A JetBrains anunciou o Junie Local, uma versão do agente de programação Junie que funciona inteiramente em um Mac, em vez de depender de serviços em nuvem. O recurso não usa créditos ou cotas pagas, e a empresa afirma que os prompts, o código e os diffs não deixam o dispositivo.
O Junie já oferecia suporte à conexão com ambientes locais de execução de modelos, como Ollama e LM Studio, mas isso exigia que o usuário escolhesse o modelo, ajustasse suas configurações e preparasse manualmente o ambiente de execução. Já o Junie Local vem com um modelo escolhido pela JetBrains e ajustado para funcionar com o ciclo de trabalho do agente, podendo ser ativado dentro do Junie por meio do comando /local. Depois disso, o modelo é baixado, o servidor local é iniciado e o agente passa a operar localmente, sem a necessidade de escrever um arquivo JSON, instalar um ambiente de execução separado ou definir um endpoint.
Requisitos elevados e execução local
O Junie Local usa o modelo Qwen3.6-27B com precisão de 4 bits e exige um download de aproximadamente 20 gigabytes. A JetBrains também exige um Mac equipado com um processador M5 e 64 gigabytes de memória RAM. Após a conclusão do download, o processamento ocorre no hardware local, mantendo as configurações atuais do usuário, incluindo o modo de planejamento, os prompts diretos, as instruções, as habilidades e os comandos /commands.
Por que a JetBrains escolheu o processador M5?
A JetBrains afirma que a velocidade de geração de código não é a métrica mais importante para um agente de programação; o maior tempo pode ser gasto na etapa de leitura dos arquivos e compreensão do contexto do repositório, conhecida como prefill. Por isso, a equipe se concentrou em melhorar o desempenho dessa etapa, aproveitando instruções de computação com precisão de 8 bits no acelerador Neural Accelerator do M5, que, segundo a empresa, não estão disponíveis no M4. De acordo com as medições da JetBrains, isso resultou em um aumento de aproximadamente 40% na taxa de processamento de prefill, com a intenção de enviar a correção ao projeto MLX-VLM como uma solicitação de merge.
A empresa escolheu o Qwen3.6 em vez do Qwen3.8, mais recente, porque a versão mais nova precisa ativar o raciocínio para funcionar de maneira confiável, tornando as tarefas cerca de quatro vezes mais lentas, segundo seus testes. A JetBrains também reutilizou a memória KV-cache entre as tarefas e adotou uma configuração de geração especulativa que, segundo a empresa, praticamente duplica a velocidade de geração.
Desempenho e limitações práticas
Em um conjunto de testes próprios da JetBrains, o Qwen3.6-27B alcançou desempenho semelhante ao do Sonnet 4.5 dentro de um limite de raciocínio de 10.000 tokens, enquanto o GPT-5, com configuração de esforço médio, obteve um resultado ligeiramente superior. No entanto, a comparação não é totalmente equivalente: o modelo local funciona com o raciocínio completamente desativado, porque os testes da JetBrains constataram que ele não acrescenta muita qualidade e consome de duas a três vezes mais tokens, enquanto esse recurso estava ativado nos modelos de nuvem comparados. Portanto, a diferença pode não aparecer nas tarefas diárias, mas se torna evidente em tarefas arquiteturais complexas.
O que muda na prática para os desenvolvedores?
A eliminação da contabilização de custos pode tornar mais viáveis para execução pelo agente tarefas que os desenvolvedores costumavam adiar ou evitar, como refatoração e renomeação em vários arquivos, preenchimento de lacunas na cobertura de testes, atualização de dependências, migração de frameworks e compreensão de um repositório legado. A execução local também oferece um benefício direto às equipes que lidam com código sujeito a acordos de confidencialidade com clientes, pois os dados não entram no ciclo de um provedor de nuvem.
Apesar disso, o Junie Local continua limitado por requisitos de hardware elevados e por um grande volume de download, e seu desempenho em raciocínio arquitetural complexo é inferior ao dos modelos de nuvem, de acordo com os números apresentados pela JetBrains. O texto-fonte disponível termina antes de concluir a explicação das implicações de privacidade; portanto, os detalhes finais relacionados às políticas de uso e à disponibilidade precisam de revisão humana.