros como Ubuntu 20.04 o superiores. Los requisitos de RAM y almacenamiento son similares a los de Windows. Si tu CPU no soporta AVX2, la experiencia puede verse limitada en rendimiento. En algunas distribuciones tendrás que marcar el AppImage como ejecutable y permitir su integración en el sistema.
Cómo descargar e instalar LM Studio en Windows 11
Para instalar LM Studio en Windows 11, el proceso es muy directo. Primero debes ir a la página oficial del proyecto y elegir el instalador correspondiente a Windows dentro del selector de descargas, donde también aparecen las versiones para macOS y Linux. El archivo que bajas es un ejecutable «.exe» de algo más de 500 MB.
Una vez descargado el instalador, solo tienes que ejecutar el .exe. Verás un asistente clásico de instalación en el que podrás elegir si quieres instalar LM Studio solo para tu usuario o para todos los usuarios del PC. De serie suele venir marcado “solo para mí”, una opción que para la mayoría de casos resulta más que suficiente.
El asistente también te pedirá que elijas la carpeta de destino en la que se ubicará el programa. El instalador te indicará que necesita aproximadamente 1,7 GB de espacio para completar la instalación. Selecciona la ruta deseada, pulsa en “Instalar” y espera a que el proceso termine; no suele tardar demasiado en equipos modernos con SSD.
Cuando la instalación haya finalizado, verás una opción marcada para ejecutar LM Studio inmediatamente. Déjala activada y pulsa en “Terminar” para que el programa se abra por primera vez. Se lanzará a pantalla casi completa y te mostrará la interfaz principal, desde la cual podrás configurar el idioma, explorar modelos y empezar a chatear con tu primera IA local.
Primeros pasos en la interfaz: idioma y secciones principales
La primera vez que abras LM Studio, verás que el idioma por defecto suele ser el inglés. Cambiarlo es muy sencillo: en la esquina inferior derecha encontrarás un icono de engranaje que da acceso al panel de ajustes. Haz clic ahí para abrir un menú de configuración bastante ordenado, con opciones distribuidas en un panel central y columnas laterales.
En ese panel central, desplázate hacia abajo hasta que localices la opción de “Language” o “Idioma”. Pulsa en el menú desplegable y selecciona “Español (Beta)” para que toda la interfaz pase a nuestro idioma. No hace falta tocar nada más en ese momento; cuando cierres las opciones, volverás a la pantalla principal ya traducida.
En la parte izquierda de la ventana verás una columna con cuatro iconos de colores, que representan las distintas áreas de trabajo de LM Studio. Son la clave para moverte por el programa: uno está asociado a los chats, otro a la parte de servidor para desarrolladores, otro a tus modelos descargados y el último a la sección para descubrir nuevos LLMs.
El icono amarillo con forma de burbuja de mensaje corresponde a la sección de “Chats”, donde abrirás las conversaciones con los modelos que hayas instalado. El icono verde etiquetado como “Desarrollador” es el que te permite activar el servidor local compatible con la API de OpenAI y revisar el endpoint que podrás usar desde otras aplicaciones.
La carpeta roja, bajo el texto “Mis modelos”, es el almacén de todos los modelos que tengas en tu PC: desde ahí puedes ver qué LLMs has descargado, sus tamaños y versiones, y gestionarlos fácilmente. Por último, la lupa morada llamada “Descubrir” te lleva a la gran lista de modelos disponibles para descargar, que es por donde conviene empezar si todavía no tienes ninguno instalado.
Descubrir y elegir modelos en LM Studio para Windows 11
En la sección “Descubrir” encontrarás un listado enorme de modelos de IA abiertos, listos para usar con LM Studio. La interfaz muestra tarjetas con el nombre del modelo, el autor, la cantidad de descargas, los “me gusta” y otros datos clave. Además, puedes ordenar y filtrar por popularidad, número de descargas o fecha de actualización.
Entre los modelos soportados verás familias muy conocidas como Qwen 3, Llama, Mistral, DeepSeek, Gemma, Phi, Codestral y muchos otros. Cada familia de modelos ofrece varias cuantizaciones y tamaños: desde pequeñas redes de 3B o 4B parámetros, ligeras y rápidas, hasta bestias de decenas de miles de millones de parámetros, pensadas para equipos con mucha RAM y buena GPU.
Algunos de los modelos destacados que encajan especialmente bien con LM Studio son: OpenAI gpt-oss 20B (un modelo abierto orientado a instrucciones y razonamiento, con licencia Apache 2.0), DeepSeek R1 Distill Qwen 7B (una destilación enfocada al razonamiento con un equilibrio muy bueno entre calidad y requisitos) o Gemma 3n (la alternativa abierta de Google Gemini, con builds GGUF listas para funcionar en local).
