Ollama vs. LM Studio: Welcher lokale LLM-Runner eignet sich 2026?

Die Wahl zwischen Ollama und LM Studio hängt davon ab, wie Sie arbeiten möchten. Ollama ist ein Modell-Runner unter MIT-Lizenz, der auf einer Kommandozeile und einer lokalen API auf Port 11434 aufbaut. Er kann auch Anfragen an Modelle in der Cloud von Ollama senden.^[1][2] LM Studio ist eine Desktop-App mit grafischem Modellbrowser und Chat, einem lokalen Server auf Port 1234 und Unterstützung für Apples MLX-Format auf Apple Silicon. Der Quellcode der App ist nicht offen.^[3][4] Beide bieten inzwischen OpenAI- und Anthropic-kompatible Endpunkte. Damit lassen sich beide als Backend für Claude Code, Tools nach Art von Codex oder eigene Skripte einsetzen.

Die praktischen Unterschiede sind kleiner, als die Oberflächen vermuten lassen: die standardmäßige Kontextgröße, die jeweils unterstützte Hardware und die Lizenz. Dieser Vergleich verwendet die Dokumentation beider Projekte, geprüft am 4. November 2026.

Ollama und LM Studio im direkten Vergleich

Quellen: Dokumentation von Ollama und LM Studio.^[1][2][3][6]

Das Standard-Kontextfenster wird leicht übersehen

Wenn Sie keine Kontextlänge festlegen, wählt Ollama sie anhand des GPU-Speichers: 4k Tokens bei weniger als 24 GiB VRAM, 32k zwischen 24 und 48 GiB und 256k ab 48 GiB. Laut Dokumentation benötigen Agenten, Websuche und Coding-Tools mindestens 64,000 Tokens.^[7] Auf einer typischen Consumer-Grafikkarte mit 8 GB bis 16 GB startet ein mit Ollama verbundener Coding-Agent daher mit einem 4k-Fenster, sofern Sie es nicht vergrößern. Die meisten Beschwerden nach dem Muster „Das lokale Modell hat meine Datei vergessen“ haben dort ihren Ursprung.

Ein größeres Fenster kostet Speicher. Ollama weist darauf hin, dass ein größerer Kontext den Speicherbedarf des Modells erhöht. Prüfen Sie daher, ob Modell und Kontext zusammen noch in den VRAM passen.^[7] LM Studio bietet die Kontextlänge beim Laden eines Modells als Einstellung an.^[3]

Ollama vs. LM Studio für Coding-Agenten

Beide Tools können Claude Code lokal versorgen, unterscheiden sich aber bei der Einrichtung:

• Ollama: Führen Sie ollama launch claude aus. Ollama verbindet Claude Code über seine Anthropic-kompatible API und empfiehlt für größere Repositories einen Kontext von mindestens 64k. Für Skripte und CI überspringt ollama launch claude --model <model> --yes -- -p "..." die Auswahldialoge.^[8]
• LM Studio: Setzen Sie ANTHROPIC_BASE_URL=http://localhost:1234 und ANTHROPIC_AUTH_TOKEN=lmstudio und starten Sie dann claude --model <model>. Das eigene Beispiel von LM Studio verwendet openai/gpt-oss-20b.^[6]

Tool Calling hängt ebenso vom Modell wie vom Runner ab. Ollama nennt Tool Calling, Thinking und Vision nur für „kompatible Modelle“. Wählen Sie daher ein Modell mit Tool-Unterstützung, bevor Sie die Ursache in der Einrichtung suchen.^[8]

Welche Hardware die beiden unterstützen

Die Liste unterstützter Hardware ist bei Ollama umfangreicher:^[9]

• NVIDIA: Compute Capability ab 5.0 mit Treiber ab 550. Die Tabelle enthält den GB10-Chip im DGX Spark und die RTX-PRO-Blackwell-Karten.
• AMD: Radeon-, Radeon-PRO-, Ryzen-AI- und Instinct-Hardware über ROCm v7 unter Linux; weitere AMD-GPUs über Vulkan.
• Apple: GPU-Beschleunigung über Metal auf Macs der M-Serie; Intel-Macs laufen ausschließlich auf der CPU.^[13]

LM Studio nennt engere Anforderungen:^[10]

• macOS: Apple Silicon (M1 bis M4) mit macOS ab Version 14. Intel-Macs werden nicht unterstützt.
• Windows: x64 mit AVX2 oder ARM (Snapdragon X Elite). Empfohlen werden mindestens 16 GB RAM und 4 GB dedizierter VRAM.
• Linux: x64 oder ARM64, als AppImage ausgeliefert, Ubuntu ab Version 20.04.

Auf einem Intel-Mac lässt sich von den beiden nur Ollama installieren, läuft dort allerdings auf der CPU. Auf Apple Silicon ist die MLX-Unterstützung von LM Studio für viele Mac-Nutzer der Grund, es zu wählen.

