JetBrains, 맥 로컬 구동 코딩 에이전트 'Junie Local' 공개

ai.euno.news 자동 뉴스 요약

JetBrains가 코딩 에이전트 Junie를 클라우드 연결 없이 맥(Mac) 로컬에서 완전히 구동하는 기능 ‘Junie Local’을 공개했다. 토큰 소모나 크레딧 차감 없이 무료로 쓸 수 있고, 코드가 기기 밖으로 나가지 않는다는 점을 핵심으로 내세웠다.¹ 같은 날 별도 게시물로 이 기능을 뒷받침하는 모델 최적화 작업도 함께 공개했다.²

Junie는 그동안도 Ollama나 LM Studio를 통해 로컬 모델에 연결할 수 있었다. 다만 사용자가 직접 모델을 고르고 설정을 튜닝해야 했고, 작은 모델은 단순 작업 정도만 처리할 수 있었다. JetBrains는 이 과정을 아예 대신 처리해 패키징했다. Junie 안에서 /local 명령 하나만 입력하면 모델이 내려받아지고 로컬 서버가 뜨면서 에이전트가 자동으로 전환된다. 별도 JSON 프로필 작성이나 런타임 설치, 엔드포인트 지정이 필요 없다.

탑재된 모델은 Qwen3.6-27B를 4비트로 양자화한 버전이다. 다운로드 용량은 약 20GB이며, 구동에는 M5 맥과 64GB RAM이 필요하다. Plan 모드, 라이브 프롬프팅, 가이드라인, 스킬, /commands 등 기존 Junie 기능은 그대로 작동한다.

M5를 최소 요구 사양으로 잡은 이유는 코딩 에이전트의 병목이 토큰 생성 속도가 아니라 프리필(prefill), 즉 모델이 파일을 읽어 맥락을 파악하는 단계에 있다는 판단 때문이다. M5의 뉴럴 액셀러레이터는 M4에는 없는 8비트 연산 명령을 지원하는데, 이를 활용해 프리필 처리량을 약 40% 끌어올렸다. JetBrains는 이 최적화를 MLX-VLM 프로젝트에 패치로 제출할 계획이라고 밝혔다.¹ 최신 버전인 Qwen3.8 대신 Qwen3.6을 택한 이유도 같은 맥락이다. Qwen3.8은 안정적으로 동작하려면 추론(reasoning) 기능을 켜야 하는데, 이 경우 작업 속도가 약 4배 느려진다.

기술 블로그에서는 구체적인 최적화 방식도 설명했다.² 로컬 모델은 프리필이 느리기 때문에, 세션 내 이전 작업에서 읽은 파일 정보를 다시 읽지 않도록 매 요청을 롤링 컨텍스트에 누적하는 방식으로 바꿨다. 세션 시작 시 보내는 시스템 프롬프트와 초기 컨텍스트도 순서를 조정해, 사용자 요청 직전까지의 구간을 캐시로 재사용하도록 했다. 또 Qwen3.6이 진행 상황을 알리는 XML 형식 지시를 잘 따르지 않는 대신 도구 호출과 함께 평문 설명을 생성한다는 점을 파악해, 이 평문을 그대로 진행 업데이트로 활용했다. 이 밖에 불필요한 LLM 호출 제거와 KV-캐시 재사용 등의 최적화도 적용했으며, 이 중 추측 디코딩(speculative decoding) 설정으로 생성 속도를 약 2배 높였다고 밝혔다.

성능은 JetBrains 자체 비공개 테스트셋으로 평가했다.

주목할 점은 비교 조건이다. 로컬 모델은 추론을 아예 끈 상태로 배포되는데, 테스트 결과 추론을 켜도 품질 향상은 미미한 반면 토큰 소모는 2~3배 늘었기 때문이다. 반면 비교 대상인 Sonnet 4.5와 GPT-5는 추론을 켠 상태로 측정했다. JetBrains는 일상적인 작업에서는 격차를 체감하기 어렵지만, 복잡한 아키텍처 판단이 필요한 작업에서는 차이가 드러날 것이라고 설명했다.¹

이런 성능 차이를 감안하더라도, 비용이 사라진다는 점 자체가 사용 방식을 바꾼다는 게 JetBrains의 주장이다. 크레딧 소모를 신경 써야 할 때는 시도하지 않던 다중 파일 리팩터링, 밀린 테스트 커버리지 보완, 의존성 업그레이드, 낯선 저장소 파악 같은 반복적이고 기계적인 작업을 로컬 모델에 맡길 수 있다는 것이다. 코드가 기기 밖으로 나가지 않는 만큼, NDA 아래 작업하는 팀은 별도 데이터 정책 검토 없이 쓸 수 있다는 점도 강조했다.

다만 현재 버전은 M5 맥, 64GB RAM이라는 특정 하드웨어에 한정돼 있고, 성능 비교도 JetBrains 자체 비공개 테스트셋에 근거한 것이어서 외부 검증은 아직 확인되지 않았다.

읽기 목록은 이 브라우저에 저장됩니다.