También merece mención Qwen 3B y 4B Thinking, diseñados para ordenadores con recursos modestos y con contextos típicos de unos 8.000 tokens, perfectos para usuarios que quieren buena calidad en textos largos sin agotar la memoria. Otros como Magistral Small 2.5B (basado en Mistral, muy ligero) o Mistral 7B (muy sólido en tareas de lógica y matemáticas y con buen rendimiento en español) son alternativas estupendas para uso general.
Por último, modelos compactos como Phi 4, de Microsoft, están pensados para dar respuestas claras y concisas con relativamente pocos recursos. Con alrededor de 1,7B de parámetros, resulta ideal para tareas “rápidas” como consultas breves, pequeños resúmenes o generación de textos cortos, incluso en PCs que no van sobrados de hardware.
Cómo descargar y cargar un modelo en LM Studio
Cuando te hayas decidido por un modelo concreto de la lista de “Descubrir”, haz clic sobre su nombre para abrir su ficha detallada. Ahí verás más información: descripción, tamaño en disco de cada variante, posibles cuantizaciones, contexto máximo soportado y, muy importante, el botón de descarga.
En la parte derecha de la ficha suele aparecer un botón verde con el texto “Download”, acompañado del peso del modelo en GB. Al pulsarlo, LM Studio abrirá su propio gestor de descargas, donde podrás ver el progreso en tiempo real (porcentaje, MB descargados, velocidad). Dependiendo de tu conexión y del tamaño del modelo, puede tardar desde unos pocos minutos hasta bastante más.
Una vez la descarga se completa, el modelo pasa automáticamente a tu sección de “Mis modelos”. Desde ahí ya lo puedes cargar en memoria para empezar a usarlo. Para ello, vuelve a la columna izquierda y entra en la sección de “Chats”. En la parte central de la pantalla verás una zona con el texto “Seleccione un modelo para cargar” y un menú desplegable con tus modelos disponibles.
Elige el modelo que acabas de bajar —por ejemplo, “DeepSeek R1 0528 Qwen 3 8B” o el que corresponda— y se abrirá un panel de configuración específico para él. Aquí es donde ajustarás los parámetros principales antes de pulsar en “Cargar modelo”. Si solo tienes un modelo descargado, el campo de archivo de modelo (“Model file”) ya vendrá preseleccionado, así que puedes concentrarte en los ajustes de contexto y GPU.
En este panel puedes modificar tres cosas clave: la longitud del contexto (cuántos tokens puede “recordar” el modelo), la cantidad de capas que se cargan en la GPU y el archivo concreto del modelo (por si tuvieras varias cuantizaciones del mismo LLM). Para la mayoría de usuarios, basta con jugar con el contexto y el slider de GPU hasta encontrar un equilibrio entre rendimiento y consumo de memoria.
Ajuste de contexto, uso de GPU y rendimiento
La longitud de contexto indica cuántos tokens puede manejar el modelo en una misma conversación o tarea antes de empezar a olvidar lo anterior. A mayor contexto, más memoria se necesita y más trabajo computacional por token, lo que puede ralentizar la generación. En LM Studio lo ajustas con un deslizador: moverlo hacia la derecha sube el límite, hacia la izquierda lo reduce.
Si tu PC tiene poca RAM o VRAM, es recomendable no disparar el contexto desde el principio. Por ejemplo, con un modelo como DeepSeek R1 Distill Qwen 3 8B, que acepta hasta 128K tokens, un valor entre 8K y 16K suele ser un buen punto intermedio para equipos domésticos estándar. A partir de ahí puedes ir subiendo hasta 32K si ves que la máquina lo soporta bien y el rendimiento sigue siendo razonable.
Respecto a la GPU, LM Studio permite descargar parte de las capas del modelo a la tarjeta gráfica para acelerar el proceso de generación. Esto mejora mucho la velocidad, sobre todo con modelos entre 7B y 20B parámetros. No obstante, hay que tener cuidado de no saturar la VRAM disponible: si la llenas, el rendimiento se hunde o incluso se producen errores.
En el caso de una GPU tipo GTX 1050 Ti con 8 GB de VRAM, por ejemplo, tiene sentido empezar con un valor medio de carga a GPU y probar. Si la generación va fluida y no notas problemas, puedes subir poco a poco; si empiezan los tirones, baja un poco el valor hasta encontrar el punto óptimo. LM Studio facilita este ajuste con un control muy visual, así que se trata básicamente de ir probando.
Otra variable importante es la cuantización del modelo (Q4, Q5, Q6, etc.), que influye tanto en el tamaño del archivo como en el consumo de memoria y en la calidad de la respuesta. Cuantizaciones más agresivas ocupan menos y se ejecutan más rápido, pero pueden perder algo de precisión; las más suaves consumen más recursos, aunque suelen generar salidas algo más finas. En PCs con recursos limitados, suele ser mejor empezar por cuantizaciones moderadas.
