Twinny: Open-Source-Copilot fuer VS Code mit lokalen LLMs statt Cloud-Zwang
Twinny ist eine quelloffene KI-Coding-Loesung fuer Visual Studio Code, die lokale LLM-Runner wie Ollama, LM Studio oder llama.cpp anbindet. Damit bleiben AI Completions vollstaendig privat und unabhaengig von Cloud-Anbietern.
twinny ist ein quelloffener und vollständig privater KI-Coding-Begleiter für Visual Studio Code, der die Lücke zwischen deinem Editor und lokalen LLM-Runnern wie Ollama, LM Studio oder llama.cpp schließt. Indem twinny die KI-Vervollständigungen und den Chat von proprietären Cloud-APIs entkoppelt, beseitigt es wiederkehrende Lizenzkosten pro Nutzerplatz und das Risiko von Datenlecks, sodass Ingenieure modernste Coding-Modelle vollständig auf ihrer eigenen Hardware ausführen können.
So brings du twinny in weniger als zwei Minuten lokal mit Ollama zum Laufen:
# Schnelles Modell für Inline-Autocomplete (FIM) ollama run qwen2.5-coder:1.5b-base # Reasoning-Modell für Chat und Code-Reviews ollama run qwen2.5-coder:7b Enter fullscreen mode Exit fullscreen mode Installiere die Extension in VS Code: Öffne die VS Code-Erweiterungen ( Strg+Shift+X oder Cmd+Shift+X ). Suche nach twinny und klicke auf Installieren (oder installiere über die CLI): code --install-extension twinnydotdev.twinny Enter fullscreen mode Exit fullscreen mode Konfiguriere die Verbindung: Öffne das Twinny-Panel in der Sidebar von VS Code. Stelle den Provider auf Ollama ein und den Host auf http://localhost:11434.
Weise qwen2.5-coder:1.5b-base für FIM-Vervollständigungen und qwen2.5-coder:7b für den Chat zu. Beginne in deinem Editor zu tippen, um sofort lokale Inline-Vervollständigungen zu sehen. Warum das wichtig ist: Unternehmens-Sicherheitsrichtlinien, strenge Vorgaben zum Schutz geistigen Eigentums und die Ermüdung durch ständig neue APIs dazu, Software-Teams von cloudbasierten Assistenten wie GitHub Copilot wegzubringen.
Lokale Inferenz bedeutete historisch gesehen einen Kompromiss bei der Entwickler-Ergonomie, etwa den Verzicht auf nahtlose Tab-Vervollständigungen und Inline-Diff-Ansichten.
twinny löst die UX-Hürde für lokale Inferenz. Es bietet Engineering-Teams, Organisationen im Verteidigungsumfeld und datenschutzbewussten Entwicklern einen direkten Copilot-Ersatz, der Consumer-GPUs oder On-Premise-Server nutzt und keinerlei laufende Softwarekosten verursacht.
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
twinny is an open-source, fully private AI coding companion for Visual Studio Code that bridges the gap between your editor and local LLM runners like Ollama, LM Studio, or llama.cpp. By decoupling AI completions and chat from proprietary cloud APIs, twinny eliminates recurring seat licenses and data-leakage risks, letting engineers run state-of-the-art coding models entirely on their own hardware.
Get twinny running locally with Ollama in under two minutes:
# Fast model for inline autocomplete (FIM) ollama run qwen2.5-coder:1.5b-base # Reasoning model for chat & code reviews ollama run qwen2.5-coder:7b Enter fullscreen mode Exit fullscreen mode Install the Extension in VS Code: Open VS Code extensions ( Ctrl+Shift+X or Cmd+Shift+X ). Search for twinny and click Install (or install via CLI): code --install-extension twinnydotdev.twinny Enter fullscreen mode Exit fullscreen mode Configure the Connection: Open the Twinny panel in your VS Code sidebar. Set your provider to Ollama and host to http://localhost:11434.
Assign qwen2.5-coder:1.5b-base for FIM completions and qwen2.5-coder:7b for Chat. Start typing in your editor to see instant, local inline completions. Why It Matters Enterprise security policies, strict intellectual property mandates, and API fatigue are pushing software teams away from cloud-dependent assistants like GitHub Copilot.
Running local inference has historically meant compromising on developer ergonomics—sacrificing smooth tab completions and inline diff views.
twinny solves the UX barrier for local inference. It gives engineering teams, defense-adjacent organizations, and privacy-conscious builders a drop-in Copilot replacement that leverages consumer GPUs or on-prem servers at zero marginal software cost.