JetBrains تطلق Mellum2.1، نموذج ذكاء اصطناعي للبرمجة يركز على البرمجة بالوكلاء
بحسب IT之家، أعلنت JetBrains في تدوينة نُشرت يوم 8 أكتوبر عن نموذج الذكاء الاصطناعي البرمجي Mellum2.1، مع التركيز على تعزيز البرمجة بالوكلاء. وبصفتي مطورًا أتابع باهتمام النماذج المفتوحة من هذا النوع التي يمكن تشغيلها محليًا، لذلك ألخص هنا أهم النقاط.
يحافظ النموذج على بنية Mellum2: هو نموذج خليط الخبراء (MoE) بحجم 12 مليار معامل، منها 2.5 مليار معامل نشط، ولا يزال مُصدرًا بترخيص Apache 2.0. أهم تغيير في التدريب هو أن مرحلة التعلم المعزز بعد التدريب المسبق توسعت من خطوة تشطيب قصيرة إلى جزء أساسي من التدريب. أُضيفت بيانات الرياضيات والمسابقات البرمجية والعلوم واستخدام الأدوات وهندسة البرمجيات، وبُنيت بيئات داخلية للتعلم المعزز، وأُطلقت خلال التدريب ملايين صناديق الحماية المعزولة عبر آلاف البيئات. وقبل التدريب تُستبعد المهام ذات الاختبارات المعيبة أو الإجابات غير القابلة للتحقق أو الصعوبة غير المناسبة.
وفق الوصف الرسمي، يستطيع النموذج استكشاف قواعد الشيفرة وتعديل الملفات والتحقق من تغييراته. وأكبر تحسين يتعلق بالبرمجة بالوكلاء: إذ يمكنه تحديد السبب الجذري للاختبارات الفاشلة، وصياغة مقترح لإصلاحها، والتحقق من النتيجة. أما من حيث السرعة فالبنية لم تتغير، لكن التنبؤ متعدد الرموز (MTP) يجعل التوليد لطلب واحد أسرع بنحو 1.6 مرة. وفي المقارنة مع Mellum2 وQwen3.5-9B وGemma 4 E4B بالإعدادات نفسها، يقترب معدل الإخراج لـ Mellum2.1 على بطاقة H200 واحدة تحت الحمل العالي من ضعف معدل Qwen3.5-9B.
النموذج متاح على Hugging Face ويمكن نشره محليًا أو على بنيتك التحتية الخاصة، لتتمكن الشركات من الاحتفاظ بشيفرتها وبياناتها داخل بيئتها. وتخطط JetBrains لإصدار نسخ GGUF لـ llama.cpp وOllama وLM Studio، إضافة إلى مكوّن MTP للفك التخميني في vLLM.
أنتظر نسخة GGUF بشغف، لأنها ستتيح للمطورين العاديين تجربته على أجهزتهم. ما الأهم بالنسبة إليكم في نموذج البرمجة: الدقة أم تكلفة النشر؟
المصدر: IT之家
يحافظ النموذج على بنية Mellum2: هو نموذج خليط الخبراء (MoE) بحجم 12 مليار معامل، منها 2.5 مليار معامل نشط، ولا يزال مُصدرًا بترخيص Apache 2.0. أهم تغيير في التدريب هو أن مرحلة التعلم المعزز بعد التدريب المسبق توسعت من خطوة تشطيب قصيرة إلى جزء أساسي من التدريب. أُضيفت بيانات الرياضيات والمسابقات البرمجية والعلوم واستخدام الأدوات وهندسة البرمجيات، وبُنيت بيئات داخلية للتعلم المعزز، وأُطلقت خلال التدريب ملايين صناديق الحماية المعزولة عبر آلاف البيئات. وقبل التدريب تُستبعد المهام ذات الاختبارات المعيبة أو الإجابات غير القابلة للتحقق أو الصعوبة غير المناسبة.
وفق الوصف الرسمي، يستطيع النموذج استكشاف قواعد الشيفرة وتعديل الملفات والتحقق من تغييراته. وأكبر تحسين يتعلق بالبرمجة بالوكلاء: إذ يمكنه تحديد السبب الجذري للاختبارات الفاشلة، وصياغة مقترح لإصلاحها، والتحقق من النتيجة. أما من حيث السرعة فالبنية لم تتغير، لكن التنبؤ متعدد الرموز (MTP) يجعل التوليد لطلب واحد أسرع بنحو 1.6 مرة. وفي المقارنة مع Mellum2 وQwen3.5-9B وGemma 4 E4B بالإعدادات نفسها، يقترب معدل الإخراج لـ Mellum2.1 على بطاقة H200 واحدة تحت الحمل العالي من ضعف معدل Qwen3.5-9B.
النموذج متاح على Hugging Face ويمكن نشره محليًا أو على بنيتك التحتية الخاصة، لتتمكن الشركات من الاحتفاظ بشيفرتها وبياناتها داخل بيئتها. وتخطط JetBrains لإصدار نسخ GGUF لـ llama.cpp وOllama وLM Studio، إضافة إلى مكوّن MTP للفك التخميني في vLLM.
أنتظر نسخة GGUF بشغف، لأنها ستتيح للمطورين العاديين تجربته على أجهزتهم. ما الأهم بالنسبة إليكم في نموذج البرمجة: الدقة أم تكلفة النشر؟
المصدر: IT之家
التعليقات 0
اترك أول تعليق، بأي لغة.
سجّل الدخول للتعليق