# LM Studio — Commandes d'administration

> **Note** : L'inférence GPU est désormais assurée par **llama-server** (voir `admin/llama_server.md`).
> LM Studio reste installé sur gpu-01 **uniquement pour la gestion des modèles** (`lms get`, `lms ls`).
> Le service `lm-studio` est désactivé.

---

## Gestion des modèles (lms CLI)

```bash
# Lister les modèles installés
lms ls

# Télécharger un modèle depuis HuggingFace
lms get https://huggingface.co/bartowski/Qwen2.5-7B-Instruct-GGUF -y

# Supprimer un modèle
lms remove bartowski/Qwen2.5-7B-Instruct-GGUF

# Les modèles sont stockés sur le NFS partagé :
# storage-01:/srv/data/models → gpu-01:/mnt/models
# Symlink : /opt/lmstudio/.lmstudio/models → /mnt/models
```

---

## Pourquoi llama-server remplace LM Studio pour l'inférence

| Critère | LM Studio (Vulkan) | llama-server (ROCm) |
|---|---|---|
| Prefill | ~100 tok/s | ~400 tok/s |
| Génération | ~15 tok/s | ~70 tok/s |
| Backend | Vulkan (ROCm 6.x uniquement) | ROCm 7.x natif |
| API | OpenAI-compatible | OpenAI-compatible |

Le backend ROCm de LM Studio est compilé pour ROCm 6.x et incompatible avec ROCm 7.x installé sur gpu-01.
llama.cpp compilé from source avec ROCm 7.x donne un gain de ~5x sur la vitesse d'inférence.

---

## Points d'attention

| Sujet | Détail |
|---|---|
| GPU non officiel | RX 6700XT (gfx1031) — `HSA_OVERRIDE_GFX_VERSION=10.3.0` dans le service llama-server |
| Gemma 4 interdit | Gemma 4 E2B/E4B crash Vulkan et ROCm sur prompts >800 tokens — utiliser Qwen |
| Modèles sur NFS | `/opt/lmstudio/.lmstudio/models` est un symlink vers `/mnt/models` (NFS automount) |
| lms get | Utiliser `lms get <url-hf>` pour télécharger, puis pointer llama-server sur le GGUF |