أعلنت JetBrains عن Junie Local، وهو إصدار من وكيل البرمجة Junie يعمل بالكامل على جهاز Mac بدلاً من الاعتماد على الخدمات السحابية. الميزة لا تستخدم أرصدة أو حصصاً مدفوعة، كما تقول الشركة إن المطالبات والشيفرة والفروقات البرمجية لا تغادر الجهاز.
كانت Junie تدعم الاتصال ببيئات تشغيل النماذج المحلية مثل Ollama وLM Studio، لكن ذلك كان يتطلب من المستخدم اختيار النموذج وضبط إعداداته وتجهيز بيئة التشغيل يدوياً. أما Junie Local فيأتي بنموذج اختارته JetBrains وضبطته ليتوافق مع حلقة عمل الوكيل، ويمكن تفعيله من داخل Junie عبر الأمر /local. بعد ذلك يُنزّل النموذج ويبدأ الخادم المحلي ويتحول الوكيل إلى التشغيل المحلي من دون الحاجة إلى كتابة ملف JSON أو تثبيت بيئة تشغيل منفصلة أو تحديد نقطة اتصال.
متطلبات مرتفعة وتشغيل محلي
يعتمد Junie Local على نموذج Qwen3.6-27B بدقة 4-bit، ويتطلب تنزيل نحو 20 غيغابايت. كما تشترط JetBrains جهاز Mac مزوداً بمعالج M5 وذاكرة وصول عشوائي بسعة 64 غيغابايت. بعد اكتمال التنزيل، تتم المعالجة على العتاد المحلي، مع استمرار إعدادات المستخدم الحالية، بما في ذلك وضع التخطيط، والمطالبات المباشرة، والإرشادات، والمهارات، وأوامر /commands.
لماذا اختارت JetBrains معالج M5؟
تقول JetBrains إن سرعة توليد الرموز ليست المقياس الأهم لوكيل برمجي؛ فالوقت الأكبر قد يذهب إلى مرحلة قراءة الملفات وفهم سياق المستودع، وهي مرحلة تُعرف باسم prefill. ولهذا ركز الفريق على تحسين أداء هذه المرحلة، مستفيداً من تعليمات الحساب بدقة 8-bit في مسرّع Neural Accelerator ضمن M5، وهي تعليمات تقول الشركة إن M4 لا يوفرها. ووفقاً لقياسات JetBrains، أدى ذلك إلى زيادة تقارب 40% في معدل معالجة prefill، مع نية إرسال التصحيح إلى مشروع MLX-VLM كطلب دمج.
اختارت الشركة Qwen3.6 بدلاً من Qwen3.8 الأحدث لأن الإصدار الأحدث يحتاج إلى تفعيل الاستدلال ليعمل بصورة موثوقة، ما يجعل المهام أبطأ بنحو أربعة أضعاف وفق اختباراتها. كما استخدمت JetBrains إعادة استعمال ذاكرة KV-cache بين المهام وإعداداً للتوليد التخميني تقول إنه يضاعف سرعة التوليد تقريباً.
الأداء والحدود العملية
في مجموعة اختبارات خاصة بـJetBrains، حقق Qwen3.6-27B أداءً مماثلاً لـSonnet 4.5 ضمن حد استدلال قدره 10,000 رمز، بينما سجل GPT-5 بإعداد جهد متوسط نتيجة أعلى قليلاً. لكن المقارنة ليست متكافئة تماماً: النموذج المحلي يعمل مع تعطيل الاستدلال بالكامل، لأن اختبارات JetBrains وجدت أنه لا يضيف جودة كبيرة ويستهلك ضعفين إلى ثلاثة أضعاف عدد الرموز، في حين كانت هذه الخاصية مفعلة في النماذج السحابية المقارنة. لذلك قد لا يظهر الفارق في الأعمال اليومية، لكنه يصبح واضحاً في المهام المعمارية المعقدة.
ما الذي يتغير عملياً للمطورين؟
إلغاء احتساب التكلفة قد يجعل مهاماً كان المطورون يؤجلونها أو يتجنبونها أكثر قابلية للتنفيذ بواسطة الوكيل، مثل إعادة الهيكلة وإعادة التسمية عبر ملفات متعددة، وسد فجوات تغطية الاختبارات، وترقية التبعيات، وتنفيذ عمليات نقل الأطر البرمجية، وفهم مستودع موروث. كما يمنح التشغيل المحلي فائدة مباشرة للفرق التي تتعامل مع شيفرة تخضع لاتفاقيات سرية مع العملاء، لأن البيانات لا تدخل في حلقة مزود سحابي.
مع ذلك، يظل Junie Local مقيداً بمتطلبات عتادية مرتفعة وبحجم تنزيل كبير، كما أن أداءه في الاستدلال المعماري المعقد أدنى من النماذج السحابية وفق الأرقام التي عرضتها JetBrains. وينتهي النص المصدر المتاح قبل استكمال شرح تبعات الخصوصية، لذلك تحتاج التفاصيل النهائية المتعلقة بسياسات الاستخدام والتوفر إلى مراجعة بشرية.
كيف أعددنا هذا الخبر؟
اعتمد الخبر على المصدر الأصلي الموضح أعلاه. قد نستخدم أدوات آلية للمساعدة في الاستخراج والتصنيف والصياغة،
لكن النشر يخضع لقواعد تمنع المحتوى المكرر والقصير أو الروتيني منخفض القيمة.
اقرأ سياستنا التحريرية.