JetBrains hat Junie Local angekündigt, eine Version des Programmieragenten Junie, die vollständig auf einem Mac statt über Cloud-Dienste ausgeführt wird. Die Funktion verwendet keine kostenpflichtigen Guthaben oder Kontingente. Außerdem erklärt das Unternehmen, dass Eingaben, Code und Code-Diffs das Gerät nicht verlassen.
Junie unterstützte bereits die Verbindung mit lokalen Modelllaufzeitumgebungen wie Ollama und LM Studio. Dafür mussten Nutzer jedoch das Modell auswählen, seine Einstellungen konfigurieren und die Laufzeitumgebung manuell einrichten. Junie Local wird dagegen mit einem von JetBrains ausgewählten und für den Arbeitsablauf des Agenten konfigurierten Modell ausgeliefert. Die Funktion lässt sich in Junie über den Befehl /local aktivieren. Anschließend wird das Modell heruntergeladen, der lokale Server gestartet und der Agent auf den lokalen Betrieb umgestellt, ohne dass eine JSON-Datei geschrieben, eine separate Laufzeitumgebung installiert oder ein Endpunkt festgelegt werden muss.
Hohe Anforderungen und lokaler Betrieb
Junie Local basiert auf dem Qwen3.6-27B-Modell mit 4-Bit-Präzision und erfordert einen Download von etwa 20 Gigabyte. JetBrains setzt außerdem einen Mac mit einem M5-Prozessor und 64 Gigabyte Arbeitsspeicher voraus. Nach Abschluss des Downloads erfolgt die Verarbeitung auf der lokalen Hardware. Die aktuellen Nutzereinstellungen bleiben erhalten, darunter der Planungsmodus, direkte Eingaben, Anweisungen, Fähigkeiten und /commands-Befehle.
Warum hat JetBrains den M5-Prozessor ausgewählt?
JetBrains zufolge ist die Geschwindigkeit der Codegenerierung nicht der wichtigste Maßstab für einen Programmieragenten. Ein größerer Teil der Zeit kann in die Phase des Lesens von Dateien und des Verstehens des Repository-Kontexts fließen, die als Prefill bezeichnet wird. Daher konzentrierte sich das Team auf die Optimierung der Leistung dieser Phase und nutzte dabei 8-Bit-Berechnungsanweisungen im Neural Accelerator des M5. Nach Angaben des Unternehmens bietet der M4 diese Anweisungen nicht. Messungen von JetBrains zufolge führte dies zu einer Steigerung der Prefill-Verarbeitungsrate um etwa 40 Prozent. Das Unternehmen beabsichtigt, die Korrektur als Merge Request an das Projekt MLX-VLM zu senden.
Das Unternehmen entschied sich für Qwen3.6 statt für das neuere Qwen3.8, weil die neuere Version aktiviertem Reasoning benötigt, um zuverlässig zu funktionieren. Dadurch werden Aufgaben den Tests zufolge etwa viermal langsamer. JetBrains nutzte außerdem die Wiederverwendung des KV-Cache zwischen Aufgaben sowie eine Einstellung für spekulative Generierung, die nach Angaben des Unternehmens die Generierungsgeschwindigkeit ungefähr verdoppelt.
Leistung und praktische Grenzen
In einer für JetBrains zusammengestellten Testreihe erreichte Qwen3.6-27B innerhalb eines Inferenzlimits von 10.000 Tokens eine Leistung, die Sonnet 4.5 entsprach, während GPT-5 mit mittlerer Aufwandsstufe ein etwas höheres Ergebnis erzielte. Der Vergleich ist jedoch nicht vollständig gleichwertig: Beim lokalen Modell ist Reasoning vollständig deaktiviert, da die Tests von JetBrains ergaben, dass es nur einen geringen Qualitätszuwachs bringt und die zwei- bis dreifache Tokenzahl verbraucht. Bei den verglichenen Cloud-Modellen war diese Funktion dagegen aktiviert. Deshalb ist der Unterschied bei alltäglichen Aufgaben möglicherweise nicht sichtbar, wird bei komplexen Architekturaufgaben jedoch deutlich.
Was ändert sich dadurch praktisch für Entwickler?
Der Wegfall der Kostenberechnung könnte Aufgaben, die Entwickler bisher aufschoben oder vermieden, für die Ausführung durch den Agenten attraktiver machen. Dazu zählen Refactoring und Umbenennungen über mehrere Dateien hinweg, das Schließen von Lücken in der Testabdeckung, die Aktualisierung von Abhängigkeiten, Framework-Migrationen und das Verstehen eines veralteten Repositorys. Der lokale Betrieb bietet außerdem einen direkten Vorteil für Teams, die mit Code arbeiten, der Vertraulichkeitsvereinbarungen mit Kunden unterliegt, da die Daten nicht in den Verarbeitungskreislauf eines Cloud-Anbieters gelangen.
Dennoch ist Junie Local weiterhin durch hohe Hardwareanforderungen und einen großen Download eingeschränkt. Außerdem ist seine Leistung bei komplexem architektonischem Reasoning gemäß den von JetBrains vorgelegten Zahlen geringer als die der Cloud-Modelle. Der verfügbare Quelltext endet, bevor die Folgen für den Datenschutz vollständig erläutert werden. Daher müssen die endgültigen Details zu Nutzungsrichtlinien und Verfügbarkeit noch von Menschen überprüft werden.