JetBrains lanza Mellum2.1, un modelo de IA para programar centrado en la programación con agentes
IT之家 informa de que JetBrains anunció el 8 de octubre, en una entrada de blog, el modelo de IA para programación Mellum2.1, con énfasis en reforzar la programación con agentes. Como desarrollador, sigo con interés este tipo de modelos abiertos que se pueden desplegar en local, así que resumo aquí los puntos clave.
El modelo mantiene la arquitectura de Mellum2: es un modelo de mezcla de expertos (MoE) de 12B con 2,5B de parámetros activos, y sigue publicado con licencia Apache 2.0. El cambio en el entrenamiento está en que la fase de aprendizaje por refuerzo posterior al preentrenamiento ha dejado de ser un cierre breve para convertirse en el núcleo del entrenamiento. Se añadieron datos de matemáticas, concursos algorítmicos, ciencia, uso de herramientas e ingeniería de software, y se montaron entornos internos de refuerzo, lanzando millones de sandboxes durante el entrenamiento en miles de entornos. Antes de entrenar, se descartan las tareas con pruebas defectuosas, respuestas no verificables o dificultad inadecuada.
Según la información oficial, puede explorar bases de código, editar archivos y revisar sus propios cambios. La mayor mejora está en la programación con agentes: identifica la causa raíz de las pruebas que fallan, redacta una solución y verifica el resultado. En velocidad, la arquitectura no cambia, pero la predicción de múltiples tokens (MTP) lo hace unas 1,6 veces más rápido en una sola petición. En comparación con Mellum2, Qwen3.5-9B y Gemma 4 E4B con los mismos criterios de evaluación, con carga alta el rendimiento de salida de Mellum2.1 en una sola H200 se acerca al doble del de Qwen3.5-9B.
El modelo está disponible en Hugging Face y se puede desplegar en local o en infraestructura propia, de modo que las empresas pueden mantener su código y sus datos en su propio entorno. Los planes incluyen versiones GGUF para llama.cpp, Ollama y LM Studio, y un componente de decodificación especulativa MTP para vLLM.
Espero con ganas la versión GGUF, porque así los desarrolladores particulares podrían probarlo en su propio equipo. ¿Qué os importa más en un modelo de programación: la precisión o el coste de despliegue?
Fuente: IT之家
El modelo mantiene la arquitectura de Mellum2: es un modelo de mezcla de expertos (MoE) de 12B con 2,5B de parámetros activos, y sigue publicado con licencia Apache 2.0. El cambio en el entrenamiento está en que la fase de aprendizaje por refuerzo posterior al preentrenamiento ha dejado de ser un cierre breve para convertirse en el núcleo del entrenamiento. Se añadieron datos de matemáticas, concursos algorítmicos, ciencia, uso de herramientas e ingeniería de software, y se montaron entornos internos de refuerzo, lanzando millones de sandboxes durante el entrenamiento en miles de entornos. Antes de entrenar, se descartan las tareas con pruebas defectuosas, respuestas no verificables o dificultad inadecuada.
Según la información oficial, puede explorar bases de código, editar archivos y revisar sus propios cambios. La mayor mejora está en la programación con agentes: identifica la causa raíz de las pruebas que fallan, redacta una solución y verifica el resultado. En velocidad, la arquitectura no cambia, pero la predicción de múltiples tokens (MTP) lo hace unas 1,6 veces más rápido en una sola petición. En comparación con Mellum2, Qwen3.5-9B y Gemma 4 E4B con los mismos criterios de evaluación, con carga alta el rendimiento de salida de Mellum2.1 en una sola H200 se acerca al doble del de Qwen3.5-9B.
El modelo está disponible en Hugging Face y se puede desplegar en local o en infraestructura propia, de modo que las empresas pueden mantener su código y sus datos en su propio entorno. Los planes incluyen versiones GGUF para llama.cpp, Ollama y LM Studio, y un componente de decodificación especulativa MTP para vLLM.
Espero con ganas la versión GGUF, porque así los desarrolladores particulares podrían probarlo en su propio equipo. ¿Qué os importa más en un modelo de programación: la precisión o el coste de despliegue?
Fuente: IT之家
Comentarios 0
Deja el primer comentario, en el idioma que quieras.
Inicia sesión para comentar