💎Comment installer LM Studio CLI dans un terminal Linux

Guide d'installation de la CLI LM Studio sans interface graphique dans une instance terminal.

1. Ouvrez un nouveau terminal pour exécuter l'interface CLI de LM Studio, ou utilisez tmux

2. Obtenir LM Studio ou exécutez ci-dessous (taille de téléchargement d'environ 1 Go)

wget https://lmstudio.ai/download/latest/linux/x64?format=AppImage -O 'LM_Studio.AppImage'
chmod u+x ./LM_Studio.AppImage

1. Exécutez LM Studio via

./LM_Studio.AppImage

Vous pourriez voir ci‑dessous :

[802435:0215/073628.027773:FATAL:sandbox/linux/suid/client/setuid_sandbox_host.cc:166] Le binaire d'aide du sandbox SUID a été trouvé, mais n'est pas configuré correctement. Plutôt que d'exécuter sans sandboxing, j'abandonne maintenant.

Si c'est le cas, faites plutôt ce qui suit :

./LM_Studio.AppImage --no-sandbox

1. Vous pourriez alors voir ce qui suit, surtout si vous êtes sur une instance cloud sans bureau :

[807101:0215/073740.801969:ERROR:ui/ozone/platform/x11/ozone_platform_x11.cc:249] Serveur X manquant ou $DISPLAY
[807101:0215/073740.802000:ERROR:ui/aura/env.cc:257] La plateforme n'a pas pu s'initialiser. Sortie.
Erreur de segmentation (vidage de la mémoire)

Si c'est le cas, installez un simulateur de bureau « factice » dans le terminal :

sudo apt-get install xvfb

1. Puis utilisez xvfb et lancez LM Studio :

xvfb-run --auto-servernum ./LM_Studio.AppImage --no-sandbox

1. Ensuite récupérez le LMS/CLI de LM Studio dans un autre terminal, ou après CTRL+B+D pour tmux

~/.lmstudio/bin/lms bootstrap

1. Ouvrez un nouveau terminal ou tmux puis exécutez :

lms

Si vous voyez -bash: lms: commande introuvable veuillez exécuter lms dans une nouvelle fenêtre de terminal !

1. Téléchargez maintenant un modèle comme Qwen3-Coder-Next comme ci‑dessous. Si les téléchargements sont bloqués, voyez Hugging Face Hub, débogage XET

pip install -U huggingface_hub
hf download unsloth/Qwen3-Coder-Next-GGUF \
    --local-dir unsloth/Qwen3-Coder-Next-GGUF \
    --include "*UD-Q4_K_XL*"

1. Nous importons ensuite le modèle via :

lms import \
    unsloth/Qwen3-Coder-Next-GGUF/Qwen3-Coder-Next-UD-Q4_K_XL.gguf \
    --symbolic-link --user-repo "unsloth/Qwen3-Coder-Next-GGUF" -y

Vous pourriez voir EEXIST: le fichier existe déjà, lien symbolique 'unsloth/Qwen3-Coder-Next-GGUF/UD-Q6_K_XL/Qwen3-Coder-Next-UD-Q6_K_XL-00001-of-00003.gguf' -> '~/.lmstudio/models/unsloth/Qwen3-Coder-Next-GGUF/Qwen3-Coder-Next-UD-Q6_K_XL-00001-of-00003.gguf' ce qui signifie simplement que vous avez déjà le modèle chargé dans LM Studio.

Vous pouvez aussi vérifier tous les modèles LM Studio via :

ls ~/.lmstudio/models

1. Vous pouvez aussi obtenir des modèles via lms get via ci‑dessous :

lms get https://huggingface.co/unsloth/Qwen3-Coder-Next-GGUF@Q4_K_XL

Vous verrez alors :

Finalisation du téléchargement...
Téléchargement terminé. Vous pouvez charger le modèle avec : 
lms load qwen3-coder-next

Puis chargez lms load qwen3-coder-next:

1. Puis démarrez le serveur de LM Studio :

lms server start --port 8001 --bind 127.0.0.1

Vous verrez Succès ! Le serveur fonctionne maintenant sur le port 8001

1. Puis dans un nouveau terminal, utilisez le modèle via le point de terminaison compatible OpenAI :

from openai import OpenAI
import json
openai_client = OpenAI(
    base_url = "http://127.0.0.1:8001/v1",
    api_key = "null",
)
model_name = next(iter(openai_client.models.list())).id
print(model_name)
completion = openai_client.chat.completions.create(
    model = model_name,
    messages = [{"role": "user", "content": "What is 2+2?"},],
)
print(completion.choices[0].message.content)

Et nous avons fini !