Cherry Studio: 1 interfaccia per tutti i tuoi LLM (locali + cloud)

#Perché Cherry Studio

Cherry Studio (CherryHQ/cherry-studio su GitHub, licenza AGPL-3.0) è un'app desktop Electron che si pone come aggregatore di provider LLM. L'idea: un'unica interfaccia, un solo storico, i tuoi prompt disponibili ovunque — indipendentemente dal modello sottostante, che sia un Qwen 3.5 locale su Ollama, GPT-4o presso OpenAI, o Claude Sonnet presso Anthropic.

Per chi combina LLM locali e in cloud, Cherry Studio risolve un problema concreto: smettere di passare continuamente da LM Studio per i modelli locali a ChatGPT.com per OpenAI, a Claude.ai per Anthropic e a una scheda Mistral per Le Chat. Configuri ogni provider una volta e passi da un modello all'altro nella stessa conversazione se necessario.

Supporto nativo multi-fornitore

Ollama, LM Studio, OpenAI, Anthropic Claude, Mistral, DeepSeek, Gemini, OpenRouter, Groq, Together, e qualsiasi endpoint compatibile con OpenAI.

Open-source AGPL-3.0

Codice pubblico su GitHub. Nessuna telemetria in uscita di default. Puoi compilare tu stesso.

Desktop multipiattaforma

Windows, macOS (Intel + Apple Silicon), Linux (AppImage, .deb).

Assistenti persistenti

Prompt di sistema + parametri + modello preconfigurato, riutilizzabile come un GPT.

Basi di conoscenza

Importazione di file (PDF, Word, Markdown) con embedding — un RAG integrato senza dover ricorrere a soluzioni fai da te.

MCP (Model Context Protocol)

Collegamento di server MCP per fornire strumenti ai tuoi LLM (filesystem, web, database).

#Prerequisiti

Sistema a 64 bit

Windows 10/11, macOS 11+, Linux recente. Nessuna versione mobile ufficiale (Cherry Studio è solo desktop).

4 GB di RAM liberi

L'app stessa è leggera (Electron), ma se avvii anche Ollama con un modello 7B caricato, considera 8 GB in totale.

Almeno un backend LLM

O un'istanza di Ollama in esecuzione su localhost:11434, oppure una chiave API di un provider cloud (OpenAI, Anthropic, Mistral...). Senza uno di questi, l'app è vuota.

(Opzionale) Node.js per MCP

Diversi server MCP si installano tramite npx — Node 18+ consigliato se vuoi utilizzare questa funzionalità.

#1. Installazione Windows / macOS / Linux

Il progetto pubblica binari firmati sulla pagina Releases di GitHub. Scarica la versione stabile più recente direttamente dal repository ufficiale.

https://github.com/CherryHQ/cherry-studio/releases

1. 01
   Windows

   Scarica Cherry-Studio-x.y.z-x64-setup.exe (installer NSIS) o la versione portatile. Fai doppio clic e segui la procedura guidata. Nessuna dipendenza esterna da installare.
2. 02
   macOS

   Scarica il .dmg corrispondente alla tua architettura: Cherry-Studio-x.y.z-arm64.dmg per Apple Silicon (M1/M2/M3/M4), -x64.dmg per Intel. Trascina l'app in /Applications. Al primo avvio, clic destro → Apri per superare Gatekeeper se l'app non è stata notarizzata.
3. 03
   Linux

   Scarica il .AppImage (universale) o il .deb (Debian/Ubuntu). Per l'AppImage: chmod +x Cherry-Studio-x.y.z.AppImage, poi fai doppio clic. Per il .deb: sudo dpkg -i Cherry-Studio-x.y.z.deb.

#2. Collegare Ollama in locale

Al primo avvio, Cherry Studio apre una schermata vuota: nessun modello configurato. Cominciamo dalla cosa più semplice: configurare il collegamento al tuo Ollama locale.

Assicurati prima che Ollama sia in esecuzione e in ascolto sulla sua porta standard.

curl http://localhost:11434/api/tags

Dovresti ricevere una risposta in formato JSON con l'elenco dei modelli installati. Se curl restituisce un errore di connessione, avvia il servizio Ollama prima di procedere.

