TL;DR : Orca est une application de bureau de Stably permettant d'exécuter simultanément une flotte d'agents de codage, chacun dans son propre espace de travail git isolé. Elle pilote tout agent CLI via vos abonnements existants, ajoute des divisions de terminal, l'annotation de diffs, des espaces de travail SSH, un mode de conception Chromium, la navigation GitHub et Linear, et une application mobile compagnon. 58 464 étoiles au 1er septembre 2026, sous licence MIT, sur macOS, Windows et Linux. Elle vous élimine en tant que goulot d'étranglement du débit. Elle ne vous dit pas lequel des cinq diffs est correct et ne laisse aucune trace lisible par quiconque.
Ceci est une analyse approfondie d'un outil de notre sélection de cinq outils d'agents IA open source à installer en 2026.
Un agent dans un terminal est une unité de travail. Vous donnez une instruction, vous attendez, vous révisez, vous donnez une nouvelle instruction. L'agent est rapide et vous êtes la partie lente, ce qui est une situation étrange après deux ans de progrès en matière d'outillage.
La solution évidente est d'en exécuter plusieurs à la fois, et le problème évident est que les agents modifiant le même espace de travail se détruisent mutuellement. Orca résout les deux, puis continue avec un tas de fonctionnalités qui visent principalement à éliminer les changements de contexte.
L'idée fondamentale : un worktree par agent
Les worktrees Git permettent à un seul dépôt d'avoir plusieurs répertoires de travail extraits simultanément sur différentes branches. Orca en fait la primitive. Chaque agent reçoit son propre worktree, de sorte que cinq agents peuvent travailler sur le même dépôt en même temps sans toucher aux fichiers des autres.
Le modèle qui rend cela plus qu'une simple commodité est la diffusion (fan-out). Vous prenez une instruction, l'envoyez à plusieurs agents à la fois et comparez les résultats :
Diffusez une instruction sur cinq agents, chacun dans son propre worktree isolé, puis comparez les résultats et fusionnez le gagnant.
Pour une tâche bien spécifiée, c'est un gaspillage. Pour une tâche véritablement difficile, où vous ne pouvez pas prédire quelle approche fonctionnera, c'est la chose la plus précieuse de cette liste. Trois tentatives de migration délicate provenant de trois modèles différents n'échoueront pas de la même manière, et choisir le meilleur des trois est préférable à l'itération sur le premier.
Faire cela manuellement signifie cinq onglets de terminal, cinq commandes git worktree add et une carte mentale pour savoir quel onglet correspond à quoi. C'est exactement le genre de gestion que les gens arrêtent de faire après une semaine.
Ce qu'il exécute
Tout ce qui s'exécute dans un terminal. La liste prise en charge est longue et comprend Claude Code, Codex, Cursor CLI, GitHub Copilot CLI, OpenCode, Grok, Amp, Antigravity, Pi, oh-my-pi, Hermes Agent, Devin, Goose, Auggie, Charm, Cline, Codebuff, Command Code, Continue, Droid, Kilocode, Kimi, Kiro, Mistral Vibe, Qwen Code, Rovo Dev et MiMo Code, plus un fourre-tout pour tout autre agent CLI.
Il est crucial qu'elle utilise vos propres abonnements et clés API. Rien ici ne vous revend des jetons ou ne proxyfie vos requêtes. Si vous utilisez Claude Code avec Opus 5 et Codex contre des modèles ouverts, Orca les exécute tous les deux sur les comptes que vous payez déjà.
Cela rend également la comparaison multi-modèle vraiment peu coûteuse à essayer. Distribuer une instruction à Claude Code, Codex et OpenCode vous coûte trois appels d'abonnement au lieu d'une nouvelle relation avec un fournisseur.
L'installer
# macOS
brew install --cask stablyai/orca/orca
# Arch Linux
yay -S stably-orca-bin
Les téléchargements directs pour macOS Apple Silicon et Intel, un programme d'installation Windows et un AppImage Linux sont disponibles sur la page des versions. Pour un serveur Linux sans interface graphique, il y a orca serve et un guide dédié dans le dépôt.
