Meilleurs modèles LM Studio (octobre 2026) : le classement à jour
🔎 Le paysage local a basculé en six mois
En octobre 2026, LM Studio n'est plus une simple appli desktop pour bidouiller des fichiers GGUF. La version 0.4.25 (19 septembre 2026) en fait une plateforme complète : daemon headless, API compatible OpenAI, app mobile, et même un agent local gratuit nommé Bionic.
Côté modèles, la révolution s'appelle Qwen3.6. Sorti en avril 2026, le 27B dense a battu le mastodonte Qwen3.5-397B-A17B sur SWE-bench Verified (77,2 % contre 76,2 %), selon willitrun.ai, qui parle de « la sortie open-weight la plus importante du deuxième trimestre 2026 ». Un modèle de 27 milliards de paramètres qui surclasse un 397B : voilà pourquoi ce classement change.
Ajoutez Gemma 4 (8,8 millions de téléchargements, vision incluse) et la maturité des MoE (3 milliards de paramètres actifs, plus de 100 tokens/s sur une simple RTX 3090) : le local n'est plus un compromis, c'est un choix rationnel.
Ce guide remplace notre édition de juin 2026 et notre édition de mai. On corrige d'ailleurs une erreur de juin : recommander Qwen3.6-27B en 8 Go de VRAM était trop optimiste. Les chiffres réels sont plus bas.
L'essentiel
- Qwen3.6-27B est le modèle à télécharger en premier si vous avez 16-24 Go de VRAM : 77,2 % sur SWE-bench Verified, licence Apache 2.0, vision/OCR inclus, ~18 Go en Q4_K_M.
- Qwen3.6-35B-A3B est le roi de la vitesse : 3B de paramètres actifs, 101,7 tok/s sur RTX 3090, jusqu'à 240 tok/s avec le MTP d'Unsloth.
- Qwen3.5-9B domine la catégorie sub-10B : 6,96 Go de VRAM, contexte 32K, 55-58 tok/s, sans spill CPU.
- Gemma 4 (5.1B à 31B) est la valeur sûre multimodale, construite depuis les travaux Gemini 3 de Google.
- gpt-oss-20B (12,4 Go) reste la meilleure qualité locale sous les 70B selon lmstudio.buzz.
- LM Studio est gratuit pour un usage personnel ET professionnel depuis juillet 2025 ; l'agent Bionic (juillet 2026) est gratuit en local.
- Qwen3.6 n'était pas supporté par Ollama à sa sortie : LM Studio a eu plusieurs mois d'avance sur le support.
Outils recommandés
Le catalogue officiel LM Studio liste les familles disponibles au téléchargement. Voici notre sélection d'octobre 2026 :
| Modèle | Taille / VRAM | Points forts | Idéal pour |
|---|---|---|---|
| Qwen3.6-27B | 17,98 Go (Q4_K_M) | 77,2 % SWE-bench, vision/OCR/vidéo, Apache 2.0 | GPU 24 Go, code + généraliste |
| Qwen3.6-35B-A3B | ~20-22 Go (Q4) | 3B actifs, 101,7 tok/s sur RTX 3090, MTP 240 tok/s | Agents, vitesse, 24 Go VRAM ou 32 Go RAM |
| Qwen3.5-9B | 6,96 Go VRAM (Q4_K_M) | 55-58 tok/s, contexte 32K, zéro spill | 8 Go de VRAM |
| Gemma 4 | 5.1B à 31B (12B ≈ 7 Go) | Vision, issu de Gemini 3 research, 8,8M téléchargements | Multimodal, Mac |
| gpt-oss-20B | 12,4 Go | Meilleure qualité sous les 70B, Apache 2.0 | 16 Go VRAM / 32 Go RAM |
| Qwen3-Coder-Next | 80B MoE, 3B actifs | Pensé pour les agents de code | Code agentique |
| GLM-4.7 | 30B | Code et tool calling | Agents de code |
| Nemotron 3 Super | 120B MoE, 12B actifs | Contexte 1M de tokens | Longs documents, serveurs |
| DeepSeek-R1-0528-Qwen3-8B | ~5 Go | Raisonnement | 8 Go VRAM, maths et logique |
| Phi-4 Mini | ~2,5 Go (3,8B) | Ultra-compact | Machines à 8 Go de RAM |
Tous ces modèles sont gratuits (poids ouverts). LM Studio lui-même est gratuit pour un usage personnel et professionnel depuis juillet 2025 (vérifiez sur lmstudio.ai, octobre 2026) ; l'offre Enterprise (SSO, contrôle centralisé) est sur devis.
