Ollama vs LM Studio: welke kies je voor lokale AI?
Beide draaien op llama.cpp, maar welke tool presteert beter in de praktijk? Ik testte Ollama vs LM Studio met hetzelfde model op een RTX 4090.
👁 114 keer gelezen
Ollama vs LM Studio: welke moet je kiezen? Als je modellen visueel wilt zoeken, instellingen met schuifbalken wilt aanpassen en direct met documenten wilt chatten, kies je voor LM Studio. Zoek je daarentegen een lichtgewicht achtergrondservice voor een code-editor, n8n of Open WebUI, dan is Ollama de logische keuze. Alle achtergrondinformatie over lokaal draaien vind je in het overzicht van lokale AI-modellen.
Situatie op 17 oktober 2026
- Ollama 0.40.5 (stabiele release van 14 oktober 2026), MIT-licentie, opensource.
- LM Studio 0.4.26, gratis voor privé- en zakelijk gebruik, gesloten broncode (de CLI-tool
lmsis wel open). - Beide werken volledig lokaal zonder account. Optionele cloudmodellen kosten bij beide diensten 20 USD per maand (Ollama Pro en LM Studio Bionic+).
- LM Studio Bionic is een aparte applicatie (een bestandsagent) en geen vervanging van LM Studio; beide kunnen naast elkaar draaien.
- Op Macs met Apple Silicon gebruikt Ollama vanaf versie 0.40 automatisch MLX voor ondersteunde modellen, wat LM Studio al langer aanbood.
In het kort: wat kies je wanneer?
| Situatie | Beste keuze |
|---|---|
| Je begint net en wilt direct kunnen chatten via een interface | LM Studio |
| Je wilt modellen en parameters visueel vergelijken | LM Studio |
| Je wilt direct met PDF-bestanden praten zonder extra software | LM Studio |
| Je koppelt een code-editor, script of automatisering | Ollama |
| Je zoekt een browser-interface voor meerdere gebruikers | Ollama + Open WebUI |
| Je hecht strikt aan opensourcesoftware | Ollama |
Je hoeft overigens niet strikt te kiezen: beide programma’s kunnen probleemloos naast elkaar op hetzelfde systeem staan. Ze draaien op verschillende poorten (11434 voor Ollama en 1234 voor LM Studio). Een handige verdeling is om nieuwe modellen visueel te testen in LM Studio, en modellen die continu beschikbaar moeten zijn voor andere programma’s te beheren via Ollama.
Twee verschillende benaderingen
LM Studio is ontworpen als een complete desktopapplicatie. Na de installatie krijg je een zoekvenster gekoppeld aan Hugging Face. Je klikt op downloaden, laadt het model in en je kunt direct praten. De contextlengte, het aantal lagen op de videokaart en de promptsjablonen pas je aan in het zijpaneel. De lokale API-server schakel je in met een knop of via het terminalcommando lms server start.
Ollama werkt primair vanuit de opdrachtprompt. Met het commando ollama run gemma4:12b-it-qat haal je een model binnen en start je een interactieve sessie in de terminal. Op de achtergrond draait automatisch een API-server op poort 11434. Modellen worden geladen zodra er een verzoek binnenkomt en worden na enkele minuten inactiviteit automatisch weer uit het geheugen verwijderd. Sinds juli 2025 heeft Ollama ook een eigen eenvoudige chat-app voor Windows en macOS, al blijft deze veel minimalistischer dan LM Studio.
LM Studio vs Ollama: mijn metingen met hetzelfde modelbestand
Om een zuivere vergelijking te maken, heb ik in beide programma’s exact hetzelfde modelbestand getest: gemma-4-12b-it-qat-q4_0.gguf (6,98 GB). In Ollama werd dit model geïmporteerd via ollama create (het equivalent van ollama pull gemma4:12b-it-qat). In LM Studio importeerde ik exact hetzelfde bestand met het commando lms import.
De testopstelling en parameters:
- Het volledige model geladen in VRAM, getest met contextlengtes van 4.096 en 32.768 tokens.
