Cherry Studio est un client de bureau open source : la version communautaire est gratuite, mais chaque appel de modèle est facturé par le fournisseur d'API. Le « prix de Cherry Studio » recouvre donc deux postes distincts : le coût du client lui-même, et celui des tokens consommés par le chat, la base de connaissances et le reranking. Cet article ne donne pas de prix unitaires qui seraient vite obsolètes ; il décrit la structure des coûts et une méthode d'estimation. Les modèles et la facturation en vigueur figurent sur la page tarifs des modèles.

Remarque : Cherry Studio est une marque de CherryHQ. Cet article est purement technique et n'implique aucune affiliation ni coopération avec CherryHQ. Les licences, fonctions et tarifs des versions communautaire et entreprise relèvent des pages officielles de l'éditeur ; les prix des modèles évoluent, consultez la page tarifs du site.

1. Séparer d'abord trois dépenses

Premier poste : le client. La version communautaire est open source et gratuite ; la version entreprise vise le déploiement privé et l'administration d'équipe ; son caractère payant et son barème relèvent de la page officielle de l'éditeur.

Deuxième poste : l'API des modèles. Le chat est facturé à l'entrée et à la sortie ; la base de connaissances ajoute des coûts d'embedding et de reranking. Ce poste ne dépend pas du client : il reste identique quel que soit l'outil utilisé.

Troisième poste : les coûts cachés — clés dispersées, indexation répétée, tentatives échouées, contextes trop longs, et le temps passé à changer de modèle pour économiser.

Poste Payé à Mode de facturation Point d'attention
Client communautaire Personne Open source, gratuit Fonctions et données locales à gérer soi-même
Version entreprise CherryHQ Selon l'offre de l'éditeur Déploiement privé et fonctions d'équipe en supplément
API de dialogue Fournisseur ou passerelle Tokens d'entrée/sortie Plus le contexte est long, plus chaque appel coûte
Embeddings et reranking Fournisseur ou passerelle Volume traité Générés à l'import et à chaque requête
Passerelle unifiée Opérateur de passerelle Usage réel Un point d'entrée pour plusieurs modèles et quotas

2. Le client est-il payant ?

Cherry Studio communautaire est publié sous AGPL-3.0 : téléchargement et usage gratuits, code public. La version entreprise propose déploiement privé, bases de connaissances partagées et autres fonctions d'équipe ; c'est un produit commercial, dont l'achat dépend des besoins de conformité et de collaboration.

Attention : open source ne signifie pas coût nul. La valeur du client réside dans l'interface, les assistants, la base de connaissances et l'intégration MCP ; l'inférence reste distante et la facture vient du fournisseur de modèles. Économiser sur le client ne rend pas le coût global plus faible.

3. Où part l'argent de la facturation à l'usage

Le coût d'une conversation ordinaire se compose de l'entrée et de la sortie. L'entrée comprend le prompt système, l'historique, les pièces jointes et les extraits de base de connaissances récupérés ; la sortie correspond au texte généré. Un dialogue multi-tours renvoie l'historique à chaque fois : plus les tours s'accumulent, plus l'entrée cumulée augmente.

Prenons un exemple sans prix : une question accompagnée de 3 000 tokens de contexte, sur 20 tours, peut représenter plusieurs dizaines de milliers de tokens d'entrée, alors que la réponse elle-même n'en compte que quelques milliers. La facture vient souvent de l'entrée et du contexte répété, pas de ce que l'on voit à l'écran.

Trois amplificateurs : coller un long document en entier, transporter un historique volumineux à chaque tour, relancer fréquemment les requêtes. Les maîtriser est plus efficace que de simplement changer pour un modèle moins cher.

4. La facture cachée de la base de connaissances : embeddings, reranking et réindexation

La base de connaissances est une fonction courante de Cherry Studio, et un poste de coût souvent sous-estimé. Selon la documentation officielle, l'import d'un fichier analyse le texte, le découpe en blocs, puis construit un index par mots-clés et un index vectoriel. Ce processus comprend généralement :

  • Embeddings : chaque bloc de texte appelle une fois le modèle d'embedding ; plus il y a de fichiers et de blocs, plus le volume d'appels augmente.
  • Requêtes : chaque question doit être transformée en vecteur pour la recherche sémantique.
  • Reranking : lorsqu'il est activé, la question et les extraits candidats repassent dans un modèle de reranking.
  • Réindexation : changer de modèle d'embedding, de méthode de découpage ou de paramètres d'analyse impose de réindexer l'existant, donc de payer une seconde fois les embeddings.

Une base de connaissances ne s'arrête donc pas à « un import une fois pour toutes ». Une mise à jour de modèle, un réglage de paramètres ou un remplacement de document peut déclencher un recalcul. Validez d'abord sur un petit échantillon, puis indexez par lots, pour éviter une reprise massive.