L'application mobile compagnon se couple à l'application de bureau et est disponible sur l'App Store iOS, avec un APK Android dans les versions.
Les fonctionnalités qui comptent après la première semaine
L'histoire des worktrees parallèles fait les gros titres. Voici celles qui changent l'utilisation quotidienne.
Changement de compte et suivi d'utilisation. Affichez l'utilisation de Claude et Codex ainsi que les heures de réinitialisation des limites de débit dans l'application, et changez de compte à chaud sans avoir à vous déconnecter et vous reconnecter. Si vous exécutez cinq agents en parallèle, vous atteindrez des limites, et savoir quand elles se réinitialisent fait la différence entre planifier en conséquence et le découvrir en pleine tâche.
Annoter les diffs d'IA. Déposez des commentaires sur n'importe quelle ligne de diff et renvoyez-les à l'agent. Révisez, modifiez et commitez sans quitter l'application. C'est le modèle d'interaction correct pour la sortie de l'agent, car les retours de révision utiles sont presque toujours spécifiques à une ligne, et taper « dans l'assistant de nouvelle tentative, le délai d'attente devrait être exponentiel » dans une boîte de discussion perd l'ancrage.
Worktrees SSH. Exécutez des agents sur une machine distante plus puissante avec édition complète des fichiers, git et terminaux, avec reconnexion automatique et redirection de port. Pratique lorsque votre ordinateur portable ne peut pas héberger cinq builds parallèles, ce qui est généralement le cas.
Mode Conception. Cliquez sur n'importe quel élément dans une fenêtre Chromium réelle et Orca envoie son HTML, son CSS et une capture d'écran recadrée dans l'invite de l'agent. Cela élimine la pire partie du travail d'agent frontend, qui consiste à décrire avec des mots ce qui est cassé.
Divisions de terminal. Terminaux de classe Ghostty avec rendu WebGL, divisions infinies et historique de défilement qui survit aux redémarrages. Gardez ce dernier détail en tête ; il reviendra plus tard.
GitHub et Linear, intégrés à l'application. Parcourez les PRs, les problèmes et les tableaux, et ouvrez un worktree directement depuis une tâche.
CLI Orca. Les agents peuvent piloter Orca lui-même avec orca worktree create, snapshot, click et fill, de sorte que les workflows sont scriptables plutôt que basés uniquement sur des clics.
Il y a aussi le glisser-déposer de fichiers et d'images dans les invites sur un éditeur basé sur VS Code avec sauvegarde automatique, ouverture rapide entre les worktrees et les agents, aperçus Markdown et PDF, utilisation de l'ordinateur pour les workflows nécessitant une interaction réelle avec l'interface utilisateur, et des notifications et un état non lu pour savoir quand un agent a terminé ou s'est bloqué. Les mainteneurs livrent quotidiennement et disent que le journal des modifications est la véritable liste des fonctionnalités, ce qui est à la fois un avertissement juste et un bon signe.
Quand la diffusion est rentable, et quand elle brûle des jetons
Le parallélisme n'est pas gratuit, et le mode d'échec est de dépenser cinq fois les jetons pour obtenir cinq versions de la même réponse. Une règle approximative issue de l'utilisation de ce modèle : diffusez sur l'ambiguïté, exécutez une seule fois sur la spécification.
Diffusez lorsque la tâche a plusieurs approches défendables. Un refactoring de gestion d'état, une migration de données délicate, un problème de performance où le goulot d'étranglement n'est pas encore identifié, l'intégration d'une bibliothèque inconnue. Ici, les modèles divergent réellement, et la diversité est la valeur. Trois agents produiront trois structures différentes, et l'une d'elles sera meilleure que ce que vous auriez écrit.
Exécutez un seul agent lorsque la tâche est spécifiée. Ajouter un champ à un point d'accès, câbler un gestionnaire qui correspond à quatre gestionnaires existants, écrire des tests pour une fonction dont le comportement est documenté. Cinq agents produiront cinq diffs quasi identiques, et vous aurez payé cinq fois pour une erreur d'arrondi.