1. 01
   Aprire le impostazioni

   In Cherry Studio, clicca sull'icona Settings (in basso a sinistra), poi su Model Providers.
2. 02
   Attivare Ollama

   Trova Ollama nell'elenco dei provider e porta l'interruttore su ON. Il campo API Host viene compilato per impostazione predefinita con http://localhost:11434 — non modificare nulla se Ollama è in esecuzione sulla stessa macchina.
3. 03
   Sincronizzare i modelli

   Fai clic su Manage a destra, poi sul pulsante di aggiornamento. Cherry Studio interroga Ollama ed elenca tutti i tuoi modelli installati (qwen3.5, granite4.2, gemma4...). Spunta quelli che vuoi vedere nel selettore.
4. 04
   Testare

   Torna alla vista Chat, crea una nuova conversazione, scegli un modello Ollama dal menu in alto e invia un messaggio. La risposta deve comparire progressivamente nella finestra, in streaming.

#3. Aggiungere anche i provider cloud

Il vantaggio di Cherry Studio emerge quando combini più provider. Puoi avere 5 provider attivi contemporaneamente e passare dall'uno all'altro con un clic nel selettore del modello.

OpenAI

Chiave API su platform.openai.com. Cherry Studio mette a disposizione GPT-4o, GPT-4 Turbo, o1, ecc.

Anthropic Claude

Chiave API su console.anthropic.com. Modelli Claude Sonnet 4.6, Haiku, Opus disponibili.

Mistral

Chiave API su console.mistral.ai. Accesso a Mistral Large, Codestral, Pixtral.

DeepSeek

Chiave API su platform.deepseek.com. Accesso a DeepSeek V3, R1 (ragionamento).

OpenRouter

Una chiave sola per accedere a 200+ modelli attraverso un proxy unificato — pratico per testare rapidamente.

Endpoint personalizzato

Per qualsiasi server compatibile con OpenAI: vLLM, LM Studio in modalità server, Together, Fireworks, llama.cpp server.

1. 01
   Settings → Model Providers

   Attiva ogni provider che desideri utilizzare.
2. 02
   Incollare la chiave API

   Campo API Key. Cherry Studio crittografa le chiavi nella memoria locale dell'app (non in chiaro in un file di configurazione visibile).
3. 03
   Testare la connessione

   Il pulsante Check accanto alla chiave invia una richiesta di test. Verde = OK, rosso = chiave invalida o rete bloccata.
4. 04
   Scegliere i modelli da esporre

   Per ogni provider, seleziona i modelli che vuoi vedere nel selettore. Deseleziona quelli che non usi mai per non sovraccaricare il menu.

#4. Assistenti personalizzati

Un assistente Cherry Studio = un prompt di sistema + un modello predefinito + dei parametri (temperatura, contesto) + eventualmente una base di conoscenze collegata. È l'equivalente locale dei GPTs di OpenAI, con la differenza che mantieni il controllo.

1. 01
   Cliccare su + nella barra laterale Assistants

   Si apre un pannello di creazione. Nome, emoji, descrizione breve.
2. 02
   Definire il prompt di sistema

   È il cuore dell'assistente: il suo ruolo, i suoi vincoli, il tono atteso. Esempio: « Sei un correttore di elaborati in francese. Rispondi indicando gli errori uno per uno, con la relativa correzione. Niente parafrasi, niente compiacenza. »
3. 03
   Scegliere il modello predefinito

   Puoi selezionare qualsiasi modello di qualsiasi provider configurato. Per la correzione del testo in francese: mistral-large tramite API, o un mistral-small locale tramite Ollama se si desidera la privacy.
4. 04
   Regolare temperatura e contesto

   0,2 per un compito deterministico (correzione, estrazione), 0,7-1,0 per la scrittura creativa. La finestra di contesto dipende dal modello (fino a 128k per i modelli recenti).
5. 05
   Salvare

   L'assistente appare nella barra laterale. Un clic apre una nuova conversazione preconfigurata con queste impostazioni.