Qwen3.6-27B : le dense qui a remplacé les mastodontes
Réponse directe : si vous avez un GPU 24 Go (RTX 3090/4090/5080…) ou un Mac 24 Go+, Qwen3.6-27B en Q4_K_M est le meilleur modèle local généraliste d'octobre 2026.
Les faits : sorti en avril 2026, il bat le flagship Qwen3.5-397B-A17B sur SWE-bench Verified (77,2 % contre 76,2 %). Dans notre comparatif mensuel des meilleurs LLM, il pointe à 74 — seuls les mastodontes DeepSeek V4 Pro (Max), Kimi K2.6 ou GLM-5.1 font mieux, et ils exigent beaucoup plus de mémoire. Le 27B est en plus multimodal (vision, OCR, vidéo) et sous licence Apache 2.0 : usage commercial sans payer un centime.
Quelle quantification pour quel matériel
Tailles GGUF exactes de bartowski sur Hugging Face :
| Quantification | Taille fichier | Matériel compatible |
|---|---|---|
| Q4_K_S | 16,93 Go | GPU 24 Go, marge pour le contexte |
| Q4_K_M | 17,98 Go | RTX 3090/4080/4090, M4 Pro 24 Go |
| Q5_K_M | 20,97 Go | GPU 24 Go, contexte réduit |
| Q6_K | 23,68 Go | GPU 24 Go, limite haute |
| Q8_0 | 29,12 Go | 32 Go+ de VRAM |
| bf16 | 54,66 Go | 64 Go+ de RAM ou multi-GPU |
Unsloth recommande ses GGUF dynamiques UD-Q4_K_XL pour le meilleur équilibre mémoire/qualité, et chiffre la mémoire totale (KV cache inclus) à 18 Go en 4-bit, 24 Go en 6-bit.
Deux pièges à connaître avant de cliquer sur « Download » :
- Évitez CUDA 13.2 : des sorties incohérentes ont été documentées sur Qwen 3.6. Restez sur CUDA 13.1 ou 12.x (willitrun.ai).
- À sa sortie, Qwen3.6 n'était pas supporté par Ollama. LM Studio l'a accueilli dès la 0.4.12 (avril 2026) — un avantage concret, pas marketing.
Qwen3.6-35B-A3B : la vitesse MoE qui change le quotidien
Réponse directe : c'est le meilleur rapport vitesse/qualité du local en octobre 2026 — un modèle de calibre flagship qui répond aussi vite qu'un 8B.
Le principe MoE : 35 milliards de paramètres totaux, mais seulement 3B actifs par token. Résultat, les benchmarks communautaires d'llm-bench.io (septembre 2026, 15 runs) parlent d'eux-mêmes :
| Configuration | Vitesse mesurée |
|---|---|
| RTX 5090 (vLLM, pic communautaire) | 437,3 tok/s |
| RTX 3090 24 Go, Q4_K_XL (llamaperf) | 101,7 tok/s |
| RTX 5070 Ti (LM Studio) | 75,9 tok/s |
| Apple M4 Max (LM Studio) | 69,8 tok/s |
| RX 7900 XTX (LM Studio) | 46,1 tok/s |
| AMD Strix Halo 128 Go (LM Studio) | 26,5 tok/s |
| CPU seul | 25 tok/s |
Moyenne : 62,7 tok/s, qualité moyenne 73,4/100, contexte maximum 131 072 tokens. À ce débit, un agent qui enchaîne les appels d'outils devient réellement utilisable, pas juste démontrable.
Deux bonus 2026 à activer :
- MTP (multi-token prediction) : stable depuis LM Studio 0.4.14 (mai 2026), gain supérieur à 1,4x — Unsloth mesure 240 tok/s sur RTX 6000, contre 160 tok/s pour le 27B.
- Expert offload : avec 32 Go de RAM système, déchargez les experts MoE sur le CPU et faites tourner le modèle (~20 Go en Q4_K_M) sur une carte 16 Go. Plus lent, mais ça passe — et même la génération précédente (Qwen3.5-35B-A3B) tient 47-51 tok/s sur une RTX 5060 Ti 16 Go en eGPU OCuLink.
Mon avis sans détour : hésitez entre le 27B et le 35B-A3B ? Prenez le MoE pour l'usage agentique et le dense pour la qualité de code pure.
