在 macOS 上使用 LM Studio 本地部署 Qwen3‑coder‑next：完整配置与实战指南

前言

本文记录了在配备 MLX 8‑bit、128 GB 内存的 Mac Ultra 上，通过局域网将 Qwen3‑coder‑next 作为本地代码生成代理运行于 LM Studio 的完整步骤。重点在于 LM Studio 的配置文件写法、网络地址设定以及常见坑点，帮助想要摆脱云端 API 限制的开发者快速上手。

关键步骤

1. 准备模型服务

   • 仅使用官方仓库 https://github.com/QwenLM/qwen-code，克隆后按照 README 启动本地 HTTP 接口（默认端口 1234）。
   • 运行示例（假设已安装依赖）：

   git clone https://github.com/QwenLM/qwen-code.git
   cd qwen-code
   python -m qwen_code --host 0.0.0.0 --port 1234
   

   • 该服务兼容 OpenAI‑style 接口，但在 LM Studio 中必须声明为 anthropic 类型，否则会报错。

2. 编辑 LM Studio 的 settings.json

   {
     "modelProviders": {
       "anthropic": [
         {
           "id": "qwen/qwen3-coder-next",
           "name": "qwen/qwen3-coder-next",
           "baseUrl": "http://192.168.1.100:1234",
           "envKey": "OPENAI_API_KEY"
         }
       ]
     },
     "env": {
       "OPENAI_API_KEY": "none"
     },
     "security": {
       "auth": {
         "selectedType": "anthropic"
       }
     },
     "model": {
       "name": "qwen/qwen3-coder-next"
     },
     "$version": 3,
     "telemetry": {
       "enabled": false,
       "target": "local"
     }
   }
   

   • 关键点：modelProviders 必须使用 anthropic，envKey 仍写 OPENAI_API_KEY（值设为 none），否则 LM Studio 会尝试调用 OpenAI 的鉴权。
   • baseUrl 填写本机或局域网 IP 与端口，确保 LM Studio 与模型服务在同一网络段。

3. 启动 LM Studio 并选择模型

   • 重新加载设置后，在模型列表中即可看到 qwen/qwen3-coder-next，切换为该模型即可开始代码补全、文件阅读、执行等交互。

性能与使用感受

• 瓶颈：大多数时间消耗在提示（prompt）处理上，即模型生成代码的计算过程。网络延迟几乎可以忽略，主要是 CPU/GPU（MLX）算力限制。
• 建议：
  • 使用 8‑bit 量化（MLX）可以显著降低显存占用；
  • 调整 max_tokens 与 temperature，避免不必要的长输出；
  • 若有多台机器，可将模型服务放在更强的服务器上，仅通过 LAN 调用。

注意事项

• 严禁使用非官方的 “vibecoding” 代码仓库，这些社区改版往往缺乏安全审计，容易引入后门或不兼容的改动。
• 本文所示的 settings.json 仅供 首次本地代码代理 的用户参考，实际项目中请根据安全策略自行加固。

展望

作者计划在明日加入更复杂的代码片段，以评估模型的代码理解深度。若有加速或提升效果的技巧，欢迎在评论区共享。