JetBrains anunció Junie Local, una versión del agente de programación Junie que funciona completamente en un Mac en lugar de depender de servicios en la nube. La función no utiliza créditos ni cuotas de pago, y la empresa afirma que las indicaciones, el código y las diferencias de código no salen del dispositivo.
Junie ya admitía la conexión con entornos locales de ejecución de modelos, como Ollama y LM Studio, pero eso requería que el usuario eligiera el modelo, configurara sus opciones y preparara manualmente el entorno de ejecución. Junie Local, en cambio, incluye un modelo seleccionado por JetBrains y configurado para adaptarse al ciclo de trabajo del agente, y puede activarse desde Junie mediante el comando /local. Después, se descarga el modelo, se inicia el servidor local y el agente cambia a la ejecución local sin necesidad de escribir un archivo JSON, instalar un entorno de ejecución independiente ni especificar un punto de conexión.
Requisitos elevados y ejecución local
Junie Local se basa en el modelo Qwen3.6-27B con precisión de 4 bits y requiere una descarga de aproximadamente 20 gigabytes. JetBrains también exige un Mac equipado con un procesador M5 y 64 gigabytes de memoria RAM. Una vez completada la descarga, el procesamiento se realiza en el hardware local, manteniendo la configuración actual del usuario, incluidos el modo de planificación, las indicaciones directas, las instrucciones, las habilidades y los comandos /commands.
¿Por qué eligió JetBrains el procesador M5?
JetBrains afirma que la velocidad de generación de tokens no es la métrica más importante para un agente de programación; la mayor parte del tiempo puede dedicarse a la etapa de lectura de archivos y comprensión del contexto del repositorio, conocida como prefill. Por ello, el equipo se centró en mejorar el rendimiento de esta etapa, aprovechando instrucciones de cálculo de 8 bits en el acelerador Neural Accelerator del M5, que, según la empresa, el M4 no ofrece. Según las mediciones de JetBrains, esto produjo un aumento cercano al 40 % en la tasa de procesamiento de prefill, con la intención de enviar la corrección al proyecto MLX-VLM como una solicitud de incorporación de cambios.
La empresa eligió Qwen3.6 en lugar del más reciente Qwen3.8 porque la versión más nueva necesita activar el razonamiento para funcionar de forma fiable, lo que hace que las tareas sean aproximadamente cuatro veces más lentas según sus pruebas. JetBrains también utilizó la reutilización de la memoria KV-cache entre tareas y una configuración de generación especulativa que, según afirma, casi duplica la velocidad de generación.
Rendimiento y límites prácticos
En un conjunto de pruebas propio de JetBrains, Qwen3.6-27B obtuvo un rendimiento similar al de Sonnet 4.5 dentro de un límite de inferencia de 10.000 tokens, mientras que GPT-5 con una configuración de esfuerzo medio registró un resultado ligeramente superior. Sin embargo, la comparación no es completamente equivalente: el modelo local funciona con el razonamiento totalmente desactivado, porque las pruebas de JetBrains concluyeron que no aporta mucha calidad y consume entre dos y tres veces más tokens, mientras que esta función estaba activada en los modelos en la nube comparados. Por ello, la diferencia puede no ser evidente en el trabajo diario, pero se vuelve clara en tareas arquitectónicas complejas.
¿Qué cambia en la práctica para los desarrolladores?
Eliminar el cómputo del coste puede hacer que tareas que los desarrolladores posponían o evitaban sean más viables para el agente, como la refactorización y el cambio de nombres en múltiples archivos, la cobertura de brechas en las pruebas, la actualización de dependencias, la migración entre marcos de software y la comprensión de un repositorio heredado. La ejecución local también ofrece una ventaja directa a los equipos que trabajan con código sujeto a acuerdos de confidencialidad con clientes, ya que los datos no entran en el circuito de un proveedor en la nube.
No obstante, Junie Local sigue estando limitado por unos requisitos de hardware elevados y un tamaño de descarga considerable, y su rendimiento en el razonamiento arquitectónico complejo es inferior al de los modelos en la nube según las cifras presentadas por JetBrains. El texto fuente disponible termina antes de completar la explicación de las implicaciones de privacidad, por lo que los detalles finales relativos a las políticas de uso y la disponibilidad requieren una revisión humana.