- Drie identieke opdrachten (over een fietsgids, warmtepomp en sollicitatiebrief), met een maximale antwoordlengte van 500 tokens en temperatuur 0,7.
- De snelheid is de mediaan van drie runs, gemeten via de OpenAI-compatibele streaming-API van de eerste tot de laatste token.
- VRAM-gebruik gemeten via het verschil in
nvidia-smivoor en tijdens het genereren. - Testsysteem: RTX 4090 24 GB, i9-14900KF, 64 GB RAM, Windows 11. Software: Ollama 0.40.5 en LM Studio 0.4.26 met de llama.cpp CUDA 12 runtime (versie 2.60.0). Gemeten op 17 oktober 2026.
| Meting | Ollama | LM Studio |
|---|---|---|
| Generatiesnelheid (4.096 context) | 94,1 tok/s | 85,6 tok/s |
| Generatiesnelheid (32.768 context) | 93,9 tok/s | 80,8 tok/s |
| Tijd tot eerste token (4.096 context) | 0,21 s | 0,25 s |
| Tijd tot eerste token (32.768 context) | 0,17 s | 0,30 s |
| VRAM-verbruik (4.096 context) | 8,4 GB | 8,3 GB |
| VRAM-verbruik (32.768 context) | 8,3 GB | 9,2 GB |
De belangrijkste observaties uit deze metingen:
- Ollama was sneller: circa 10% sneller bij een korte context en 16% sneller bij een context van 32k tokens. Hoewel meetbaar, is het verschil tijdens handmatig chatten amper merkbaar omdat beide snelheden veel hoger liggen dan normaal leestempo.
- VRAM-beheer bij grote context: Ollama hield het geheugengebruik stabiel op 8,3-8,4 GB, terwijl LM Studio bij de 32k context groeide naar 9,2 GB (een toename van 0,9 GB). Bij zwaardere modellen kan dat net het verschil maken tussen wel of niet in de videokaart passen. Meer over bestandsformaten en geheugen lees je in het artikel over GGUF en kwantisatie.
- Denkmodus bij Gemma 4: In LM Studio activeerde Gemma 4 standaard een ingebouwde denkstap. Alle 500 gegenereerde tokens werden verbruikt aan interne redenering, waardoor het uiteindelijke tekstvak leeg bleef. De tokens per seconde zijn identiek, maar je moet langer wachten op zichtbaar resultaat. Via de API kun je dit uitschakelen met de parameter
"reasoning_effort": "none", waarna het model direct antwoordde in tekst. - Laadtijden: LM Studio laadde het model in 10,9 seconden vanaf een interne NVMe SSD. Ollama had bij de eerste start 78,6 seconden nodig omdat de bibliotheek op mijn tragere externe USB-opslaglocatie stond; bij een herhaling vanuit het systeemcachegeheugen zakte dit direct naar 6,9 seconden. Dit verschil ligt aan de opslaglocatie, niet aan de software zelf.
Op 3 oktober 2026 behaalde dezelfde test in Ollama 0.35.1 nog 100,8 tok/s bij 8,3 GB VRAM. Die meting kon destijds niet met LM Studio 0.4.25 worden vergeleken doordat een scriptfout de API-statistieken niet goed uitleerde. Daarom heb ik op 17 oktober de volledige benchmark opnieuw uitgevoerd door de tokenstroom direct te tellen. Wie grotere modellen overweegt, kan ook mijn eerdere test van Gemma 4 31B lokaal bekijken.