Cuando encuentres una combinación de contexto y carga a GPU que funcione bien en tu equipo, ya solo queda pulsar en “Cargar modelo” y esperar a que LM Studio lo prepare. El tiempo de carga dependerá del tamaño del LLM y de tu hardware, pero una vez listo se abrirá el chat y podrás empezar a conversar.
Usar LM Studio como chat: tu propio “ChatGPT local”
Con el modelo cargado, LM Studio muestra una ventana de chat muy similar a la de los servicios de IA online. En la parte inferior tienes la caja de texto donde escribes tus prompts, y en la parte central irán apareciendo las respuestas del modelo. Puedes hacerle preguntas de todo tipo: historia, programación, redacción de correos, generación de ideas, resúmenes de textos, etc.
Por ejemplo, puedes pedirle algo como: “Cuéntame un pasaje sobre la Segunda Guerra Mundial en Japón, centrándote en Hiroshima”. Un modelo bien entrenado será capaz de identificar el contexto histórico, situar la fecha del bombardeo de 1945, plantear una estructura clara (antes, durante y después del ataque), explicar el desarrollo de la bomba nuclear en Los Álamos e incluso introducir algún matiz humano o reflexivo sin caer en sensacionalismos.
Algunos modelos de razonamiento, como las variantes “Thinking” o las destilaciones de DeepSeek, muestran explícitamente su proceso interno de pensamiento antes de dar la respuesta final: verás cómo se “organizan” para decidir qué información es relevante, cómo estructurar la contestación o qué tono adoptar (más informativo, más reflexivo, etc.). Este proceso puede tardar unos segundos adicionales, pero suele dar lugar a respuestas mejor armadas.
Al final de cada mensaje, LM Studio puede indicar cuántos tokens ha generado por segundo y el total de tokens empleados en la interacción. Estos datos son muy útiles para medir el rendimiento y comparar distintos modelos o ajustes de contexto y GPU en tu mismo equipo. Si notas que la velocidad es demasiado baja, quizá toque reducir contexto, cambiar de modelo o aligerar la cuantización.
La experiencia de uso, en cualquier caso, es muy parecida a la de un servicio de IA en la nube, con la diferencia clave de que todo está corriendo en tu PC. Puedes crear hilos de conversación distintos, guardar tus chats, cambiar de modelo sobre la marcha y seguir experimentando hasta dar con la combinación que mejor se adapte a tu forma de trabajar.
Servidor local compatible con API de OpenAI y usos avanzados
Además de la interfaz de chat, LM Studio ofrece una función muy potente: un servidor local que imita los endpoints de la API de OpenAI. Esto quiere decir que, desde el punto de vista de tus aplicaciones, es casi como si estuvieras hablando con el servicio oficial de OpenAI, pero en realidad todo se está procesando en tu equipo con modelos locales.
Esta compatibilidad facilita muchísimo la integración de LLMs locales en editores y herramientas que ya ofrecen soporte para la API de OpenAI: plugins de IDEs, extensiones de navegadores, scripts de automatización, aplicaciones de notas avanzadas, etc. En muchos casos bastará con cambiar la URL del endpoint y la clave por la que ofrece LM Studio para redirigir las peticiones al servidor local.
Si usas Windows 11 para programar, puedes conectar LM Studio con tu entorno de desarrollo y tener autocompletado de código, generación de tests o explicación de funciones totalmente en local. De igual modo, herramientas ofimáticas o sistemas de productividad pueden aprovechar este servidor para sugerir textos, resumir documentos o generar borradores de contenido sin que salga nada a Internet.
Este enfoque híbrido —interfaz gráfica para el día a día y servidor API para tareas avanzadas— hace que LM Studio sea especialmente interesante no solo para usuarios finales curiosos, sino también para desarrolladores y entusiastas que quieran experimentar, crear aplicaciones nuevas o ganar intuición sobre el comportamiento de los modelos de lenguaje.
Gracias a la compatibilidad con diferentes familias de LLMs (Llama, Mistral, Mixtral, Qwen, Gemma, Phi, etc.) y a un rendimiento optimizado para hardware moderno —incluido el soporte de tecnologías como Ryzen AI en PC con procesadores AMD—, LM Studio se convierte en una plataforma versátil para jugar, aprender y construir sobre IA local.
En conjunto, LM Studio para Windows 11 ofrece una combinación muy atractiva de privacidad, control, facilidad de uso y potencia. Permite descargar y lanzar modelos avanzados en unos pocos clics, ajustar su comportamiento a las capacidades de tu equipo y utilizarlos tanto a través de una interfaz de chat cómoda como mediante una API local. Con un mínimo de paciencia para probar modelos y parámetros, puedes terminar teniendo un asistente de IA muy capaz funcionando en tu propio ordenador, sin depender de servicios externos ni sacrificar tu información personal.
