JetBrains представила открытую модель Mellum2.1 для кодинг-агентов
JetBrains представила открытую языковую модель Mellum2.1 — развитие версии Mellum2, выпущенной в июне. Новинка распространяется по лицензии Apache 2.0 и рассчитана прежде всего на использование в инструментах для программирования, кодинг-агентах и автономных системах.
В основе Mellum2.1 лежит архитектура mixture-of-experts. Общий объём модели составляет 12 млрд параметров, однако при обработке конкретного запроса активируются 2,5 млрд. Разработчики сохранили структуру нейросети из предыдущей версии, поэтому основные изменения сосредоточили на этапе постобучения.
Обучение с подкреплением и специализированные задачи
Ключевым элементом подготовки модели стало обучение с подкреплением. Для него команда JetBrains разработала собственную инфраструктуру, способную одновременно запускать тысячи окружений и миллионы изолированных сред.
В обучающий набор добавили задачи по математике, спортивному программированию, естественным наукам, программной инженерии и работе с внешними инструментами. Данные проходили дополнительную фильтрацию: из них исключали непроверяемые ответы, неработающие тесты, а также задания с чрезмерно низкой или невыполнимой сложностью.
Работа с кодом и роль универсального ассистента
Mellum2.1 умеет анализировать структуру репозитория, самостоятельно изменять файлы и проверять внесённые правки с помощью тестов. При решении инженерных задач модель может искать причины падения автотестов, предлагать исправления и повторно проверять результат.
Помимо программирования, нейросеть способна отвечать на повседневные вопросы и пошагово разбирать сложные математические и логические задачи. Модель можно запускать локально или разворачивать на собственных серверах. Это позволяет разработчикам сохранять контроль над исходным кодом и конфиденциальными данными.
Производительность и результаты тестирования
JetBrains сравнила Mellum2.1 с предыдущей версией Mellum2 и открытыми моделями сопоставимого класса — Qwen3.5-9B и Gemma 4 E4B. Наиболее заметный рост показателей относительно Mellum2 зафиксировали в задачах агентного программирования. Улучшения также отмечены в математике, вызове функций и ответах на общие вопросы.
Поскольку базовая архитектура не изменилась, исходная скорость работы модели сохранилась. При этом механизм предсказания нескольких токенов, или multi-token prediction, повысил производительность. В сценариях с одиночными запросами скорость выросла примерно в 1,6 раза. При высокой параллельной нагрузке Mellum2.1 обрабатывает почти вдвое больше токенов, чем Qwen3.5-9B.
Где доступна Mellum2.1
Модель опубликована в репозитории Hugging Face. JetBrains также готовит версии в формате GGUF для запуска через llama.cpp, Ollama и LM Studio. Кроме того, в разработке находится отдельный модуль предсказания токенов для спекулятивного декодирования в среде vLLM.
