JetBrains объявила о выпуске Junie Local — версии программного агента Junie, которая полностью работает на компьютере Mac вместо использования облачных сервисов. Функция не использует кредиты или платные квоты; компания также заявляет, что запросы, код и различия в коде не покидают устройство.
Junie поддерживала подключение к локальным средам запуска моделей, таким как Ollama и LM Studio, однако это требовало от пользователя самостоятельно выбрать модель, настроить её параметры и подготовить среду выполнения. Junie Local поставляется с моделью, выбранной JetBrains и настроенной для взаимодействия с рабочим циклом агента. Её можно активировать внутри Junie с помощью команды /local. После этого модель загружается, запускается локальный сервер, а агент переходит в локальный режим работы без необходимости писать файл JSON, устанавливать отдельную среду выполнения или указывать конечную точку подключения.
Высокие требования и локальная работа
Junie Local использует модель Qwen3.6-27B с точностью 4-bit и требует загрузки около 20 ГБ. JetBrains также требует компьютер Mac с процессором M5 и 64 ГБ оперативной памяти. После завершения загрузки обработка выполняется на локальном оборудовании, при этом сохраняются текущие настройки пользователя, включая режим планирования, прямые запросы, инструкции, навыки и команды /commands.
Почему JetBrains выбрала процессор M5?
JetBrains заявляет, что скорость генерации кода не является важнейшим показателем для программного агента: больше времени может уходить на чтение файлов и понимание контекста репозитория — этап, известный как prefill. Поэтому команда сосредоточилась на оптимизации производительности этого этапа, используя инструкции вычислений с точностью 8-bit в ускорителе Neural Accelerator внутри M5. По словам компании, M4 таких инструкций не поддерживает. Согласно измерениям JetBrains, это обеспечило примерно 40-процентное увеличение скорости обработки prefill; команда намерена отправить исправление в проект MLX-VLM в виде запроса на слияние.
Компания выбрала Qwen3.6 вместо более новой Qwen3.8, поскольку для надёжной работы последней требуется включать рассуждение, что, согласно её тестам, делает задачи примерно в четыре раза медленнее. JetBrains также использовала повторное применение памяти KV-cache между задачами и настройку для спекулятивной генерации, которая, по её словам, примерно вдвое увеличивает скорость генерации.
Производительность и практические ограничения
В наборе тестов JetBrains Qwen3.6-27B показала производительность, сопоставимую с Sonnet 4.5 при лимите рассуждений в 10 000 токенов, тогда как GPT-5 при настройке среднего уровня усилий получил немного более высокий результат. Однако сравнение не вполне равнозначно: локальная модель работает с полностью отключённым рассуждением, поскольку тесты JetBrains показали, что оно не даёт существенного повышения качества и потребляет в два-три раза больше токенов, тогда как в сравниваемых облачных моделях эта функция была включена. Поэтому в повседневных задачах разница может быть незаметной, но в сложных архитектурных задачах она становится очевидной.
Что практически меняется для разработчиков?
Отсутствие расчёта стоимости может сделать более доступными для выполнения агентом задачи, которые разработчики раньше откладывали или избегали, например рефакторинг и переименование в нескольких файлах, устранение пробелов в покрытии тестами, обновление зависимостей, перенос между программными фреймворками и изучение устаревшего репозитория. Локальная работа также даёт непосредственное преимущество командам, работающим с кодом, подпадающим под соглашения о конфиденциальности с клиентами, поскольку данные не попадают в контур облачного провайдера.
Тем не менее Junie Local по-прежнему ограничен высокими требованиями к оборудованию и большим объёмом загрузки, а его производительность в сложных архитектурных рассуждениях ниже, чем у облачных моделей, согласно приведённым JetBrains цифрам. Доступный исходный текст заканчивается до завершения объяснения последствий для конфиденциальности, поэтому окончательные сведения о политике использования и доступности требуют проверки человеком.