Cherry Studio est un bureau multimodèle open source qui intègre plusieurs grands modèles cloud, modèles locaux, bases de connaissances et outils MCP dans le même client, couvrant Windows, macOS et Linux.

CherryStudio

Paramètres et statistiques de base

Cherry Studio est un client d'IA de bureau open source. Sa valeur fondamentale est de faire converger de grands modèles, des modèles locaux, des bases de connaissances et des outils externes dispersés auprès de différents fournisseurs vers la même application locale. La description anglaise de l'entrepôt officiel est « Studio de productivité IA avec chat intelligent, agents autonomes et plus de 300 assistants. Accès unifié aux LLM frontières », et le positionnement est « un établi de productivité avec un accès unifié aux grands modèles frontières ».

Projets	Informations publiques
Positionnement officiel	Client de productivité Desktop AI qui fournit un accès unifié à plusieurs grands modèles
Formulaire de produit	Client de bureau Windows / macOS / Linux
Accès au modèle	Plusieurs API de grands modèles cloud + modèles locaux (tels qu'Ollama)
Capacités intégrées	Agents, base de connaissances Les outils MCP appellent plus de 300 préréglages d'assistant
Licence open source	Entrepôt public GitHub, l'open source peut être construit par vous-même
Taille de la communauté	Environ 47 127 étoiles, 4 470 fourchettes
Dernière version	v1.9.11 (07/06/2026, versions GitHub)
Création d'entrepôt	2024-05

Positionnement « Client et non modèle » : Cherry Studio lui-même n'entraîne pas de modèles, mais agit comme une couche d'agrégation pour les modèles et les outils. Les utilisateurs apportent leurs propres clés API ou modèles locaux, et le logiciel est responsable de la gestion des sessions, de l'organisation des mots d'invite, de la récupération de la base de connaissances et de la disposition des outils.

Taille de la communauté : GitHub compte environ 47 000 étoiles et 4 470 forks, ce qui indique qu'il a formé une base stable d'utilisateurs et de contributeurs dans le segment client multimodèle open source, et que les commentaires sur les problèmes et les correctifs de version font l'objet d'une vérification externe.

Couverture à trois terminaux : la page de version officielle fournit également des packages d'installation pour Windows, macOS et Linux, qui conviennent aux utilisateurs qui ont besoin de corriger leur flux de travail sur le bureau et ne s'appuient pas sur un seul onglet de navigateur.

Reconnaissance des utilisateurs et du marché

La reconnaissance de Cherry Studio se reflète principalement dans les données de la communauté open source et les discussions sur l'écosystème chinois des outils d'IA. Le nombre officiel d’utilisateurs payants ou les chiffres de revenus n’ont pas été divulgués.

Popularité de la communauté : environ 47 127 étoiles et 4 470 forks sur GitHub. Il s'agit de l'un des projets leaders dans la catégorie des « clients d'agrégation multimodèles » et a une fréquence d'itération élevée (1.9.x continue d'être mis à jour avec des versions mineures).

Scénarios d'adoption typiques : il est souvent utilisé par des développeurs individuels, des chercheurs et des équipes de petite et moyenne taille qui ont besoin de comparer les résultats de plusieurs modèles en même temps, ou qui souhaitent utiliser les données internes de l'entreprise comme base de connaissances locale. La possibilité de comparer plusieurs modèles en parallèle est un point de différence mentionné à plusieurs reprises.

Prérequis : Cherry Studio n'est pas livré avec un quota de modèle et sa valeur dépend de l'utilisateur détenant déjà une clé API de modèle disponible ou de la puissance de calcul locale. Pour les utilisateurs purement novices qui ne souhaitent pas du tout configurer l’API et souhaitent simplement l’utiliser directement, le seuil est plus élevé que celui de l’assistant web officiel intégré.

Avantage de coût

• C-side/Individuel : Généralement, une version gratuite est fournie pour découvrir les fonctions de base, et l'utilisation à haute fréquence nécessite un abonnement payant.
• API/Développeur : Facturé au volume d'appels, adapté aux équipes de développement qui peuvent être intégrées de manière flexible dans leurs propres systèmes.
• Entreprise/Privatisé : contactez le propriétaire de l'entreprise pour un devis personnalisé et un plan de déploiement. Le prix spécifique est soumis à la page officielle de tarification en temps réel.

Fonctions principales

Les fonctions de Cherry Studio s'articulent autour d'un « seul client pour gérer tous les modèles et outils » :

• Accès unifié à plusieurs modèles : accédez à plusieurs grands modèles cloud et modèles locaux sur la même interface pour faciliter la comparaison horizontale de la qualité des réponses à la même question à partir de différents modèles.
• Base de connaissances locale : importez des documents pour créer une base de connaissances privée, implémentez la récupération et des questions et réponses améliorées basées sur vos propres données, et enregistrez les données localement.
• Préréglages d'agent et d'assistant : plus de 300 préréglages d'assistant/agent intégrés, qui peuvent être rapidement appelés par rôle et prennent en charge les mots et paramètres d'invite personnalisés.
• Appel d'outil MCP : connectez des outils externes et des sources de données au dialogue via MCP, afin que le modèle ait la capacité "d'appeler l'outil pour terminer la tâche" au lieu de générer du texte pur.
• Gestion des sessions de bureau : fournit des fonctionnalités organisationnelles telles que la récupération de sujets, de regroupements et d'historiques, adaptées à l'accumulation à long terme de ressources de dialogue et de mots d'invite.