5. Ce que le cache et la gestion du contexte permettent d'économiser

La plupart des fournisseurs appliquent un tarif de cache aux préfixes d'entrée répétés, mais les conditions diffèrent : le préfixe doit être stable, le cache a une fenêtre de validité, et un changement de modèle l'invalide souvent. Cherry Studio ne modifie pas les règles du fournisseur ; ce que vous pouvez faire, c'est placer les contenus stables en tête :

  • Prompt système, rôle et règles fixes au début de la conversation.
  • Journaux temporaires, erreurs du moment et fichiers récemment modifiés à la fin.
  • Éviter de modifier sans cesse les premiers messages et de changer de modèle à répétition.
  • Indexer ou résumer les longs documents au lieu de les recoller intégralement.
  • Créer un assistant par tâche, plutôt qu'une seule session interminable pour tout faire.

Le gain dépend du taux de succès du cache et des habitudes d'usage ; aucun pourcentage universel n'est possible. Comparez les factures réelles avant et après activation.

6. À quels niveaux fixer les plafonds budgétaires

Le seul self-control ne suffit pas. Prévoyez trois niveaux :

  1. Côté passerelle, fixer un quota mensuel et un seuil d'alerte par clé.
  2. Répartir le budget par projet plutôt que par personne, pour faciliter la consolidation.
  3. Réserver les modèles légers aux tâches courantes et demander les modèles coûteux au cas par cas.
  4. Créer une clé dédiée à la base de connaissances, avec un suivi séparé des embeddings et du reranking.
  5. Estimer le nombre de blocs avant une indexation par lots, conserver une sauvegarde de restauration.
  6. Vérifier chaque semaine les assistants et modèles les plus consommateurs.
  7. Compter à part les erreurs 429, les timeouts et les tentatives, pour éviter les dépenses inutiles.
  8. Accorder un quota bas par défaut aux nouveaux membres, puis l'augmenter après stabilisation.

L'avantage d'une passerelle unifiée est la centralisation de la facture : un point d'entrée, un historique d'usage, des ventilations par clé ou par projet. L'inscription se fait sur /sign-up.

7. Une méthode d'estimation recalculable

Injectez les tokens de vos journaux réels dans la fonction ci-dessous ; lisez les prix unitaires sur la page tarifs des modèles ou chez le fournisseur, dans une unité cohérente (par million de tokens). Le calcul ne suppose aucun prix :

def monthly_cost(chat_in, chat_out, cached_in,
                 embed_tokens, rerank_tokens, price):
    """price : prix unitaire du poste concerné, par million de tokens"""
    return (
        (chat_in - cached_in) * price["input"]
        + cached_in * price["cached_input"]
        + chat_out * price["output"]
        + embed_tokens * price["embedding"]
        + rerank_tokens * price["rerank"]
    ) / 1_000_000

Relevez au minimum cinq mesures : entrée, succès de cache, sortie, volume d'embeddings et volume de reranking. Ne compter que les requêtes réussies sous-estime la facture ; la réindexation et les tentatives échouées doivent aussi être incluses.

8. Erreurs fréquentes

« Open source, donc entièrement gratuit » ignore le coût des modèles. « Le client est gratuit, donc on peut tout faire » fait exploser la facture au moment de l'indexation. « Comparer seulement le prix du dialogue » oublie les embeddings et le reranking. « Un modèle moins cher est forcément plus économique » néglige les tentatives échouées et le nombre de tours. Autre erreur : considérer le cache comme acquis, alors qu'un changement de préfixe peut l'invalider.

Questions fréquentes

Cherry Studio est-il payant ?

La version communautaire est open source et gratuite ; la version entreprise est un produit commercial dont les fonctions et tarifs figurent sur les pages officielles de l'éditeur. Dans les deux cas, les appels de modèles sont facturés séparément.

Faut-il forcément acheter une API pour utiliser Cherry Studio ?

Pour appeler des modèles cloud, il faut une clé API valide, fournie par un fournisseur de modèles ou par une passerelle compatible. Avec des modèles locaux, aucune API cloud n'est nécessaire, mais il faut de la puissance machine.

Pourquoi la base de connaissances peut-elle coûter plus cher que le chat ?

L'embedding des blocs à l'import, l'embedding à chaque requête, le reranking optionnel et la réindexation après changement de modèle génèrent des coûts. Avec beaucoup de fichiers et des mises à jour fréquentes, ce poste grimpe vite.

Un modèle d'embedding local permet-il d'économiser ?

Il réduit les appels d'API d'embedding, mais consomme CPU ou GPU et dépend du matériel. La rentabilité dépend du volume de documents, de la fréquence de mise à jour et de la qualité de recherche attendue ; comparez d'abord à petite échelle.

Comment savoir si la facturation à l'usage convient à une équipe ?

Enregistrez l'usage réel sur une à deux semaines, recalculez avec la formule ci-dessus, puis comparez à une offre à budget fixe. Les équipes dont l'usage fluctue et qui changent souvent de modèle s'accommodent généralement mieux d'un paiement à l'usage avec plafonds.

En résumé

Le coût du client Cherry Studio est faible ; la vraie facture vient des appels de modèles, en particulier des embeddings, du reranking et de la réindexation de la base de connaissances. Mesurez d'abord l'usage réel, fixez ensuite des plafonds, et comparez en dernier les gammes de modèles. Pour un point d'entrée unifié et la gestion multi-modèles, vous pouvez créer un compte ZSQH AI Gateway ; les prix sont indiqués sur la page tarifs des modèles.

Lectures associées :