Lizenz und Betrieb als Dienst

Das Repository von Ollama steht unter der MIT-Lizenz. Sie können den Code also lesen, ändern und weiterverbreiten.^[5] Die Nutzungsbedingungen von LM Studio gewähren eine nicht ausschließliche Lizenz für persönliche oder interne geschäftliche Zwecke und behandeln den Quellcode als Geschäftsgeheimnis. Sie verbieten außerdem Änderungen an der Software und die Erstellung abgeleiteter Werke.^[4] Für ein Team, das den Runner in sein eigenes Produkt integrieren möchte, wiegt dieser Unterschied schwerer als jede Funktion.

Beide laufen ohne Bildschirm. Der Linux-Leitfaden von Ollama empfiehlt die Installation als systemd-Dienst mit automatischem Start.^[13] LM Studio bietet für Linux-Server, GPU-Rechner und Cloud-Maschinen llmster an, „den Kern der LM-Studio-Desktop-App, für den nativen Serverbetrieb paketiert“, oder die Desktop-App im Headless-Modus.^[11]

LM Studio oder Ollama: die passende Wahl

Unsere Empfehlung anhand der dokumentierten Unterschiede:

• Wählen Sie Ollama für Skripte, Server, Docker, Intel-Macs, AMD-GPUs unter Linux oder wenn Sie eine Open-Source-Lizenz benötigen. Über seine Cloud-Modelle können Sie mit derselben API auch ein Modell ausprobieren, das für Ihre GPU zu groß ist.
• Wählen Sie LM Studio, um Modelle in einer GUI zu durchsuchen und zu vergleichen, MLX-Versionen auf Apple Silicon zu nutzen oder eine Desktop-Chat-App und einen lokalen Server mit einer Installation zu erhalten.
• Nutzen Sie beide, wenn Sie möchten: Sie lauschen auf verschiedenen Ports und können beide dieselbe GGUF-Datei importieren.

FAQ

Können Ollama und LM Studio dieselben Modelldateien verwenden?

Teilweise. Beide laden GGUF-Dateien: Ollama importiert sie über ein Modelfile, LM Studio mit lms import. Ollama quantisiert GGUF beim Import nicht. Quantisieren Sie daher bei Bedarf vorher. MLX-Modelle laufen nur in LM Studio.^[12][3]

Funktioniert LM Studio offline?

Ja. Laut LM Studio lässt sich die App vollständig offline betreiben, sobald Sie die Modelldateien heruntergeladen haben.^[10]

Welches Tool ist schneller?

Keines der Projekte veröffentlicht einen direkten Vergleichsbenchmark. Die Geschwindigkeit hängt von Modell, Quantisierung, Kontextgröße und Hardware ab. Führen Sie vor Ihrer Entscheidung dieselbe Modelldatei mit derselben Kontextlänge auf Ihrem Rechner aus.

Wann ein lokaler Runner das falsche Tool ist

Der Vergleich Ollama vs. LM Studio ist nur relevant, wenn das Modell auf Ihren Rechner passt. Ein großes Modell mit einem Kontext von mindestens 64k benötigt mehr Speicher, als die meisten Laptops haben. Ein 4k-Fenster wiederum fasst kein echtes Repository. Dann ist eine gehostete API der praktikable Weg: Die eigene Cloud von Ollama ist eine Option. reAPI stellt DeepSeek V4, Kimi K3 und GLM-5.2 über einen einzigen OpenAI-kompatiblen Schlüssel bereit.

Quellen

1. Ollama. Ollama documentation and FAQ. Abgerufen am 4. November 2026 von docs.ollama.com
2. Ollama. Cloud. Abgerufen am 4. November 2026 von docs.ollama.com/cloud
3. LM Studio. LM Studio documentation: getting started, MLX and model import. Abgerufen am 4. November 2026 von lmstudio.ai/docs/app
4. LM Studio. Terms of use. Abgerufen am 4. November 2026 von lmstudio.ai/app-terms
5. GitHub. ollama/ollama and lmstudio-ai/lms repository licenses (MIT). Abgerufen am 4. November 2026 von github.com/ollama/ollama und github.com/lmstudio-ai/lms
6. LM Studio. OpenAI and Anthropic compatibility endpoints. Abgerufen am 4. November 2026 von lmstudio.ai/docs/developer/openai-compat und lmstudio.ai/docs/developer/anthropic-compat
7. Ollama. Context length. Abgerufen am 4. November 2026 von docs.ollama.com/context-length
8. Ollama. Claude Code integration. Abgerufen am 4. November 2026 von docs.ollama.com/integrations/claude-code
9. Ollama. Hardware support. Abgerufen am 4. November 2026 von docs.ollama.com/gpu
10. LM Studio. System requirements and offline operation. Abgerufen am 4. November 2026 von lmstudio.ai/docs/app/system-requirements
11. LM Studio. Run LM Studio as a service (headless). Abgerufen am 4. November 2026 von lmstudio.ai/docs/developer/core/headless
12. Ollama. Importing a model. Abgerufen am 4. November 2026 von docs.ollama.com/import
13. Ollama. macOS and Linux installation guides. Abgerufen am 4. November 2026 von docs.ollama.com/macos und docs.ollama.com/linux