8 Go de VRAM : ce qui tourne vraiment (et ce qui ne tourne pas)
Réponse directe : Qwen3.5-9B en Q4_K_M — 6,96 Go de VRAM, contexte 32K, 55-58 tok/s, sans spill CPU. Rien ne fait autant avec autant de qualité dans cette catégorie.
LMSA le décrit comme « the undisputed king of the sub-10B category ». Et corrigeons-nous publiquement : notre édition de juin suggérait Qwen3.6-27B en 8 Go — c'était faux, il lui faut 17-18 Go. Sur 8 Go, le 27B déborde sur le CPU et l'expérience devient misérable.
Les alternatives crédibles sur 8 Go :
- DeepSeek-R1-0528-Qwen3-8B (~5 Go) : le choix raisonnement, pour les maths et la logique.
- GLM-4.6V-Flash : préfill supérieur à 2 300 tok/s, redoutable sur les longs documents.
- Qwen2.5-Coder-7B : l'incontournable du code léger (le 14B demande plus de marge).
Rappel matériel : 16 Go de RAM est le plancher absolu (lmstudio.buzz). Un 7B passe sur 16 Go de RAM ; un 14-32B exige 32 Go de RAM ou un GPU 24 Go (infobro.ai). En dessous de 8 Go de RAM, visez Phi-4 Mini (3,8B, ~2,5 Go) ou Gemma 4 5.1B.
Et si vous n'avez ni GPU ni RAM suffisante, le local n'est pas la bonne réponse : nos meilleurs LLM gratuits en ligne font le travail en attendant une config mieux dotée.
Sur Mac, MLX reste l'avantage décisif de LM Studio
Réponse directe : sous 32 Go de mémoire unifiée, LM Studio écrase Ollama en débit sur Apple Silicon. Au-dessus de ce seuil, l'écart se réduit.
Le benchmark d'asiai (mars 2026, Mac Mini M4 Pro 64 Go, Qwen3-Coder-30B MoE 4-bit) :
| Métrique | LM Studio (MLX) | Ollama (llama.cpp) |
|---|---|---|
| Débit | 102,2 tok/s | 69,8 tok/s |
| Efficacité énergétique | 8,2 tok/s/W | 4,5 tok/s/W |
| Mémoire processus | 21,4 Go | 41,6 Go |
| TTFT (premier token) | 291 ms | 175 ms |
Sur Qwen3.5-35B-A3B, l'écart monte à 2,3x (71,2 contre 30,3 tok/s). Ollama a bien ajouté MLX dans sa version 0.19 (30 mars 2026), mais en preview et uniquement au-delà de 32 Go de mémoire unifiée (horizonlux) — sous ce seuil, l'avantage de LM Studio (MLX en version stable depuis octobre 2024) reste réel.
En pratique, LM Studio bascule automatiquement sur MLX sur Apple Silicon, avec un gain de 30 à 50 % face à llama.cpp/Metal (QuelLLM). Repères Mac : un 7B Q4_K_M tourne à ~22 tok/s sur M2 Air et 64 tok/s sur M3 Max ; le Qwen3-30B-A3B 4-bit MLX atteint 57 tok/s sur un M5 MacBook Air 32 Go (llamaperf).
Pour comparer au-delà de LM Studio, notre guide des meilleurs LLM locaux passe en revue les alternatives du moment.
Le catalogue d'octobre : Gemma 4, code agentique et très longs contextes
Réponse directe : au-delà de Qwen3.6, trois familles méritent votre disque dur — Gemma 4 pour la vision, les modèles de code agentique, et les MoE géants à petit budget actif.
Gemma 4 (5.1B à 31B) : construite depuis les travaux Gemini 3 de Google, vision incluse, 8,8 millions de téléchargements — la famille la plus téléchargée du catalogue, devant Qwen3.6 et ses 2,6 millions. La version 12B (~7 Go) est le sweet spot des Mac.
Pour le code agentique :
- Qwen3-Coder-Next (80B MoE, 3B actifs) : conçu spécifiquement pour les agents de code.
- GLM-4.7 (30B) : code et tool calling solides.
- Devstral 2 (24B/123B) : agentique + vision.
Pour les longs contextes et les serveurs :
- Nemotron 3 Super (NVIDIA, 120B MoE, 12B actifs) : contexte de 1 million de tokens.
- MiniMax M2 (230B MoE, 10B actifs) : le « grand modèle » qui reste jouable avec suffisamment de RAM.
- Ministral 3 (3B/8B/14B) : les compacts de Mistral.