#5. Supporto al protocollo MCP (Model Context Protocol)

MCP è il protocollo pubblicato da Anthropic alla fine del 2024 per standardizzare il modo in cui un LLM accede a strumenti esterni: leggere un file, interrogare una base di dati, chiamare un'API. Cherry Studio è uno dei primi client desktop per utenti finali a supportarlo nativamente.

In pratica, dichiari un server MCP in Cherry Studio, e tutti i tuoi modelli compatibili con tool-use (Claude, GPT-4, alcuni Qwen 3.5 e Granite 4.2) possono chiamarlo durante una conversazione.

{
  "filesystem": {
    "command": "npx",
    "args": [
      "-y",
      "@modelcontextprotocol/server-filesystem",
      "/home/user/documents"
    ]
  }
}

Dopo l'aggiunta, l'assistente può elencare, leggere e scrivere nella cartella autorizzata. Chiedigli «Elenca i file .md nella mia cartella documenti e riassumi il più recente» — invoca lo strumento da solo.

#Cherry Studio vs Chatbox vs Jan

Tutti e tre sono client desktop open-source per LLM di più fornitori. Le differenze:

Cherry Studio

Il più completo per l'aggregazione: oltre 15 fornitori cloud, Ollama/LM Studio in locale, assistenti, basi di conoscenza, MCP. Interfaccia densa, curva di apprendimento leggermente più ripida.

Chatbox

Più minimalista e accessibile. Meno provider, nessun MCP, basi di conoscenza meno avanzate. Ottimo se vuoi semplicemente un client multi-API pulito, senza la pesantezza.

Jan

Più orientato a un approccio local-first: Jan integra un proprio motore di inferenza (basato su llama.cpp) e può quindi eseguire modelli senza dipendere da Ollama. Meno provider cloud rispetto a Cherry, nessun MCP al momento in cui scriviamo.

In sintesi: Cherry Studio se combini spesso locale e cloud e vuoi MCP. Jan se vuoi una soluzione locale tutto-in-uno senza Ollama. Chatbox se vuoi il client più semplice.

#Risoluzione dei problemi

Nessun modello Ollama viene visualizzato

Verifica che curl http://localhost:11434/api/tags risponda e fai clic su Manage → pulsante di aggiornamento nel provider Ollama. Se Ollama è in esecuzione ma non risponde, riavvia il servizio.

Errore 401 su OpenAI/Anthropic

Chiave non valida o scaduta. Rigenerala dalla console del provider e incollala di nuovo. Verifica anche che il tuo account abbia credito.

Errore di connessione al cloud dietro un proxy aziendale

Cherry Studio non legge sistematicamente le variabili d'ambiente HTTPS_PROXY. Configura il proxy in Settings → General → Network.

Il server MCP non si avvia

Node.js mancante o troppo vecchio. Installa Node 18+ (consigliato nvm), riavvia Cherry Studio. I log di MCP sono accessibili tramite View → Toggle Developer Tools → Console.

App lenta / che va a rilento

Troppa cronologia accumulata. Le conversazioni lunghe appesantiscono l'indice locale. Archivia o elimina quelle vecchie tramite Settings → Data Management.

Risposta interrotta a metà

Il modello ha raggiunto il limite dei token di output. Aumenta Max Tokens nelle impostazioni dell'assistente (4096 o più per risposte lunghe).

#Per approfondire

Cherry Studio è soprattutto interessante come interfaccia unificata. Per approfondire il backend sottostante:

Se non hai ancora Ollama

« Ollama: cos'è e come funziona » spiega il demone che Cherry Studio interroga in locale — utile per capire perché un modello non si carica.

Se confronti Cherry con altre interfacce

« LM Studio vs Ollama: quale scegliere nel 2026 » e la guida « Msty: l'elegante interfaccia per LLM locali » trattano le alternative dirette nel segmento delle interfacce unificate.

Se vuoi estendere ulteriormente la condivisione

« LiteLLM: un proxy unificato locale e cloud » va oltre Cherry Studio posizionandosi dal lato del server, con fallback automatico tra Ollama locale e API cloud.