La clé de la mise en œuvre fonctionnelle réside dans la stabilité de l'outil MCP de qualité de segmentation et de récupération de la base de connaissances, ainsi que dans la cohérence des mots d'invite et du contexte lors du basculement entre plusieurs modèles.

Evolution du modèle et de la version

Mises à jour itératives continues, la dernière version introduit une optimisation des performances et de nouvelles fonctionnalités. Les informations sur la version historique peuvent être consultées sur la page de version officielle. Il n’existe pas encore de calendrier complet d’évolution de la version publique. Il est recommandé de prêter attention à l'annonce officielle pour comprendre le rythme des mises à jour des fonctionnalités.

Avantages techniques

L'orientation technique de Cherry Studio est « l'agrégation et l'orchestration » plutôt qu'un modèle auto-développé. Ses avantages proviennent de trois mécanismes :

• Architecture de couche d'agrégation → Réduire les coûts de commutation : Encapsulez les différences entre les API de différents fabricants dans une interface unifiée. Les utilisateurs n'ont pas besoin de créer des outils distincts pour chaque modèle, ils peuvent donc modifier les modèles de manière flexible en un seul flux de travail, réduisant ainsi le risque d'être liés à un seul fournisseur.
• Traitement local des données → Satisfait aux scénarios de confidentialité : La base de connaissances et les données de session sont stockées localement, et avec le modèle local, les données ne quittent pas l'appareil/intranet, s'adaptant aux scénarios de recherche et d'intranet d'entreprise sensibles à la souveraineté des données.
• Accès standardisé MCP → extension contrôlable : accédez à des outils externes via le protocole MCP, permettant à l'écosystème d'outils de se développer de manière standard et d'éviter d'écrire du code de colle unique pour chaque intégration.

Ces mécanismes déterminent conjointement qu'il est plus adapté aux utilisateurs avancés qui « doivent être contrôlables, personnalisables et privés » plutôt qu'aux utilisateurs légers qui recherchent une configuration zéro.

Comment utiliser

Cherry Studio utilise le client de bureau comme entrée principale. Le chemin d'utilisation typique est le suivant :

• Obtenez le client : téléchargez le package d'installation Windows/macOS/Linux correspondant depuis le site officiel ou les versions GitHub.
• Modèle de configuration : remplissez la clé API de chaque grand modèle dans les paramètres, ou accédez au modèle local (par exemple via Ollama), et vous pourrez basculer entre eux dans la conversation.
• Créer une base de connaissances : importez des documents locaux pour générer une base de connaissances et activez la récupération et la réponse aux questions en fonction de la base de connaissances dans la conversation.
• Access Tools : configurez le service MCP à la demande, permettant au modèle d'appeler des outils et des sources de données externes pendant la conversation.

Étant donné que le logiciel n'a pas de quota de modèle intégré, vous devez préparer au moins une clé API de modèle disponible ou un modèle local avant de l'utiliser pour la première fois, sinon vous ne pourrez pas lancer une conversation valide.

Prix des produits

Le modèle de tarification est soumis à la page officielle en temps réel. Habituellement, un système freemium ou d'abonnement est utilisé et les fonctions de base peuvent être utilisées gratuitement. Les fonctions avancées ou l'utilisation à haute fréquence nécessitent des abonnements payants, et il est conseillé aux utilisateurs d'évaluer la solution optimale en fonction de l'utilisation réelle.

Scénarios d'application

• Évaluation comparative multi-modèle : les chercheurs ou développeurs envoient la même question à plusieurs modèles en même temps pour comparer la qualité et le style des réponses horizontalement afin de faciliter la sélection du modèle.
• Questions et réponses sur la base de connaissances privée : importez des documents internes, des manuels et des documents de recherche dans la base de connaissances locale, effectuez une récupération et des questions et réponses améliorées en fonction de vos propres données et conservez les données localement.
• Flux de travail amélioré par les outils : connectez-vous à des outils externes via MCP, permettant au modèle d'interroger des données et d'appeler des interfaces dans des conversations pour effectuer des tâches au-delà de la génération de texte brut.

L'objectif de vérification de chaque type de scénario est différent : l'évaluation comparative se concentre sur le changement de modèle et la cohérence du contexte, les questions et réponses de la base de connaissances se concentrent sur la précision de la segmentation et de la récupération, et le flux de travail de l'outil se concentre sur la stabilité du service MCP et les limites d'autorisation.

