LM Studio Bionicのテスト 『LM Studio Bionicのテスト』では、LLM(大規模言語モデル (Large Language Model))をローカルネットワーク環境(PCなどで)で実行するアプリのテストです。macOS環境でテストしています。 アプリケーション LM Studio Bionic をテストしています。 概要 『LM Studio Bionicのテスト』関係の概要関係を記述しています。 概要 2026-07-17 発表 タスクも実行出来る、 AI エージェント化した、 ML Studio の新しい仲間「 ML Studio Bionic 」が2026年7月17日に発表されました。 「 LM Studio 」はモデルを使用してチャット的に作業をするのに対して、「 LM Studio Bionic 」はモデルを使ってタスクを実行する事(エージェント)が出来る様になりました。 この記事では「LM Studio Bionic」の導入の初歩とテストを記載しています。 ML Studio との違い エージェントが必要な作業をローカルモデルを使用して実行出来るようになった「LM Studio」という感じです。 Bionic は LM Studio とは別の新しいアプリケーションです。 高度な低レベル設定を行うには、引き続き LM Studio を Bionic と併用できます。 補足 : 「高度な低レベル設定」とは ? 　 > 具体的な内容は特に説明されていません。 米 Element Labs 社 https://lmstudio.ai LM Studio Bionic は、オープンモデルを用いたエージェント作業のために設計された次世代の LM Studio です。 Bionic により、コーディング、調査、文書やファイルを使った複雑な作業など、オープンモデルを活用して実際の業務を遂行するための AI エージェントです。ローカルモデルを使用することも、より負荷の高いタスクにはクラウド上のオープンソースモデルに切り替えることも可能となりました。クラウド上の実行時は、有料のデータ保持ゼロのLM Studioセキュアクラウド上で実行することが可能となっています。プライバシーと AI 利用コストを常に管理しながら、これらの操作を実行できるように進化しています。 この文書では、ローカルに限定したテストのみを記述されています(新しいLM Studioセキュアクラウドに関しては未記載)。 B ionicのプロジェクトタイプ Bionicには次の2種類のプロジェクトタイプがあります。 Code: ファイル、検索、Git、シェルツールなどを使用してローカルコードベースでの作業用 Work: 調査、執筆、分析、文書作成などの業務用 プロジェクト内では、タスクごとに個別のセッションを作成します。 複数のプロジェクトにまたがるセッションを実行も可能でその際は、ワークフローを並列化できます。 インストール ｢LM Studio Bionicのテスト｣関係のインストール関係を記述しています。 インストール環境 テスト環境 今回は以下のバージョンと環境でテストしました。 LM Studio Bionic バージョン1.0.2+3 (1.0.2+3) 2026-07-22 からはUpdate: バージョン1.0.2+3 (1.0.2+3) MacBookPro 14 inch CPU: Apple Silicon M1 Max RAM: 32 GB SSD: 1 TB macOS: Tahoe 26.5 インストール 次の手順でmacOSへ「LM Studio Bionic」をインストールしました。 アプリケーションのダウンロード 次の URL へアクセスし macOS 版のアプリをダウンロードします。 https://lmstudio.ai 2026-07-22 現在のアプリのバージョンは「1.0.2+3 (1.0.2+3)」です。 現在 (2026-07-22) は、サイトの Top からダウンロード可能です。 「 Download 」ボタンには、PC動作環境の最新版のアプリがダウンロードできる状態です。 「 Download LM Studio Bionic 」ボタンをクリックし、アプリをタウンロードます。 圧縮状態のアプリサイズは約 610MB 、展開時のアプリは約 1.8GB 程度有ります。 インストール dmgファイルを開いてアプリ「LM Studio Bionic」をApplicationsフォルダーへコピーします。 