Technische functies en verschillen
| Eigenschap | LM Studio | Ollama |
|---|---|---|
| Besturingssystemen | Windows (x64/ARM), macOS, Linux | Windows, macOS, Linux, Docker |
| Runtimes op Windows | llama.cpp: CUDA, Vulkan, CPU | llama.cpp: CUDA 12 en 13, ROCm, Vulkan, CPU |
| Apple Silicon (Mac) | Metal en MLX | Metal, MLX standaard vanaf 0.40 |
| Modelimport | Hugging Face-zoekfunctie met VRAM-indicator | ollama.com-catalogus of GGUF (ollama pull hf.co/...) |
| Parameters aanpassen | Grafische schuifbalken (context, GPU-lagen, etc.) | Modelfile of API-parameters (num_ctx, num_gpu) |
| API-ondersteuning | OpenAI-compatibel, Anthropic-compatibel, eigen REST | OpenAI-compatibel, Anthropic-compatibel, eigen REST |
| Documentanalyse (RAG) | Standaard ingebouwd (PDF, DOCX, TXT) | Niet aanwezig (vereist aparte frontend) |
| MCP-ondersteuning | Ingebouwde MCP-client | Ondersteunt tool calls via API, geen client |
| Licentie | Eigen licentie (gratis voor werk en privé) | MIT (volledig opensource) |
| Cloudoptie | LM Studio Bionic, vanaf 20 USD/mnd | Optionele cloudmodellen, vanaf 20 USD/mnd |
De ondersteunde runtimes van Ollama zijn direct terug te vinden in de installatiemap onder Windows (met mappen als cuda_v12, cuda_v13, rocm_v7_1 en vulkan). Als je twijfelt over de hardware-investeringen tegenover clouddiensten, raadpleeg dan de analyse over lokale AI versus API-kosten.
Installatie en schijfruimte
| Onderdeel | Ollama | LM Studio |
|---|---|---|
| Installatiemethode (Windows) | Installer via ollama.com of winget install Ollama.Ollama |
Installer via lmstudio.ai of winget install ElementLabs.LMStudio |
| Schijfruimte applicatie | 2,8 GB (inclusief CUDA-bibliotheken) | 1,4 GB basis (runtimes los, bijv. CUDA 12 is 162 MB) |
| Account verplicht | Nee | Nee |
De bestandsgroottes zijn gemeten op 17 oktober 2026. Een aandachtspunt bij LM Studio is dat het programma oude runtimes bewaart na updates. Op mijn systeem stonden na enkele maanden 21 verschillende runtimemappen met een totale omvang van 5,0 GB. Deze ongebruikte versies kun je eenvoudig handmatig opschonen via de instellingen (onder Runtime).
Koppelingen met externe applicaties
Beide engines kunnen populaire modellen zoals Gemma en Qwen zonder problemen hosten. Het koppelen aan ontwikkeltools en workflows verloopt bij beide programma’s soepel:
- VS Code: Ollama beschikt over specifieke extensies die direct integreren in de editor-chat. LM Studio koppel je via de lokale endpoint
http://localhost:1234/v1. - Open WebUI: Heeft een directe, native integratie met Ollama. LM Studio koppel je eenvoudig via de OpenAI-compatibele API-modus.
- n8n en automatiseringen: n8n heeft een ingebouwde Ollama-node. Voor LM Studio selecteer je de reguliere OpenAI-node en vul je jouw lokale basis-URL in.
- Anthropic-compatibele tools: Beide programma’s bootsen de Anthropic-endpoints na, waardoor je ontwikkelaarsgereedschappen die om een Claude-endpoint vragen lokaal kunt testen door alleen de URL aan te passen.
Problemen oplossen en instellingen controleren
- Model past niet in het videogeheugen: In LM Studio gebruik je de schuifregelaar GPU Offload bij het inladen of kies je een kleinere kwantisatie. In Ollama stuur je dit aan met de parameter
num_gpuin een Modelfile of API-verzoek; niet-toegewezen lagen worden naar de processor verplaatst. Dit kost wel veel rekenkracht: toen ik Gemma 4 12B testte met 3 van de 48 lagen op de CPU, zakte de snelheid van 99 naar 48 tokens per seconde. - Trage verwerking controleren: Controleer altijd of het model daadwerkelijk op de grafische kaart draait. Bij Ollama voer je
ollama psuit in de terminal (dit moet “100% GPU” tonen). LM Studio toont de verdeling direct in de onderste statusbalk en via het commandolms ps. - Contextlengte aanpassen: Standaard hanteren beide tools een conservatieve context. In LM Studio pas je dit aan via het invoerveld Context Length bij het inladen. In Ollama doe je dit met de schuifbalk in de desktop-app, de omgevingsvariabele
OLLAMA_CONTEXT_LENGTHof de API-parameternum_ctx. - Lege antwoorden voorkomen: Controleer bij onverwachte lege antwoorden of het model in een denkmodus staat. In LM Studio zie je dit in de modelinstellingen; bij Ollama pas je de sjabloondefinitie aan in het Modelfile.
