Junie、完全オフライン実行へ。64GB M5 Macが必要か

多くの AI コーディングツールはクラウドホスト型のモデルをデフォルトとしていますが、コードを自社のマシン上に保持したい開発者や、API 使用料の発生を避けたい人、あるいはインターネット接続なしで作業しなければならない人にとって、ローカルモデルの実行環境はすでに実用的な代替手段となっています。

Cline、Continue、Aider といったツールでは、すでに Ollama や LM Studio などのランタイムを指定して利用可能です。また GitHub は今年 4 月、Copilot CLI にローカルモデルのサポートを追加し、完全にネットワークから切り離された環境（エアギャップ設定）でも動作するオフラインモードも用意しました。

しかし、「ローカル」といっても、実際には多くの作業を開発者自身に任されているのが現状です。自社のハードウェアに適したモデルと量子化方式を選択し、ランタイムやコンテキストの設定を行い、どの組み合わせがエージェントとしてよく機能するかを試行錯誤する必要があります。

そしてこの最後の部分が非常に重要です。ラップトップで快適に動作するほど小さなモデルであっても、コーディングエージェントが必要とするツールの使用、推論能力、長時間実行されるタスクなどにはまだ対応しきれていないのが実情です。

そのため JetBrains は now、開発者のマシン上で完全に動作するよう設計された無料版のコーディングエージェント「Junie Local」をリリースしました。

おさらいすると、JetBrains（IntelliJ IDEA、PyCharm、WebStorm などを開発するツールベンダー）は 2025 年 1 月、「Junie」という AI コーディングエージェントを IDE に組み込んで発表しました。このエージェントはタスクの計画立案やコード修正、テスト・インスペクションの実行、そして開発者のプロジェクトコンテキストとの連携が可能です。その後、スタンドアロンの CLI ツールとしても展開されています。

実は「ローカルモデル」への対応という点では、Junie が全く新しいわけではありません。JetBrains のマーケティング責任者である Dmitry Savelev 氏が月曜日に公開したブログ記事によると、開発者は以前から Ollama や LM Studio などのランタイムにエージェントを接続し、好きなモデルを読み込んでローカル環境で稼働させることができていました。

しかし、「Junie Local」では JetBrains が自らモデルを選定し、量子化（quantization）を施した上で、推論エンジンとエージェントのハッチ（harness）をその特定の組み合わせに合わせて最適化しています。セットアップはすべて Junie 内で行われます。「/local」というコマンドを実行するだけで、モデルと推論エンジンがダウンロードされ、ローカルサーバーが起動し、エージェントが自動的に切り替わります。Ollama や LM Studio の個別インストールやエンドポイント設定、モデルプロファイルの記述などは不要です。

最初のステップは、モデルセレクターから「Junie Local」を選ぶだけです。通常はクラウドホスト型のモデル群の中に並んで表示されます。

image Junie のモデルセレクターでは、クラウドホスト型モデルと共に「Junie Local」が選択可能です

ダウンロードとセットアップが完了すると、Junie はローカルの Qwen モデルに切り替わり、CLI では他のモデルオプションと同様に利用できるようになります。

image ローカルで Qwen3.6 を実行する Junie

以降、推論はすべて開発者のマシン上で行われます。

裏側：なぜ Qwen3.6 なのか、そしてなぜ M5 Mac なのか

JetBrains はモデルの選定について非常に明確な方針を持っており、最新で華やかなオープンウェイト版を採用したわけではありません。Junie Local では、今年 4 月にリリースされた 270 億パラメータのオープンウェイトモデル「Qwen3.6-27B」を使用しています。確かに 8 月初旬には性能が向上した Qwen3.8-27B が登場しましたが、あえてそちらを選ばなかったのです。

「現在の Mac では、[Qwen] 3.6 の方が勝っています」と Savelev 氏は述べています。

Savelev 氏によると、この選択は両モデルが現在の Mac で Junie 内でどのように動作するかによって決まりました。Qwen3.8 はエージェントとの信頼性の高い連携のために推論モードを有効にする必要があり、その状態ではタスクの処理時間が約 4 倍に延びてしまいます。現時点での Junie Local では、信頼性と速度のバランスが最も優れている Qwen 3.6 が選ばれています。