最初の起動 アプリを起動 コピーされた「LM Studio Bionic」アプリを起動します。 アプリの確認 macOSでダウンロードされたアプリを最初に起動したときの許可画面です。 「開く」をクリックして進みます。 最初の画面 また、ネットワークアクセスの許可も実施します。 最初の設定 最初のテストの為に最低限の設定を実行します。 AIモデルのダウンロード 最初に使用するモデルをダウンロードします。 その前に、モデルのダウンロード先を変更します。 今回は新しいフォルダ「LM Studio Bionic models」を追加してモデルをダウンロードします。 画面左上のICONをクリックしします。 画面の左下の「Settings」ICONをクリックして設定画面を開きます。 「 Settings > Library > My Models > Models directory 」の「 Change 」ボタンをクリックします。 新しいフォルダーを選択して「開く」ボタンをクリックします。 変更後のフォルダを確認します。 モデルをダウンロード 「Local Models > Expolore」を選択し、今回はプログラムコードが得意と言われている「GPT」でフィルターします。 「GPT-OSS 20B」を選択し「GPT-OSS 20B MXFP4 12.10GB」をダウンロードします。 このモデルは、テスト環境のM1 MacBookPro 14 inch 32GのRAMに十分入ります。 ダウンロード中 ! ダウンロード完了 ! モデルのダウンロードが完了したら「 Back to app 」クリックしてテストを開始します。 Projects LM Studio Bionicでは、2つの作業単位で行います。 B ionicのプロジェクトタイプ Bionicには次の2種類のプロジェクトタイプがあります。 Code: ファイル、検索、Git、シェルツールなどを使用してローカルコードベースでの作業用 Work: 調査、執筆、分析、文書作成などの業務用 プロジェクト内では、タスクごとに個別のセッションを作成します。 複数のプロジェクトにまたがるセッションを実行も可能でその際は、ワークフローを並列化できます。 Code Projectテスト コードプロジェクト関係のテストの記述です。 new Projects テスト Project選択 Bionicの2つのプロジェクト「Code」と「Work」から「Code」を選択します。 今回は、テスト用にPICプログラムを使用するので「Code」を選択します。 Project name は「 code test 」とし「 Create 」ボタンをクリックして作成します。 次の様に「 Code 」選択時の初期画面が表示されます。 この状態では、未だ設定が完了していません。 モデルの選択 チャット画面の「 Choose a model 」からダウンロードしたモデル「 GPT OSS 20B 」を選択します。 ターゲットの選択 ターゲットとするコードのRootフォルダを選択します。 「 Select folder 」をクリックしてターゲットの Root フォルダを「 Use Folder 」クリックで選択します。 次の画面の様にプロンプトを受け付けるようになります。 [プロンプト-最初] 最初の質問をしてみましょう。 「フォルダ内容を説明して下さい。」 と入力して、指定したフォルダのファイルを確認させます。 約 1 分後に。。。 んー、日本語で表示させましょう。 「日本語で説明して下さい」と入力します。 約 40 秒後。。。 それらしく、説明されています。また、c/hのcコードは簡単な説明もされています。 内容を一度読み込んで解釈している様です。 [プロンプト-概要をmdファイル作成] 次に、説明した結果をマークダウンファイル「フォルダ - ファイル説明 from LLLM.md 」に出力してましょう。 マークダウンファイル「フォルダ - ファイル説明 from LLLM.md 」に説明を出力しください。 ファイル作成中 ファイル作成完了 ! 内容を確認します。 生成されたマークダウンファイルを確認します。 PIC プログラミング環境 (IDE) で作成しているプロジェクトを実際にビルドしてみましょう。 プロンプトで次を入力します。 「ビルドして下さい。」 コードをビルド (make) している様ですね。 