JetBrains, 주니에 데모 자동 생성과 로컬 블렌드 모델 추가

ai.euno.news 자동 뉴스 요약

JetBrains가 코딩 에이전트 ‘주니(Junie)‘에 두 가지 업데이트를 내놨다. CLI에 데모 영상을 자동 생성하는 ‘주니 /demo’ 모드를 추가했고, 로컬에서 돌리는 ‘주니 로컬’에는 속도와 정확도를 동시에 잡은 새 모델을 붙였다.

주니 /demo는 코드 변경 사항을 실제로 실행해 보여주는 기능이다. 사용자가 확인하고 싶은 동작을 프롬프트로 적으면 — 예를 들어 “이슈 두 건을 선택해 완료 처리하고, 카운터가 바뀌는지, 새로고침 후에도 상태가 유지되는지 확인” 같은 식으로 — 주니가 앱을 빌드하고 실행한 뒤 UI를 직접 조작하며 그 과정을 녹화한다. 결과물은 HTML 리포트, 스크린샷, 영상으로 나오며 어떤 단계가 통과·실패·미완료였는지까지 담긴다. JetBrains 블로그에 따르면 영상 앞에는 시나리오를 설명하는 슬라이드가 자동으로 붙고, 자막도 켜고 끌 수 있다. 이 과정에서 스크린샷을 분석해 슬라이드 문구를 쓰는 것도 모델이 맡는다.

이 기능은 코드 리뷰 단계에서 특히 쓸모가 있다는 게 회사 설명이다. diff는 코드가 어떻게 바뀌었는지 보여주지만, 화면이 실제로 어떻게 동작하는지는 보여주지 못한다. JetBrains는 사내에서 이 데모 에이전트를 GitHub Actions에 연결해 PR에 데모 영상 링크를 자동으로 남기는 워크플로를 운영 중이며, 지금까지 1,500건 이상의 PR에서 2,100개 넘는 데모 영상을 만들었다고 밝혔다. 다만 이 기능이 의미를 가지려면 조작할 수 있는 인터페이스가 있어야 한다는 조건이 붙는다.

같은 날 공개된 주니 로컬 업데이트는 로컬 환경에서 돌리는 모델의 추론 방식을 바꿨다. 기존에는 추론(reasoning)을 끈 Qwen3.6과, 추론을 켜야 안정적으로 작동하는 Qwen3.8 중 하나를 골라야 했는데, 후자는 작업 시간이 약 4배 늘어나는 문제가 있어 회사는 속도를 택해왔다. 이번에 두 모델의 가중치를 동일 비율로 병합한 ‘Qwen3.8-3.6-27B-블렌드’ 모델을 만들면서 이 선택을 없앴다.

JetBrains의 100개 과제 내부 벤치마크에서 블렌드 모델은 37개를 완료해, 추론을 끈 Qwen3.6(34개)보다 많았고 Qwen3.8(39개)에 근접했다. 그러면서 출력 토큰은 Qwen3.8보다 71% 적게 썼다. 두 모델이 공통으로 완료한 30개 과제만 비교했을 때도 블렌드 모델은 27만 9천 토큰을, Qwen3.8은 93만 5천 토큰을 써 30개 중 29개에서 더 적은 토큰을 소비했다. 공개 벤치마크인 LiveCodeBench 4회 반복 실행에서도 블렌드 모델은 평균 정답률 85.47%로 Qwen3.8(83.29%)을 앞섰고, Qwen3.6(67.87%)과 비교하면 패스당 출력 토큰이 약 2,410만 개에서 614만 개로 줄었다.

JetBrains는 이 결과가 추가 후속 학습 없이 두 모델 가중치를 단순 병합한 것만으로 나왔다는 점을 강조하면서도, 한계도 함께 밝혔다. 블렌드 모델이 막힌 상태에서 같은 접근을 계속 반복하며 과도하게 추론하는 경우가 있어, 이럴 때는 작업을 중단하고 더 좁은 목표로 재시작할 것을 권고했다. 이번 업데이트에는 윈도우에서 NVIDIA GPU를 실험적으로 지원하는 내용도 포함됐다.

읽기 목록은 이 브라우저에 저장됩니다.