JetBrains Junie Local：本地跑的AI编程助手，首日就适配英伟达RTX Spark

AI编程工具用得越多，一个顾虑就越明显：代码要传到云端。虽然各家都说”不用于训练”，但对很多公司来说，源码外传本身就是红线。JetBrains 这次给的答案是 Junie Local——一个完全跑在本地的 AI 编程助手。

它是什么

Junie 是 JetBrains 自家的 AI 编程代理，之前一直靠云端模型。Junie Local 把这个能力搬到了本地：模型在你自己的机器上跑，代码不出门。

更让人意外的是适配速度——它已经完成对英伟达 RTX Spark 的 Day 0 支持，本地推理吞吐最高每秒 55 个词元。这个速度写代码补全已经够用，做小规模的代码重构也能接受。

为什么值得关注

第一，数据不出本机。银行、医疗、政企这类对合规敏感的行业，这是硬门槛。之前想把AI编程用起来，卡的不是效果，是审批。

第二，零调用成本。云端AI编程工具按token计费，用得越猛越心疼。本地部署是一次性硬件投入，之后无限用。重度开发者几个月就能回本。

第三，断网可用。飞机上、内网环境、外网受限的场景，本地模型不受影响。

要注意的地方

本地跑模型不是没有代价，主要三条：

• 硬件要求不低：想跑得舒服，显存是硬指标。消费级显卡跑小参数模型能凑合，想效果好还是要专业卡。
• 模型能力有差距：本地模型的上下文长度、推理深度通常不如云端旗舰。写业务代码够用，复杂架构设计还是云端更靠谱。
• 首次配置有门槛：驱动、运行时、模型文件，都要自己弄一遍。

适合谁用

强烈推荐：有数据合规要求的企业开发团队、需要处理敏感代码的独立开发者。

可以观望：纯做前端或脚本、对成本不敏感的开发者，云端的体验依然更好。

不建议：显卡在四年前的机器，跑起来会比较痛苦。

小结

AI编程工具正在分叉：一条路是越来越强的云端大模型，一条路是越来越可用的本地模型。前者拼能力，后者拼可控。

JetBrains 选择两边都做，这个策略本身说明了一件事——AI编程不是”上不上”的问题，而是”怎么上才合规”的问题。对国内很多团队来说，本地这条路可能才是能真正落地的路。