Les valeurs sûres qui traînent encore en haut des téléchargements : gpt-oss (20B/120B, Apache 2.0), Llama-3.1-8B (4,6 Go), Qwen3-14B (9,8 Go en Q5, sweet spot des machines 32 Go), Mistral-Nemo-12B (7,5 Go, 128K), DeepSeek-R1-7B (4,1 Go), sans oublier Mistral Small 3.2 (24B, ~14 Go) et Llama 4 Scout (109B MoE, ~60 Go) pour les grosses configs.
Mon opinion tranchée : Llama-3.1-8B est encore trop téléchargé pour ce qu'il offre. Son contexte de 8K le disqualifie pour presque tout usage sérieux en 2026 — Gemma 4 ou Qwen3.5 font mieux à taille égale.
LM Studio 0.4.25 et Bionic : une plateforme, pas juste une appli
Réponse directe : depuis la 0.4 (janvier 2026), LM Studio est une plateforme locale complète — daemon, API, mobile, agent — et c'est ce qui justifie de l'installer plutôt qu'un simple runtime.
La cadence 2026, résumée (edgechat.ai) :
| Version | Date | Apport |
|---|---|---|
| 0.4.0 | Janvier 2026 | Daemon headless llmster, requêtes parallèles (continuous batching), API /v1/chat avec état, UI refonte |
| 0.4.12 | Avril 2026 | Support Qwen 3.6 |
| 0.4.14 | Mai 2026 | Speculative decoding MTP stable |
| 0.4.16 | 8 juin 2026 | App mobile « Locally » (iPhone/iPad) via LM Link, fin de la waitlist |
| 0.4.17 | Juin 2026 | Support AMD Strix Halo et Radeon AI PRO |
| 0.4.24 | 9 septembre 2026 | Overrides d'arguments llama.cpp |
| 0.4.25 | 19 septembre 2026 | Version actuelle |
Les détails qui comptent (blog officiel) : requêtes parallèles avec unified KV cache (n_parallel = 4 par défaut, sans surcoût mémoire), daemon llmster installable en une commande sur Linux, Mac, Windows, cloud ou CI, et une API REST à état avec support MCP local. Ce daemon est parfait sur un VPS : un petit serveur Hostinger suffit pour servir un 8B à vos projets, avec plusieurs utilisateurs simultanés grâce au batching.
Côté tarif, la grille est simple (octobre 2026) :
| Offre | Prix | Pour qui |
|---|---|---|
| LM Studio desktop | Gratuit (perso et pro depuis juillet 2025) | Tout le monde |
| LM Studio Enterprise | Sur devis (SSO, contrôle centralisé) | Entreprises |
| Bionic | Gratuit en local ; « Secure Cloud » facturé à l'usage | Utilisateurs d'agents |
| App mobile « Locally » | Incluse | iPhone/iPad |
Bionic, l'agent local gratuit
Juillet 2026 : Element Labs lance LM Studio Bionic, une application agent séparée — projets « Code » et « Work », dictée vocale locale via Voxtral, transcription et édition de documents entièrement sur l'appareil. Bionic fait tourner les modèles ouverts GLM 5.2, Kimi K3 et DeepSeek V4 Pro via les runtimes llama.cpp/MLX de LM Studio. En octobre 2026, il est n°1 des outils de confidentialité IA de ToolPotion (ToolRank 73, contre 58 pour Ollama).
Pour les agents du type OpenClaw, les paliers matériels de mrprompts font foi : 16 Go de RAM = modèles 3-4B pour les heartbeats seulement ; 32 Go = travail réel possible avec réserves ; 64 Go ou GPU dédié = travail local sérieux. Notre sélection d'agents IA autonomes détaille les configurations complètes.
LM Studio ou Ollama en octobre 2026 ?
Réponse directe : les deux — ils cohabitent sans conflit (ports 1234 et 11434) et le choix dépend de l'usage, pas de la vitesse.
LM Studio est une appli desktop complète (RAG « Chat with Documents » : PDF/DOCX/CSV/TXT jusqu'à 5 documents de 30 Mo, MLX, mobile, agent Bionic) ; Ollama est un service HTTP minimaliste, plus à l'aise dans les scripts et les serveurs headless. Sur Mac sous 32 Go, LM Studio est objectivement plus rapide en débit ; Ollama garde l'avantage sur le temps au premier token (175 ms contre 291 ms) et la légèreté.