Veelgestelde vragen
Wat is sneller, Ollama of LM Studio?
In mijn test op een RTX 4090 met Gemma 4 12B was Ollama sneller: 94 tegenover 86 tokens per seconde bij een context van 4.096, en 94 tegenover 81 tokens per seconde bij 32.768 tokens. In dagelijks chatgebruik is dit verschil nauwelijks merkbaar. De keuze van kwantisatie en het aantal lagen op de videokaart hebben een veel grotere invloed op de prestaties.
Zijn Ollama en LM Studio volledig gratis?
Ja, beide programma’s zijn gratis te gebruiken, ook voor zakelijke toepassingen. Ollama heeft een opensource MIT-licentie, terwijl de interface van LM Studio closed-source is. Er zijn alleen kosten aan verbonden wanneer je er bewust voor kiest om optionele cloudmodellen te gebruiken via hun abonnementen van 20 USD per maand.
Kunnen beide programma’s dezelfde modelbestanden gebruiken?
Ja, beide applicaties draaien op llama.cpp en lezen standaard GGUF-bestanden. Omdat Ollama bestanden opslaat onder interne hash-namen, is de handigste methode om een GGUF-bestand aan te bieden aan LM Studio via het commando lms import. Op die manier heb ik beide tools met hetzelfde bestand getest.
Welk programma is het meest geschikt voor beginners?
LM Studio is veruit het eenvoudigst voor wie net begint. De applicatie biedt een overzichtelijke grafische interface, waarschuwt visueel als een model te zwaar is voor je videokaart en laat je direct bestanden zoals PDF’s analyseren. Ollama is vooral aan te raden als je een stabiele achtergrondservice zoekt voor andere software.
Heeft Ollama een grafische interface?
Ja, Ollama levert tegenwoordig een basale chat-app mee voor Windows en macOS. Deze interface is echter bewust heel minimalistisch gehouden. Wie een uitgebreide chat-interface in de webbrowser zoekt met beheerfuncties, combineert Ollama meestal met Open WebUI.
Werken deze tools volledig zonder internetverbinding?
Ja, zodra een model eenmaal is gedownload, werken zowel Ollama als LM Studio volledig offline. Er worden geen gesprekken of prompts naar externe servers verstuurd. Alleen wanneer je zelf kiest voor de betaalde cloudmodellen is een actieve internetverbinding en een login vereist.
Bronnen
- Ollama GitHub Releases en de bijbehorende repository (MIT-licentie).
- Ollama Pricing (officiële tarieven voor cloudmodellen).
- LM Studio Downloadpagina en bijbehorende documentatie.
- LM Studio Pricing voor zakelijk gebruik en Bionic.
- LM Studio: gratis zakelijk gebruik.
- LM Studio Anthropic API compatibility en documentondersteuning.
- Ollama Documentatie.
- Eigen hardwaremetingen: RTX 4090, Ollama 0.35.1 (3 oktober 2026), Ollama 0.40.5 en LM Studio 0.4.26 (17 oktober 2026).
Gecontroleerd op 17 oktober 2026.
More on this from HELDER
ai-tools·Higgsfield AI Influencer: studio, instellingen en kosten (2026)Ontdek hoe de vernieuwde Higgsfield AI Influencer studio werkt. Van de 19 menu-opties en creditkosten tot beweging via Genjutsu en consistente gezichten met Soul ID.