JetBrains brengt Mellum2.1 uit, een AI-model voor programmeren dat zich richt op agentisch programmeren
Volgens IT之家 heeft JetBrains op 8 oktober in een blogbericht het AI-programmeermodel Mellum2.1 aangekondigd, met de nadruk op het versterken van agentisch programmeren. Als ontwikkelaar volg ik dit soort open modellen die lokaal kunnen draaien met belangstelling, dus ik zet de belangrijkste punten hier op een rij.
Het model behoudt de architectuur van Mellum2: een mixture-of-experts-model (MoE) van 12B met 2,5B actieve parameters, en het blijft uitgebracht onder de Apache 2.0-licentie. De grootste wijziging in de training is dat de reinforcement-learningfase na de pretraining is uitgebreid van een korte afrondende stap tot de kern van de training. Er zijn gegevens toegevoegd over wiskunde, algoritmewedstrijden, wetenschap, gebruik van tools en softwareontwikkeling, en er zijn interne RL-omgevingen gebouwd, waarbij tijdens de training miljoenen sandboxes over duizenden omgevingen werden gestart. Voor de training worden taken met foutieve tests, niet-verifieerbare antwoorden of een ongeschikte moeilijkheidsgraad eruit gefilterd.
Volgens de officiële beschrijving kan het codebases verkennen, bestanden bewerken en de eigen wijzigingen controleren. De grootste verbetering zit in agentisch programmeren: het kan de oorzaak van falende tests vinden, een oplossing opstellen en het resultaat verifiëren. Wat snelheid betreft is de architectuur ongewijzigd, maar multi-token prediction (MTP) maakt het genereren bij een enkel verzoek ongeveer 1,6 keer sneller. In vergelijking met Mellum2, Qwen3.5-9B en Gemma 4 E4B onder dezelfde evaluatie-instellingen ligt de outputdoorvoer van Mellum2.1 op één H200 onder hoge belasting dicht bij het dubbele van die van Qwen3.5-9B.
Het model staat op Hugging Face en kan lokaal of op eigen infrastructuur worden uitgerold, zodat bedrijven code en data in hun eigen omgeving kunnen houden. Er zijn plannen voor GGUF-versies voor llama.cpp, Ollama en LM Studio, en voor een MTP-component voor speculatief decoderen in vLLM.
Ik kijk uit naar de GGUF-versie, want dan kunnen gewone ontwikkelaars het op hun eigen machine proberen. Wat vind jij belangrijker bij een codeermodel: nauwkeurigheid of de kosten van uitrol?
Bron: IT之家
Het model behoudt de architectuur van Mellum2: een mixture-of-experts-model (MoE) van 12B met 2,5B actieve parameters, en het blijft uitgebracht onder de Apache 2.0-licentie. De grootste wijziging in de training is dat de reinforcement-learningfase na de pretraining is uitgebreid van een korte afrondende stap tot de kern van de training. Er zijn gegevens toegevoegd over wiskunde, algoritmewedstrijden, wetenschap, gebruik van tools en softwareontwikkeling, en er zijn interne RL-omgevingen gebouwd, waarbij tijdens de training miljoenen sandboxes over duizenden omgevingen werden gestart. Voor de training worden taken met foutieve tests, niet-verifieerbare antwoorden of een ongeschikte moeilijkheidsgraad eruit gefilterd.
Volgens de officiële beschrijving kan het codebases verkennen, bestanden bewerken en de eigen wijzigingen controleren. De grootste verbetering zit in agentisch programmeren: het kan de oorzaak van falende tests vinden, een oplossing opstellen en het resultaat verifiëren. Wat snelheid betreft is de architectuur ongewijzigd, maar multi-token prediction (MTP) maakt het genereren bij een enkel verzoek ongeveer 1,6 keer sneller. In vergelijking met Mellum2, Qwen3.5-9B en Gemma 4 E4B onder dezelfde evaluatie-instellingen ligt de outputdoorvoer van Mellum2.1 op één H200 onder hoge belasting dicht bij het dubbele van die van Qwen3.5-9B.
Het model staat op Hugging Face en kan lokaal of op eigen infrastructuur worden uitgerold, zodat bedrijven code en data in hun eigen omgeving kunnen houden. Er zijn plannen voor GGUF-versies voor llama.cpp, Ollama en LM Studio, en voor een MTP-component voor speculatief decoderen in vLLM.
Ik kijk uit naar de GGUF-versie, want dan kunnen gewone ontwikkelaars het op hun eigen machine proberen. Wat vind jij belangrijker bij een codeermodel: nauwkeurigheid of de kosten van uitrol?
Bron: IT之家
Reacties 0
Plaats de eerste reactie, in elke taal.
Log in om te reageren