Diffusez sur plusieurs modèles, pas seulement sur plusieurs exécutions. Trois instances de Claude Code sur la même invite se regroupent étroitement. Claude Code, Codex et OpenCode sur la même invite divergent beaucoup plus, car les différences proviennent de l'entraînement plutôt que de l'échantillonnage. Le fait qu'Orca rende cette comparaison accessible en un clic est la fonctionnalité sous-estimée ici, et c'est la raison pour laquelle le sélecteur de compte et le suivi d'utilisation sont aussi importants que les worktrees.
Rédigez les critères d'acceptation avant de diffuser. Si vous ne pouvez pas énoncer à quoi ressemble une réponse correcte avant que les agents ne commencent, vous choisirez un gagnant sur des critères esthétiques. Écrire d'abord trois points de critères prend une minute et transforme la révision d'un jugement en une vérification. Cela vous donne également quelque chose à donner aux agents, ce qui améliore généralement les cinq candidats.
L'économie est assez simple à retenir. La diffusion échange des jetons contre une recherche plus large de l'espace des solutions. C'est un bon échange lorsque l'espace est vaste et un mauvais lorsqu'il n'y a qu'une seule réponse sensée.
Le problème qu'Orca crée
Exécutez cinq agents et vous obtenez cinq diffs. Et maintenant ?
C'est la partie à laquelle l'outillage ne répond pas, et cela empire à mesure que l'outillage s'améliore. La diffusion multiplie la sortie. Votre capacité à distinguer le correct du plausible reste exactement la même. Lire attentivement cinq diffs prend plus de temps que d'écrire le code, donc en pratique, les gens survolent, choisissent celui qui semble le plus propre et le fusionnent.
Un aspect propre n'est pas synonyme de correction. C'est tout le problème avec la sortie de l'agent, et c'est le plus flagrant sur tout ce qui touche une API, car c'est là que l'agent devine plutôt que de raisonner. Chacun de vos cinq agents a inventé sa propre idée de ce que le point de terminaison renvoie. Les cinq ont écrit du code qui gère leur forme imaginée. Les cinq ont écrit des tests qui réussissent contre leur propre hypothèse. Les diffs sont en désaccord et aucun d'entre eux n'est vérifiable par la lecture.
Ce dont vous avez besoin, c'est d'un arbitre qui n'est pas vous. Cela signifie un contrat que les agents n'ont pas inventé et une suite de tests qui échoue sur la différence :
- La spécification OpenAPI est la vérité partagée. Chaque agent dans chaque worktree lit les mêmes schémas, codes d'état et enveloppes d'erreur au lieu de cinq suppositions distinctes. C'est le cas présenté dans l'utilisation de votre spécification OpenAPI comme outils d'agent.
- Les mocks génèrent à partir de la spécification. Y compris les branches d'erreur, de sorte qu'un agent qui n'a géré que le chemin heureux échoue immédiatement plutôt qu'en staging.
- Les tests de contrat décident du gagnant. Exécutez la même suite contre les cinq worktrees. Deux réussissent, trois échouent. C'est une décision de fusion prise sur des preuves plutôt que sur le diff qui semblait le plus agréable à 18h.
- Les changements de forme apparaissent bruyamment. Lorsque le contrat en amont change, les tests échouent plutôt que le comportement ne dérive silencieusement. Voir ce qui se passe lorsque les changements d'API cassent les agents IA.
C'est là qu'Apidog s'intègre dans une configuration Orca, et c'est une complémentarité véritable plutôt qu'une simple publicité. Orca vous donne cinq réponses candidates à faible coût. Une spécification plus une suite de tests déterministe, c'est ce qui rend le choix entre elles également peu coûteux. Sans cette seconde moitié, le parallélisme multiplie votre charge de révision au lieu de votre débit. Téléchargez Apidog et intégrez la spécification avant d'activer la diffusion, pas après. L'argument plus large expliquant pourquoi la vérification augmente plutôt que de diminuer à mesure que les agents écrivent plus de code se trouve dans avez-vous encore besoin d'un outil d'API à l'ère des agents IA, et les pratiques de fiabilité associées se trouvent dans la fiabilité des agents IA en production.