「現在の Mac では、3.6 の方が勝っています」と Savelev 氏は記しています。

JetBrains は、Apple Silicon 向けの機械学習フレームワークである MLX を基盤とした推論エンジン（mlx-vlm）を用いて、Qwen3.6-27B を 4 ビットで実行しています。これは、今年 3 月に Ollama が Apple Silicon エンジンを MLX に移行し、チップのユニファイドメモリアーキテクチャを活用した際のアプローチと似ています。

ただし、ハードウェアの要件は相当厳しいものとなっています。JetBrains によると、Junie Local を利用するには約 20 GB のダウンロードが必要で、macOS 26、統一メモリ 64 GB 以上、そして Apple M5 チップ（またはそれ以降）が必須です。現実的な話として、この 64 GB という要件は MacBook Pro ユーザーを M5 Pro や M5 Max の領域に限定することになります。つまり、これは明確にハイエンド Mac 向けの提案なのです。

JetBrains は、これらの要件により、本来興味を持つはずの多くの開発者が Junie Local を利用できなくなってしまうことを認めています。

「M5 Mac に 64 GB の RAM を積むのは大きな要求であることを私たちは知っています」と Savelev は記述しています。「それを隠すつもりはありません。これは現在、27B モデルを適切に動作させるために必要なコストであり、私たちが最も力を入れて低減しようとしている数値です。」

「M5 Mac に 64 GB の RAM を積むのは大きな要求であることを私たちは知っています。それを隠すつもりはありません」

将来的にはメモリ要件の削減と、より広範なハードウェアへの対応、そして基盤となるスタックの継続的な最適化を目指しています。

「高い要件が Junie Local を試せない理由であるなら、安心してください。私たちがその要件を下げるために取り組んでいます」と Savelev は付け加えています。

ローカル利用が効果を発揮する場面

結局のところ、ハードウェア要件は、JetBrains がローカルコーディングエージェントの真のパフォーマンスボトルネックと特定している場所と密接に関連しています。tokens-per-second という指標はモデルが出力を生成する速度を測定するものですが、エージェントは回答を生成し始める前に、ソースファイルやプロンプト、その他のコンテキストを取り込む「prefill 段階」に多くの時間を費やすことがあります。

Savelev はこう記述しています。「誰もが生成速度のベンチマークを行いますが、コーディングエージェントにとってはそれが追うべき正しい指標ではありません。実際には、何が起きているかを理解するためにモデルがファイルを読み込んでいる間に、時間の大部分が prefill に費やされるからです。真の性能向上は prefill の最適化にあります。」

無料でメーター制でもないという点は、開発者が引き渡す作業の種類にも変化をもたらします。JetBrains は Junie Local を、長期間にわたる反復的で機械的な作業に適したツールとして位置付けています。具体的には、複数ファイルのリファクタリングや名前変更、テストカバレッジのギャップの埋め合わせ、依存関係のアップグレード、フレームワークの移行などが該当します。こうした作業では、開発者がトークンの消費量に神経質になることなく、エージェントが継続して作業し、反復を行うことが可能です。

Savelev はさらに、「長期的で反復的、機械的な作業こそがエージェント本来の役割であり、残高を気にしながら作業している間は、そうした作業を任せるのをやめてしまうものです」と述べています。

日常の開発作業においては、Savelev氏はより強力なクラウドモデルと比較しても、ユーザーが大きな違いに気づくことは少ないと見込んでいます。ただし、複雑なアーキテクチャの推論については、依然としてクラウドモデルの方が適しているとも認めています。

そして当然ながら、開発者がローカルモデルに関心を持つ最大の理由の一つはプライバシーです。エージェントを完全にローカルで実行すれば、外部のモデルプロバイダーが開発者とコードの間に介在することはなく、ソースコードやプロンプト、生成された変更がそのマシンから外部へ流出することもありません。機密性の高いコードに取り組む開発者や、顧客との秘密保持契約（NDA）下にある場合、あるいはソースを第三者に送信することが許されない環境で働く開発者にとって、これは大きな魅力となります。

「ダウンロード後のすべての処理はユーザーのハードウェア上で行われるため、プロンプト、ソースコード、差分情報はすべてその場所に留まります」とSavelev氏は述べています。

本記事「Junie now runs entirely offline. Can you spare a 64 GB M5 Mac?」は、The New Stack に掲載されました。