JetBrainsの「Junie Local」が無料公開、ただし64GBメモリが要る

コマンド1つでクラウドから切り替わる

JetBrainsがローカルで動くAIコーディングエージェントJunie Localの提供を8月24日に始めた。クラウド版Junieのローカル版という位置づけで、ダウンロードにも利用にも料金はかからない。API使用料もモデル使用料も要らない。

使い方はJunieの中で /local と打つだけだ。モデルが落ちてきてローカルのサーバーが立ち上がり、Junieが切り替わる。設定ファイルを書く必要も、実行環境を先に入れておく必要もない。/model でクラウド版へ戻せる。ダウンロードの容量は約20GBだ。

今までの設定はそのまま引き継がれる。Plan mode、ガイドライン、スキル、自作の /コマンド はどれも同じように動く。公式ブログは「エンジンが変わっただけでエージェントは変わっていない」と説明している。

ローカルのモデルにつなぐこと自体は前からできた。OllamaやLM Studioを立ち上げてJunieから指せばいい。ただしモデルの選定も設定の調整も自分でやる必要があり、小さいモデルでは簡単な作業しか任せられなかった。そこをJetBrainsが引き受けたのがJunie Localだ。

クラウドの上位モデルと同等、ただし条件が付く

搭載しているのは中国アリババクラウドのQwen3.6-27Bを4ビット量子化し、JetBrainsが自社のエージェントに合わせて調整したモデルだ。社内の非公開テストではClaude Sonnet 4.5（推論制限1万トークン）と同等、GPT-5（ミディアム設定）がわずかに上回る結果が出ている。

この数字には見落とせない条件が付く。Junie Localは推論を完全に切った状態で出荷されている。JetBrainsのテストで、推論を入れても品質はほとんど変わらないのにトークンが2〜3倍かかったためだ。つまり上の比較は、推論を切ったローカルモデルと、推論を入れたクラウドモデルの勝負になっている。

JetBrainsは差が出る場面もはっきり書いている。日常の作業ではまず気づかないが、複雑な設計を考えさせるような仕事では差が分かる、としている。

なぜM5搭載のMacと64GBメモリが要るのか

動作条件が厳しいのには理由がある。コーディングエージェントで時間を食うのは文章を書き出す速さではなく、ファイルを読んで状況を把握する部分だ。JetBrainsはここを速くすることに絞った。

M5のニューラルアクセラレータには8ビット演算の命令があり、M4には無い。これを使うと読み込みの処理量が約40%増えた。M5からの提供になっているのはこのためだ。JetBrainsはこの改良をMLX-VLMへ提案する予定だとしている。

モデルの選び方にも同じ考えが出ている。新しいQwen3.8ではなく3.6を選んだのは、3.8が推論を有効にしないと安定して動かず、有効にすると約4倍遅くなるからだ。いまのMacでは3.6のほうが勝つ、というのがJetBrainsの判断だ。ほかにも作業をまたいだKVキャッシュの使い回しと投機的デコードで、生成の速さを約2倍にしている。

お金がかからなくなると、頼む仕事が変わる

性能の話より効くのはここだ。Junieには前から「計画は強いモデル、実装は安いモデル」という使い分けがあった。Junie Localはその目盛りをゼロまで下げる。

もう1回試すのがタダになると、今まで課金を気にして頼まなかった仕事を渡せるようになる。JetBrainsが挙げているのは、費用に見合わないと後回しにしてきた複数ファイルのリファクタとリネーム、2四半期ほど放置しているテストの穴、依存関係の更新とフレームワークの移行、引き継いだリポジトリの把握だ。

長くて単調で機械的な作業はエージェントに向いている。そして残高を気にしていると真っ先に頼まなくなる種類の仕事でもある。

NDA案件では話の前提が変わる

日本の開発現場でいちばん効くのは、コードが1行も外に出ないことだろう。クラウドAIへのコード送信を禁じている組織は多い。SIerや金融系の開発チーム、受託でNDAを結んでいるチームがそうだ。

JetBrainsはこの点を的確に書いている。審査すべき提供元のデータ方針が存在しない。「提供元を評価しました」ではなく「提供元が関与していません」に話が変わる、と。社内の承認を取る側から見れば、この差は大きい。

一方で条件も現実的に見ておきたい。M5搭載のMacに64GBメモリという要件を満たす端末は、まだチーム全員には行き渡らない。JetBrainsはこれを出発点と位置づけていて、RTX5090搭載のPCとDGX Sparkでは社内でプロトタイプが動いている。24GB以上を積んだGPUへの対応も検討中だ。当面は要件を満たす1台で試して、社内で使えるか判断するのが現実的な進め方になる。