L'historique de défilement n'est pas un enregistrement
Maintenant, la deuxième lacune, qui n'est pas tant un défaut d'Orca qu'une limite de ce qu'il est.
Orca est un excellent cockpit pour un seul opérateur. Tout réside sur votre machine : les worktrees, les sessions de terminal, les diffs, l'historique de défilement qui survit utilement aux redémarrages. C'est parfait pour le travail en solo et cela devient un problème dès qu'une deuxième personne a besoin de savoir quoi que ce soit.
Vous exécutez cinq agents le jeudi. Le lundi, un coéquipier demande pourquoi la logique de nouvelle tentative a changé dans le client de paiement. La réponse se trouve dans un panneau de terminal sur votre ordinateur portable, si vous n'avez pas fermé ce worktree. L'invite qui l'a produite a disparu, le raisonnement a disparu, et le seul artefact durable est un message de commit écrit par un modèle.
Les invites ne sont pas un enregistrement. Un cockpit n'est pas une organisation.
Sharkly est construit de l'autre côté de cette ligne, et les deux sont plus proches en philosophie que les noms de catégories ne le suggèrent. Tous deux isolent le travail par unité. Tous deux vous permettent d'apporter votre propre exécution et vos propres abonnements. La différence est ce qu'est l'unité : l'unité d'Orca est un worktree que vous regardez, et celle de Sharkly est une tâche qui survit à la session.
- La tâche est l'enregistrement partagé, pas l'invite. La progression, les appels d'outils et les résultats y sont retransmis en continu, et la sortie de l'agent apparaît sous forme de commentaires auxquels vous répondez. La question de lundi a une réponse qui n'est pas un enregistrement d'écran.
- Un Agent est une configuration enregistrée. Instructions, runtime, compétences, dépôts, environnement. La configuration que vous avez réglée pour le service de paiement est réutilisée plutôt que retapée dans un nouveau panneau chaque matin.
- Une Équipe (Crew) est un agent leader plus d'autres agents et personnes, fonctionnant en priorité par le leader. Le leader lit le contexte de la tâche, décide quels membres impliquer, et combine les résultats en un seul endroit. C'est une diffusion (fan-out) avec une étape de synthèse, plutôt qu'une diffusion plus la lecture de cinq diffs.
- L'exécution est "apportez la vôtre". Vous connectez un Ordinateur, qui peut être votre ordinateur portable, un serveur ou un conteneur, et Sharkly utilise le Runtime déjà installé dessus. Même modèle que l'utilisation par Orca de vos propres abonnements, et la même raison pour laquelle c'est le bon.
- Le travail de dépôt s'exécute dans un worktree séparé par tâche. Le même astuce d'isolation, appliquée au niveau de la tâche au lieu du niveau du panneau.
- Le Backlog ne s'exécute pas. Une tâche en attente dans le Backlog ne démarre rien, de sorte que le travail est préparé et révisé avant que des jetons ne soient dépensés. Ce point de contrôle est ce qui manque à la plupart des configurations d'agents parallèles.
- Structure qu'une équipe comprend déjà. Espaces, projets, sprints, tâches, avec synchronisation Jira pour les équipes qui y vivent.
Le résumé honnête : si vous travaillez seul, Orca est probablement suffisant, et il est très bon. Dès qu'une deuxième personne a besoin de visibilité sur ce que les agents ont fait, vous avez besoin d'un enregistrement de tâche durable, et aucune quantité d'historique de défilement ne le fournit.
Une configuration qui fonctionne
Si vous adoptez cela, voici un ordre qui évite le désordre courant :
- Installez Orca et utilisez un agent pendant une semaine. Le terminal, l'éditeur et l'annotation de diff valent la peine avant de toucher au parallélisme.
