JetBrains запустила локальный ИИ-агент Junie, который теперь может работать полностью офлайн: без облака, без отправки кода наружу и без тарификации по токенам. Цена вопроса тоже вполне земная: Apple Silicon M5, минимум 64 ГБ оперативной памяти и заметный запас диска. Для российской IT-аудитории это важная новость не из серии «еще один ассистент», а про старую боль команд с NDA, закрытыми контурами и паранойей служб безопасности.
О нововведении сообщает The New Stack: JetBrains вывела Junie Local в отдельный сценарий использования, где агент запускается целиком на машине разработчика. Речь не о частичном офлайн-режиме и не о тонком клиенте к удаленному API, а о локальном инференсе: веса модели лежат на диске, вычисления идут на устройстве, а исходный код, подсказки и диффы не должны покидать компьютер после первоначальной загрузки компонентов.
Технически JetBrains выбрала довольно жесткую конфигурацию. На странице Junie Local компания указывает поддержку только Apple Silicon M5 и macOS 26 или новее, а минимальный объем памяти составляет 64 ГБ. По диску цифры на разных страницах отличаются, но порядок понятен: сама загрузка модели занимает около 15-20 ГБ, в документации фигурирует минимум примерно 21 ГБ свободного места, а на промостранице говорится уже о примерно 40 ГБ под модель и установку. Иными словами, история не для «базового» ноутбука разработчика, а скорее для дорогой рабочей станции в форм-факторе MacBook.
Под капотом Junie Local использует модель Qwen3.6-27B-4bit. В документации JetBrains также упоминает небольшой draft-модель-компонент Qwen3.6-27B-MTP-4bit для speculative decoding, то есть ускорения генерации за счет предварительных черновых предсказаний. Сам локальный движок, по данным JetBrains, построен на базе open source-фреймворка mlx-vlm для запуска моделей на Apple Silicon. Для пользователя это упаковано в управляемый фоновый сервер с OpenAI-совместимым API: Junie CLI переключается на него командой /local, а назад в облачную модель можно вернуться через /model.
Почему JetBrains пошла в офлайн
Логика здесь вполне прагматичная. Большинство AI coding tools до сих пор живут в облаке, потому что так проще поддерживать большие модели, быстрее раскатывать обновления и удобнее монетизировать нагрузку. Но у облака есть три системных минуса, которые особенно хорошо понимают корпоративные разработчики. Первый: код уходит за пределы машины, а иногда и периметра компании. Второй: любая работа зависит от сети, квот, доступности провайдера и географии. Третий: интенсивное агентное программирование быстро превращается в калькулятор затрат, особенно если агент гоняют по большим репозиториям и длинным циклам правок.
JetBrains явно бьет ровно по этим слабым местам. На странице Junie Local компания делает упор на том, что после скачивания модель работает без сетевой зависимости, а использование ничего не стоит в терминах кредитов или токенов. Для команд, где юристы и безопасники давно устали спорить с разработчиками про SaaS-агентов, это, возможно, самая сильная часть анонса. В такой конфигурации локальный ИИ-агент становится не «игрушкой для хакатона», а кандидатом на реальную эксплуатацию в средах с жесткими ограничениями.
При этом JetBrains не делает вид, что офлайн уже победил облако по всем фронтам. Компания прямо пишет, что это стартовая точка: одна модель, одно семейство железа и один максимально упрощенный сценарий установки. Обещания на будущее тоже конкретные: больше моделей, снижение требований к памяти, расширение списка поддерживаемого железа. Среди следующих целей JetBrains называет более широкий охват Apple Silicon, а также поддержку RTX 5090 и DGX Spark. То есть стратегия понятна: сначала довести до рабочего состояния эталонную конфигурацию, а уже потом идти в более массовый сегмент.
Что это значит для разработчиков и бизнеса
Самый интересный момент в этой истории не в том, что локальный запуск вообще появился. С 2023 года рынок успел привыкнуть к идее, что «локальные модели когда-нибудь догонят облако», но чаще всего это заканчивалось либо ручной сборкой пайплайна через Ollama и LM Studio, либо компромиссами по качеству. JetBrains пытается убрать именно этот слой кустарщины: не «соберите себе стек сами», а «вот команда, вот модель, вот интеграция в привычный агент». Для части разработчиков это важнее сухих бенчмарков.
Хотя и бенчмарки JetBrains тоже подбрасывает. В FAQ компания приводит внутреннюю оценку: Junie Local набирает 29,5 балла с погрешностью ±2,5, что примерно на уровне Sonnet 4.5 с 29 баллами и ниже GPT-5 с 33 баллами. При этом JetBrains отдельно оговаривает, что локальная конфигурация поставляется с отключенным reasoning. Перевод с маркетингового на инженерный простой: в повседневной работе разница может быть терпимой, но на самых сложных задачах облачные модели пока сохраняют запас прочности.
Для бизнеса отсюда следует довольно трезвый вывод. Полностью локальный режим не отменяет облачные агенты и не делает их бессмысленными. Он добавляет еще один класс deployment-модели: для конфиденциальных проектов, изолированных сред, команд с жесткой комплаенс-политикой и разработчиков, которые хотят платить за железо один раз, а не за каждый цикл агентной работы. Но массовым стандартом это станет только тогда, когда планка входа опустится ниже «новый Mac на M5 с 64 ГБ RAM». Пока же JetBrains фактически предлагает офлайн не всем, а тем, у кого требования к приватности и автономности выше, чем чувствительность к цене устройства.
Главный вопрос теперь не в том, можно ли запустить агент локально, а в том, насколько быстро такие сценарии перестанут быть премиальной опцией для дорогого железа. Если JetBrains действительно снизит требования к памяти и расширит поддержку платформ, локальный ИИ-агент может стать для корпоративной разработки не экзотикой, а новой нормой. Первоисточник: .