JetBrains presenta Mellum2.1, un modello di IA per la programmazione focalizzato sulla programmazione agentica
Secondo IT之家, il 8 ottobre JetBrains ha annunciato in un post sul blog il modello di IA per la programmazione Mellum2.1, con l'obiettivo di rafforzare la programmazione agentica. Da sviluppatore seguo con interesse questi modelli aperti che si possono eseguire in locale, quindi riassumo qui i punti principali.
Il modello mantiene l'architettura di Mellum2: è un modello a mixture of experts (MoE) da 12B con 2,5B di parametri attivi, e resta rilasciato con licenza Apache 2.0. Il cambiamento principale nell'addestramento è che la fase di apprendimento per rinforzo successiva al pre-addestramento, prima una breve rifinitura, è diventata il cuore dell'addestramento. Sono stati aggiunti dati su matematica, competizioni algoritmiche, scienze, uso di strumenti e ingegneria del software, e sono stati costruiti ambienti interni di apprendimento per rinforzo, avviando milioni di sandbox su migliaia di ambienti durante l'addestramento. Prima dell'addestramento vengono scartate le attività con test difettosi, risposte non verificabili o difficoltà inadatta.
Secondo la descrizione ufficiale, può esplorare codebase, modificare file e controllare le proprie modifiche. Il miglioramento più grande riguarda la programmazione agentica: riesce a individuare la causa radice dei test che falliscono, a proporre una correzione e a verificarne il risultato. Quanto alla velocità, l'architettura non cambia, ma la previsione multi-token (MTP) rende la generazione per una singola richiesta circa 1,6 volte più rapida. Nel confronto con Mellum2, Qwen3.5-9B e Gemma 4 E4B, nelle stesse condizioni di valutazione, la velocità di output di Mellum2.1 su una singola H200 sotto carico elevato è vicina al doppio di quella di Qwen3.5-9B.
Il modello è disponibile su Hugging Face e può essere distribuito in locale o sulla propria infrastruttura, così le aziende possono tenere codice e dati nel proprio ambiente. Sono previste versioni GGUF per llama.cpp, Ollama e LM Studio, oltre a un componente MTP per la decodifica speculativa in vLLM.
Aspetto con interesse la versione GGUF, perché permetterebbe anche agli sviluppatori comuni di provarlo sul proprio computer. Quando scegliete un modello per la programmazione, cosa conta di più: l'accuratezza o il costo di distribuzione?
Fonte: IT之家
Il modello mantiene l'architettura di Mellum2: è un modello a mixture of experts (MoE) da 12B con 2,5B di parametri attivi, e resta rilasciato con licenza Apache 2.0. Il cambiamento principale nell'addestramento è che la fase di apprendimento per rinforzo successiva al pre-addestramento, prima una breve rifinitura, è diventata il cuore dell'addestramento. Sono stati aggiunti dati su matematica, competizioni algoritmiche, scienze, uso di strumenti e ingegneria del software, e sono stati costruiti ambienti interni di apprendimento per rinforzo, avviando milioni di sandbox su migliaia di ambienti durante l'addestramento. Prima dell'addestramento vengono scartate le attività con test difettosi, risposte non verificabili o difficoltà inadatta.
Secondo la descrizione ufficiale, può esplorare codebase, modificare file e controllare le proprie modifiche. Il miglioramento più grande riguarda la programmazione agentica: riesce a individuare la causa radice dei test che falliscono, a proporre una correzione e a verificarne il risultato. Quanto alla velocità, l'architettura non cambia, ma la previsione multi-token (MTP) rende la generazione per una singola richiesta circa 1,6 volte più rapida. Nel confronto con Mellum2, Qwen3.5-9B e Gemma 4 E4B, nelle stesse condizioni di valutazione, la velocità di output di Mellum2.1 su una singola H200 sotto carico elevato è vicina al doppio di quella di Qwen3.5-9B.
Il modello è disponibile su Hugging Face e può essere distribuito in locale o sulla propria infrastruttura, così le aziende possono tenere codice e dati nel proprio ambiente. Sono previste versioni GGUF per llama.cpp, Ollama e LM Studio, oltre a un componente MTP per la decodifica speculativa in vLLM.
Aspetto con interesse la versione GGUF, perché permetterebbe anche agli sviluppatori comuni di provarlo sul proprio computer. Quando scegliete un modello per la programmazione, cosa conta di più: l'accuratezza o il costo di distribuzione?
Fonte: IT之家
Commenti 0
Lascia il primo commento, in qualsiasi lingua.
Accedi per commentare