在内存中管理模型

AI 模型非常庞大。将它们加载到内存中可能需要一段时间。LM Studio 的 SDK 允许您精确控制此过程。

模型命名空间

• LLM 通过 client.llm 命名空间访问
• Embedding 模型通过 client.embedding 命名空间访问
• lmstudio.llm 等同于默认客户端上的 client.llm.model
• lmstudio.embedding_model 等同于默认客户端上的 client.embedding.model

最常用

• 使用 .model() 获取任何当前已加载的模型
• 使用 .model("model-key") 使用特定模型

高级（手动模型管理）

• 使用 .load_new_instance("model-key") 加载模型的新实例
• 使用 .unload("model-key") 或 model_handle.unload() 从内存中卸载模型

使用 .model() 获取当前模型

如果您已经在 LM Studio 中加载了模型（通过 GUI 或 lms load），您可以通过调用不带任何参数的 .model() 来使用它。

import lmstudio as lms

model = lms.llm()

使用 .model("model-key") 获取特定模型

如果您想使用特定模型，您可以将模型键作为参数提供给 .model()。

如果已加载则获取，否则加载

调用 .model("model-key") 将在模型尚未加载时加载它，或者在已加载时返回现有实例。

import lmstudio as lms

model = lms.llm("llama-3.2-1b-instruct")

使用 .load_new_instance() 加载模型的新实例

使用 load_new_instance() 加载模型的新实例，即使已存在一个实例。这允许您同时加载相同或不同模型的多个实例。

import lmstudio as lms

client = lms.get_default_client()
llama = client.llm.load_new_instance("llama-3.2-1b-instruct")
another_llama = client.llm.load_new_instance("llama-3.2-1b-instruct", "second-llama")

关于实例标识符的说明

如果您提供的实例标识符已存在，服务器将抛出错误。因此，如果您不太在意，最好不要提供标识符，在这种情况下，服务器将为您生成一个。您也可以随时在 LM Studio 的服务器选项卡中查看！

使用 .unload() 从内存中卸载模型

一旦您不再需要模型，您可以通过在其句柄上简单地调用 unload() 来卸载它。

import lmstudio as lms

model = lms.llm()
model.unload()

设置自定义加载配置参数

您还可以在加载模型时指定相同的加载时配置选项，例如上下文长度和 GPU 卸载。

有关更多信息，请参阅加载时配置。

设置自动卸载定时器 (TTL)

您可以为您加载的模型指定生存时间，这是自上次请求后到模型卸载的空闲时间（以秒为单位）。有关更多信息，请参阅空闲 TTL。

import lmstudio as lms

llama = lms.llm("llama-3.2-1b-instruct", ttl=3600)