- Intégrez d'abord la spécification et les tests de contrat. La diffusion sans arbitre empire les choses. C'est l'étape que les gens sautent.
- Ne diffusez que sur les problèmes difficiles. Trois agents sur un refactoring ambigu, un agent sur un ticket clair. Diffuser sur tout gaspille des jetons et votre attention.
- Réduisez d'abord le coût en jetons de chaque agent. Cinq agents cherchant dans le même dépôt, c'est cinq fois le gaspillage, alors associez cela à codebase-memory-mcp.
- Utilisez l'annotation au lieu de redonner une invite. Les commentaires de ligne renvoyés à l'agent sont plus efficaces que de réécrire toute l'instruction.
- Passez aux worktrees SSH lorsque votre ordinateur portable ne peut plus suivre. Ce sera le cas, vers le troisième ou quatrième agent sur n'importe quelle build réelle.
- Ajoutez une couche de tâches lorsqu'une deuxième personne est impliquée. En solo, ignorez-la. En équipe, l'enregistrement n'est pas facultatif.
FAQ
Orca remplace-t-il mon IDE ? Principalement, pour le travail piloté par agent. Il dispose d'un éditeur basé sur VS Code avec sauvegarde automatique, d'un explorateur de fichiers, de terminaux et d'une revue de diffs. Les gens conservent toujours un IDE complet pour le débogage approfondi.
Ai-je besoin d'abonnements séparés pour chaque agent parallèle ? Non. Orca utilise les comptes que vous avez déjà, et le suivi d'utilisation intégré affiche vos limites Claude et Codex ainsi que les heures de réinitialisation. Vous atteindrez des limites de débit en exécutant plusieurs agents simultanément ; c'est une question de limite de plan, pas d'Orca.
Est-il vraiment sûr d'exécuter cinq agents sur un seul dépôt ? Oui, car chacun reçoit son propre worktree git, de sorte qu'ils ne peuvent pas écraser les fichiers des autres. L'état partagé en dehors du dépôt, c'est-à-dire les bases de données, les serveurs de développement en cours d'exécution et les ports, reste à votre charge. Dirigez-les vers des environnements séparés, sinon vous obtiendrez des échecs déroutants qui ressembleront à des erreurs d'agent.
Comment choisir entre les diffs ? Exécutez la même suite de tests contre tous et laissez-la décider. Si vos tests ne distinguent pas les candidats, ce sont les tests qu'il faut corriger avant d'augmenter la diffusion. Le traçage de ce que chaque agent a réellement appelé aide également, ce qui est abordé dans le traçage des appels d'outils d'agent.
Orca ou un outil de gestion du travail comme Sharkly ? Ce sont des couches différentes, et elles se composent. Orca est l'endroit où vous pilotez les agents en ce moment. Un système de tâches est l'endroit où le travail réside, est assigné et reste révisable par la suite. Seul, vous n'aurez peut-être besoin que du premier.
Est-il vraiment sous licence MIT ? Oui, contrairement à certains outils de cette catégorie. Stably est une entreprise commerciale et l'application de bureau est open source sous licence MIT.
En résumé
Orca est la réponse la plus solide disponible au problème de débit. Des worktrees parallèles, un vrai terminal, l'annotation de diffs, l'exécution à distance et une application mobile compagnon constituent un outil sérieux, et l'utilisation de vos propres abonnements plutôt que la revente de jetons est le bon modèle commercial.
Ce qu'elle vous offre, c'est un plus grand nombre de réponses candidates par heure. Ce n'est un progrès que si vous pouvez également décider entre elles et vous souvenir de ce qui s'est passé. La partie décisionnelle nécessite un contrat et une suite de tests, ce qui est Apidog. La partie mémorisation nécessite une tâche qui survit à la session, ce qui est Sharkly.
Cinq agents sans arbitre, ce n'est pas cinq fois la sortie. C'est cinq fois la file d'attente de révision.