JetBrains lancarkan Mellum2.1, model AI pengaturcaraan yang memfokuskan pengaturcaraan agentik
Menurut IT之家, JetBrains mengumumkan model AI pengaturcaraan Mellum2.1 dalam catatan blog pada 8 Oktober, dengan tumpuan untuk memperkukuh keupayaan pengekodan agentik. Sebagai pembangun, saya sentiasa memerhatikan model terbuka seperti ini yang boleh dijalankan secara setempat, jadi saya ringkaskan perkara utama di sini.
Model ini mengekalkan seni bina Mellum2: ia model campuran pakar (MoE) 12B dengan 2.5B parameter aktif, dan masih dikeluarkan di bawah lesen Apache 2.0. Perubahan utama dalam latihan ialah peringkat pembelajaran pengukuhan selepas pra-latihan, yang dahulunya langkah penamat yang pendek, kini diperluas menjadi bahagian teras latihan. Data matematik, pertandingan algoritma, sains, penggunaan alat dan kejuruteraan perisian ditambah, persekitaran RL dalaman dibina, dan semasa latihan berjuta-juta sandbox dilancarkan merentasi beribu-ribu persekitaran. Sebelum latihan, tugasan yang mempunyai ujian cacat, jawapan yang tidak boleh disahkan atau tahap kesukaran yang tidak sesuai disaring keluar.
Menurut penerangan rasmi, model ini boleh meneroka pangkalan kod, menyunting fail dan memeriksa perubahannya sendiri. Penambahbaikan terbesar ialah dalam pengaturcaraan agentik: ia dapat mengenal pasti punca sebenar ujian yang gagal, merangka pembetulan dan mengesahkan hasilnya. Dari segi kelajuan, seni bina tidak berubah, tetapi ramalan berbilang token (MTP) menjadikan penjanaan untuk satu permintaan kira-kira 1.6 kali lebih pantas. Berbanding Mellum2, Qwen3.5-9B dan Gemma 4 E4B dalam keadaan penilaian yang sama, daya pemprosesan output Mellum2.1 pada satu H200 di bawah beban tinggi hampir dua kali ganda Qwen3.5-9B.
Model ini tersedia di Hugging Face dan boleh dilaksanakan secara setempat atau pada infrastruktur sendiri, membolehkan syarikat menyimpan kod dan data dalam persekitaran mereka sendiri. JetBrains merancang untuk mengeluarkan versi GGUF untuk llama.cpp, Ollama dan LM Studio, serta komponen MTP untuk penyahkodan spekulatif dalam vLLM.
Saya menantikan versi GGUF kerana pembangun biasa juga dapat mencubanya pada mesin sendiri. Bagi model pengaturcaraan, yang mana lebih penting kepada anda: ketepatan atau kos pelaksanaan?
Sumber: IT之家
Model ini mengekalkan seni bina Mellum2: ia model campuran pakar (MoE) 12B dengan 2.5B parameter aktif, dan masih dikeluarkan di bawah lesen Apache 2.0. Perubahan utama dalam latihan ialah peringkat pembelajaran pengukuhan selepas pra-latihan, yang dahulunya langkah penamat yang pendek, kini diperluas menjadi bahagian teras latihan. Data matematik, pertandingan algoritma, sains, penggunaan alat dan kejuruteraan perisian ditambah, persekitaran RL dalaman dibina, dan semasa latihan berjuta-juta sandbox dilancarkan merentasi beribu-ribu persekitaran. Sebelum latihan, tugasan yang mempunyai ujian cacat, jawapan yang tidak boleh disahkan atau tahap kesukaran yang tidak sesuai disaring keluar.
Menurut penerangan rasmi, model ini boleh meneroka pangkalan kod, menyunting fail dan memeriksa perubahannya sendiri. Penambahbaikan terbesar ialah dalam pengaturcaraan agentik: ia dapat mengenal pasti punca sebenar ujian yang gagal, merangka pembetulan dan mengesahkan hasilnya. Dari segi kelajuan, seni bina tidak berubah, tetapi ramalan berbilang token (MTP) menjadikan penjanaan untuk satu permintaan kira-kira 1.6 kali lebih pantas. Berbanding Mellum2, Qwen3.5-9B dan Gemma 4 E4B dalam keadaan penilaian yang sama, daya pemprosesan output Mellum2.1 pada satu H200 di bawah beban tinggi hampir dua kali ganda Qwen3.5-9B.
Model ini tersedia di Hugging Face dan boleh dilaksanakan secara setempat atau pada infrastruktur sendiri, membolehkan syarikat menyimpan kod dan data dalam persekitaran mereka sendiri. JetBrains merancang untuk mengeluarkan versi GGUF untuk llama.cpp, Ollama dan LM Studio, serta komponen MTP untuk penyahkodan spekulatif dalam vLLM.
Saya menantikan versi GGUF kerana pembangun biasa juga dapat mencubanya pada mesin sendiri. Bagi model pengaturcaraan, yang mana lebih penting kepada anda: ketepatan atau kos pelaksanaan?
Sumber: IT之家
Komen 0
Tinggalkan komen pertama, dalam apa-apa bahasa.
Log masuk untuk berkomen