Локальные модели в OpenCode — как подключить Ollama и LM Studio и работать без интернета

OpenCode может работать не только с облачными моделями, но и с локальными — запущенными на вашем компьютере. Для этого подходят Ollama, LM Studio или llama.cpp. Они поднимают у вас локальный сервер, а OpenCode подключается к нему как к обычному провайдеру. Плюсы: бесплатно и ничего не уходит в облако. Минусы: нужен мощный компьютер, а качество обычно ниже сильных облачных моделей.

Когда локальная модель имеет смысл

• Код или данные нельзя отправлять в облако: клиентские проекты, закрытые документы.
• Нужно работать без интернета.
• Хочется экспериментировать без лимитов и счетов.
• У вас мощный компьютер, особенно с хорошей видеокартой.

Если компьютер слабый, а приватность не критична, быстрее и качественнее будет облачная модель — даже бесплатная из OpenCode.

Вариант 1. Ollama

Ollama — самый простой способ запускать модели локально. По документации OpenCode она умеет сама настроиться для работы с OpenCode — подробности в её разделе интеграций.

Если настраиваете вручную, в файл opencode.json добавляется провайдер с адресом локального сервера Ollama:

{
  "provider": {
    "ollama": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "Ollama (local)",
      "options": { "baseURL": "http://localhost:11434/v1" },
      "models": { "имя-модели": { "name": "Моя локальная модель" } }
    }
  }
}

Вместо имя-модели укажите модель, которую вы скачали в Ollama.

Важно: если агент «не умеет» пользоваться инструментами — не читает файлы, не запускает команды, — увеличьте размер контекста (num_ctx) в Ollama. OpenCode советует начать с 16–32 тысяч. На маленьком контексте агенту просто не хватает места на инструкции.

Вариант 2. LM Studio

LM Studio — программа с окнами, где удобно скачивать и запускать модели. Включите в ней локальный сервер, а в opencode.json укажите адрес http://127.0.0.1:1234/v1 и тот же пакет @ai-sdk/openai-compatible, что для Ollama.

Вариант 3. llama.cpp

Для тех, кто хочет максимум контроля. Сервер llama.cpp подключается так же, с адресом http://127.0.0.1:8080/v1. Для модели можно явно указать лимиты контекста и ответа.

Как выбрать модель

• Берите модели, которые специально учили на коде, — в названии часто есть «coder».
• Смотрите на память. Модель должна помещаться в память видеокарты или в оперативную память с запасом. Иначе всё будет очень медленно.
• Начните с небольшой модели и проверьте, справляется ли она с вашими задачами. Нет — берите больше, если позволяет железо.

Чего ждать по качеству

Честно: локальные модели, которые помещаются в обычный компьютер, заметно слабее лучших облачных. Для простых задач их хватает: мелкие правки, объяснение кода, шаблоны. Сложную логику, большие проекты и хитрые ошибки облачные модели решают надёжнее.

Хорошая схема: локальная модель для приватной рутины, облачная — для сложного. В OpenCode переключаться между ними — одна команда /models.

С чего начать

Если OpenCode у вас ещё не стоит, начните со статьи «OpenCode: что это и как пользоваться бесплатно». А если не можете выбрать инструмент вообще, есть схема выбора ИИ для программирования.

Больше практики

Какие локальные модели я пробовал, что с ними получилось и где они реально полезны, рассказываю в Telegram-канале. Там же анонсы курсов по вайбкодингу.

Частые вопросы

Можно ли использовать OpenCode с локальными моделями?

Да: через Ollama, LM Studio или llama.cpp. Они запускают модель на вашем компьютере, а OpenCode подключается к ней как к обычному провайдеру.

Как подключить Ollama к OpenCode?

Ollama умеет настроиться для OpenCode автоматически. Вручную — добавьте в opencode.json провайдера с адресом http://localhost:11434/v1 и пакетом @ai-sdk/openai-compatible.

Почему локальная модель в OpenCode не читает файлы?

Чаще всего не хватает контекста. Увеличьте num_ctx в Ollama — OpenCode советует начинать с 16–32 тысяч.

Локальные модели бесплатные?

Да, вы платите только за электричество и железо. Но нужен мощный компьютер, а качество обычно ниже сильных облачных моделей.

Что лучше: локальная или облачная модель?

Облачные сильнее и быстрее, локальные — приватнее и без лимитов. Удобная схема: локальная для рутины с закрытыми данными, облачная для сложных задач.