Personnes concernées

• Développeurs individuels et passionnés de technologie : j'espère utiliser un seul client pour gérer plusieurs modèles et modèles locaux, et personnaliser les mots d'invite et les outils.
• Travailleurs de recherche et de contenu : utilisateurs qui ont besoin de comparer plusieurs modèles ou de transformer une grande quantité de données en une base de connaissances consultable.
• Équipes de petite et moyenne taille qui valorisent la confidentialité des données : espèrent traiter des données sensibles sur l'intranet ou localement et parvenir à la contrôlabilité des données à l'aide de modèles open source et locaux.

Ne convient pas aux limites : Pour les utilisateurs purement débutants qui ne souhaitent pas du tout configurer de clés API et souhaitent simplement cliquer et utiliser, il sera plus facile d'utiliser l'assistant Web intégré ; pour les grandes entreprises qui ont besoin de SLA solides, de contrats de conformité et d'un support technique officiel, elles doivent évaluer elles-mêmes les limites de support des projets open source.

Résumé et Outlook

La principale compétitivité de Cherry Studio réside dans l'utilisation d'un client de bureau multiplateforme open source pour faire converger plusieurs grands modèles, modèles locaux, bases de connaissances et outils MCP dans un flux de travail unifié, et répondre aux scénarios de confidentialité grâce au traitement local des données. La taille de la communauté d'environ 47 000 étoiles et l'itération haute fréquence de 1.9.x indiquent que le projet est en maintenance active. Les limitations actuelles sont les suivantes : il dépend des utilisateurs apportant leur propre quota de modèles, et son utilisation prête à l'emploi pour les purs novices est limitée ; Le support commercial au niveau de l'entreprise et les conditions de licence n'ont pas été officiellement divulgués.

Suggestions de mise en œuvre : les individus et les petites équipes peuvent télécharger directement le client et utiliser d'abord une clé API de modèle existante pour exécuter les deux scénarios principaux de comparaison multimodèle et de base de connaissances locale ; si vous envisagez de le déployer à grande échelle dans l'intranet de l'entreprise, vous devez d'abord vérifier la stabilité et la qualité de récupération du modèle local + base de connaissances dans un environnement isolé, et confirmer auprès du responsable l'autorisation commerciale, le support technique et les conditions de conformité avant l'expansion.

Outils associés : deepseek, ChatGPT

Evolution de la version de Cherry Studio

L'entrepôt Cherry Studio a été créé en 2024-05. Après avoir traversé les premières étapes de 0.x, il est entré dans la ligne principale stable 1.x. Il maintient actuellement de petites itérations de versions à haute fréquence dans le segment 1.9.x.

Version principale

• v1.9.11 (07/06/2026) : la dernière version stable qui peut être vérifiée par GitHub Releases actuellement, qui constitue la référence pour l'évaluation du déploiement.
• v1.0.0 (~2024-12) : signe d'entrée dans la ligne principale stable 1.x, établissant le squelette du produit d'un client multimodèle + base de connaissances + distribution à trois terminaux. Il n’y a pas encore de date officielle précise.

Début

• Première version 0.x (à partir de ~ 2024-07) : concentrez-vous sur l'accès multimodèle et l'expérience de conversation de base, établissant le positionnement de la « couche d'agrégation ». Il n’y a pas encore de date officielle précise.

Les versions mineures 1.9.x étant fréquemment mises à jour, il est plus approprié de verrouiller une version stable pour une évaluation de clôture lors de son déploiement en production ou pour une équipe, puis de la mettre à niveau après avoir confirmé la compatibilité de la base de connaissances et de MCP dans le journal de mise à jour.

Comparaison des produits concurrents

Dimensions de comparaison	Studio Cerise	Concurrent A	Concurrent B
Différences fondamentales	—	—	—
Prix ​​	—	—	—
Utilisateurs cibles	—	—	—

Remarque : la comparaison ci-dessus est basée sur les informations publiques sur le produit et les différences réelles sont basées sur l'expérience utilisateur.

Informations de version

• Cerise Studio v1.9.11 ：La dernière version stable publiée par GitHub Releases, itère le long de la ligne principale des clients multimodèles de bureau et continue d'améliorer la capacité d'appeler des agents, des bases de connaissances et des outils MCP. （2026-06-07）
• Cerise Studio v1.0.0 ：Entrée dans la version emblématique de la ligne principale stable 1.x, établissant une forme de produit de client multimodèle, de base de connaissances et de distribution de bureau. Il n’y a pas encore de date officielle précise, veuillez vous référer à la page de sortie officielle. （~2024-12）
• Cherry Studio 0.x première version ：L'entrepôt a été créé en 2024-05. L'étape 0.x se concentre sur l'accès multimodèle et l'expérience de conversation de base. Il n’y a pas encore de date officielle précise, veuillez vous référer à la page de sortie officielle. （~2024-07）