Notre comparatif Meilleurs modèles Ollama (octobre 2026) détaille le côté Ollama. Retenez un signal : Qwen3.6 y est arrivé avec plusieurs mois de retard — le rythme de support des nouveaux modèles reste un vrai critère de choix.
❌ Erreurs courantes
Erreur 1 : faire tourner un 27B sur 8 Go de VRAM
Le Q4_K_M du Qwen3.6-27B pèse 17,98 Go : sur 8 Go, tout déborde sur le CPU et vous tombez à quelques tokens/s. La solution : Qwen3.5-9B (6,96 Go), ou l'expert offload du 35B-A3B si vous avez 32 Go de RAM système.
Erreur 2 : installer CUDA 13.2 avec Qwen 3.6
Des sorties incohérentes ont été documentées sur cette combinaison. Restez sur CUDA 13.1 ou 12.x en attendant un correctif, et vérifiez votre version avant de blâmer le modèle.
Erreur 3 : télécharger du bf16 « pour la qualité »
54,66 Go pour le 27B, pour un gain invisible dans 95 % des usages. Le Q4_K_M est le sweet spot (~35 % de la taille, qualité préservée), et les GGUF dynamiques UD-Q4_K_XL d'Unsloth font encore mieux.
Erreur 4 : confier du tool calling à un modèle local sans test
Tous les modèles ne sont pas égaux en appel d'outils, et un agent qui se trompe d'outil fait des dégâts. Testez sur vos cas réels avant d'automatiser — GLM-4.7, Devstral 2 et Qwen3-Coder-Next sont pensés pour ça.
Erreur 5 : croire que « local » veut dire « sans prérequis »
Il faut 16 Go de RAM en plancher, 32 Go+ ou un GPU dédié pour un usage confortable. Sans matériel, un LLM gratuit en ligne reste plus honnête qu'un 3B qui hallucine.
❓ Questions fréquentes
Quel est le meilleur modèle LM Studio en octobre 2026 ?
Qwen3.6-27B en Q4_K_M pour la qualité (77,2 % sur SWE-bench Verified, ~18 Go), Qwen3.6-35B-A3B pour la vitesse (62,7 tok/s de moyenne communautaire), Qwen3.5-9B pour 8 Go de VRAM. Tout dépend de votre matériel : 24 Go de VRAM ouvrent les deux premiers, 8 Go imposent le troisième.
LM Studio est-il gratuit pour un usage professionnel ?
Oui, gratuit pour un usage personnel ET professionnel depuis juillet 2025, sans limite de téléchargements. Seule la version Enterprise (SSO, contrôle centralisé, déploiement) est sur devis (octobre 2026, vérifiez sur lmstudio.ai).
Quel modèle pour coder en local sur un GPU 24 Go ?
Qwen3.6-27B, avec 77,2 % sur SWE-bench Verified — le meilleur score open-weight sur ce matériel. Alternatives : Qwen3-Coder-Next (80B MoE, 3B actifs) pour l'agentique, GLM-4.7 pour le tool calling, Qwen2.5-Coder-7B si vous n'avez que 8 Go.
Peut-on utiliser LM Studio depuis un iPhone ?
Oui, depuis la version 0.4.16 (8 juin 2026) : l'app « Locally » sur iPhone/iPad se connecte à votre machine via LM Link, chiffré et passé par Tailscale. Vos modèles restent sur votre ordinateur, le mobile ne sert que de télécommande.
Les modèles du catalogue sont-ils vraiment gratuits ?
Oui, ce sont des poids ouverts téléchargeables librement — Qwen3.6 et gpt-oss sont sous Apache 2.0, ce qui autorise même l'usage commercial. Vous payez l'électricité et le matériel, rien d'autre : aucun quota, aucun abonnement.
Quel modèle pour un Mac 16 Go ?
Restez sur les 3-4B : Gemma 4 5.1B ou Phi-4 Mini (3,8B, ~2,5 Go). Un 7B passe en Q4 sur 16 Go, mais sans marge pour les longs contextes. Pour un travail réel, visez 32 Go — c'est le seuil où le local devient réellement productif.
✅ Conclusion
En octobre 2026, le trio Qwen3.6-27B / Qwen3.6-35B-A3B / Qwen3.5-9B couvre 90 % des besoins locaux, et LM Studio 0.4.25 + Bionic transforment l'ensemble en plateforme exploitable au quotidien. Téléchargez Qwen3.6-27B si vous avez 24 Go de VRAM, Qwen3.5-9B si vous plafonnez à 8 Go — et revenez chaque mois, ce classement vit au rythme des sorties.