この時のPCのリソース消費状態をアクティビティモニタで確認します。 ビルド中の CPU/GPU 使用状態です。 ビルド結果 ビルド結果に関して説明を求めた結果。。。 ... 略 ... [ テスト結果] Bionic のインストールと Code プロジェクトを簡単にテストしてみました。 Agent ベースになって、一回のプロンプトで実行出来る作業が増えて作業効率が格段に良くなりました。 クラウドタイプに比べて、エージェントが出来る事作業スピードは遅いという感じです。 ただ、ローカル環境で完結し実行時のコスト ( 生成時のコストはゼロ ) とセキュリティ ( 外部には情報を出さない ) は格段に向上します。 ( 補足 : Bionic はクラウド上の実行時に、有料のデータ保持ゼロのLM Studioセキュアクラウド上で実行することが可能となっています。 ) エージェントして、指示を実行するためにネットワークからツールなどをダウンロードするのですが、この行為をローカル LLM の機能としてどう考えるか ? 完全にローカル環境下で実施するなら許可できないのですが、今回は使用するツールのダウンロードを許容しています。設定にこの辺の許可設定が有るのねも知れませんが、現在は特にユーザーには認証すること無くツールを使用しています。 未だ、進化中の Bionic なので、今後の進化でどのようになっていくのか ? そして、 Bionic と同様な環境を構築する事 ( 環境構築 / 予算 / 時間 /etc...) を考えると特定の環境下で使用する場合には有利だと考えしています。 LM Studio を部分に使用していたのですが、 Bionic で更に使用率は上昇していきそうです ( 特にオフラインでは ) 。 PDF出力テスト結果 ビルド結果のPDF化 Code プロジェクトの「 new Projects テスト 」の「ビルド結果」をPDFへ出力するテストを実施してみました。 ERROR だが、トライ中 !　エージェントが頑張っています。 この時のPCのリソース消費状態をアクティビティモニタで確認します。 PDF作成中のCPU/GPU使用状態です。 PDF 化完了しました。 生成された「 PDF 」ファイルを確認します。 ファイルを確認したらどうも漢字コードに問題が有り日本語が正しく表示されない状態です。 漢字コードをUTF-8で再度PDF出力を試みます。 また、失敗ですね。 再度、修正を要求します。 新しいツールをインスートルして PDF の生成を試みる用なので「 Yes 」で許可します。 実行途中。 作業中。 何故か ? 過去の事を出力。。。。 ファイルを再度確認します。 新しいPDFの文字コードはUTF-8となったようですが「ビルド結果」をPDF化した内容では無いようです。 再度、ビルドからトライしてみます。 「ビルドを実行し、ビルド結果を文字コード ITF-8 の PDF ファイルにしてください。」 新しいPDF ファイルの内容。 ビルド内容を表示してみます。 ビルド結果として PDF ファイルの内容が許容範囲であるかと言うと、記録ファイルとしては NG では有るがとりあえず PDF の文字して日本語て出力していることは OK です。結論は使えないと言う事です。しかし、生成AIのエージェントではよく有る事ですが。。上手く特徴をつかんで使用すれば良いツールとして使用できる部分も多々有ると感じています。 フォルダ-ファイル説明のPDF 別の内容の PDF 化を実施してみました。 「フォルダ - ファイル説明 .md 」を PDF 化してください。 文字コードは二辺後に対応した「 UTF-8 」としてください。 処理中 日本語が「二辺後」になっていますが、とりあえず継続実行します。 最終的に「 Error 」となり終了しました。 誤字を修正して再度 PDF 化を要求します。 フォルダ - ファイル説明 のを PDF 化してください。 文字コードは日本語に対応した「 UTF-8 」としてください。 失敗したので「 Retry 」します。 「 Retry 」結果 基本、日本語は弱い ? ( 他の生成 AI でも ?) 感じはします。 生成された「 python3 」のコード。 最終的に。。。。 エージェントは諦めて、マークダウンファイルの内容を説明して終了です。 PDF化のまとめ 今回の初期テストでは、未だ日本語 PDF 化は不得意のようです。 今後の成長に期待します。 今後もエージェント動作を色々とトライしてみたいと思います。