JetBrains, ajan tabanlı programlamaya odaklanan yapay zekâ programlama modeli Mellum2.1'i tanıttı
IT之家'nın haberine göre JetBrains, 8 Ekim'de bir blog yazısında, ajan tabanlı kodlama yeteneğini güçlendirmeye odaklanan Mellum2.1 programlama yapay zekâ modelini duyurdu. Geliştirici olarak yerelde çalıştırılabilen bu tür açık modelleri yakından takip ediyorum, bu yüzden önemli noktaları burada topluyorum.
Model, Mellum2'nin mimarisini koruyor: 12B parametreli, 2,5B'si aktif olan bir karma uzman (MoE) modeli ve hâlâ Apache 2.0 lisansıyla yayımlanıyor. Eğitimdeki temel değişiklik, ön eğitimden sonraki pekiştirmeli öğrenme aşamasının kısa bir son rötuş adımından eğitimin ana parçasına genişletilmesi. Matematik, algoritma yarışmaları, bilim, araç kullanımı ve yazılım mühendisliği verileri eklenmiş, dahili pekiştirmeli öğrenme ortamları kurulmuş ve eğitim sırasında binlerce ortamda milyonlarca sanal alan başlatılmış. Eğitimden önce hatalı testleri olan, cevabı doğrulanamayan veya zorluk düzeyi uygun olmayan görevler eleniyor.
Resmi açıklamaya göre model kod tabanlarını inceleyebiliyor, dosyaları düzenleyebiliyor ve kendi değişikliklerini kontrol edebiliyor. En büyük iyileştirme ajan tabanlı kodlamada: başarısız testlerin kök nedenini bulabiliyor, bir düzeltme taslağı çıkarabiliyor ve sonucu doğrulayabiliyor. Hızda mimari değişmemiş, ancak çoklu token tahmini (MTP) tek istekte üretimi yaklaşık 1,6 kat hızlandırmış. Aynı değerlendirme koşullarında Mellum2, Qwen3.5-9B ve Gemma 4 E4B ile karşılaştırıldığında, yüksek yük altında tek bir H200 üzerinde Mellum2.1'in çıktı verimi Qwen3.5-9B'nin neredeyse iki katına yakın.
Model Hugging Face'te yayımlandı ve yerelde ya da kendi altyapınızda dağıtılabiliyor; böylece şirketler kodunu ve verisini kendi ortamlarında tutabiliyor. JetBrains, llama.cpp, Ollama ve LM Studio için GGUF sürümleri ile vLLM için bir MTP spekülatif kod çözme bileşeni yayımlamayı planlıyor.
GGUF sürümünü merakla bekliyorum, çünkü o zaman sıradan geliştiriciler de modeli kendi bilgisayarında deneyebilecek. Bir kodlama modelinde sizin için hangisi daha önemli: doğruluk mu, dağıtım maliyeti mi?
Kaynak: IT之家
Model, Mellum2'nin mimarisini koruyor: 12B parametreli, 2,5B'si aktif olan bir karma uzman (MoE) modeli ve hâlâ Apache 2.0 lisansıyla yayımlanıyor. Eğitimdeki temel değişiklik, ön eğitimden sonraki pekiştirmeli öğrenme aşamasının kısa bir son rötuş adımından eğitimin ana parçasına genişletilmesi. Matematik, algoritma yarışmaları, bilim, araç kullanımı ve yazılım mühendisliği verileri eklenmiş, dahili pekiştirmeli öğrenme ortamları kurulmuş ve eğitim sırasında binlerce ortamda milyonlarca sanal alan başlatılmış. Eğitimden önce hatalı testleri olan, cevabı doğrulanamayan veya zorluk düzeyi uygun olmayan görevler eleniyor.
Resmi açıklamaya göre model kod tabanlarını inceleyebiliyor, dosyaları düzenleyebiliyor ve kendi değişikliklerini kontrol edebiliyor. En büyük iyileştirme ajan tabanlı kodlamada: başarısız testlerin kök nedenini bulabiliyor, bir düzeltme taslağı çıkarabiliyor ve sonucu doğrulayabiliyor. Hızda mimari değişmemiş, ancak çoklu token tahmini (MTP) tek istekte üretimi yaklaşık 1,6 kat hızlandırmış. Aynı değerlendirme koşullarında Mellum2, Qwen3.5-9B ve Gemma 4 E4B ile karşılaştırıldığında, yüksek yük altında tek bir H200 üzerinde Mellum2.1'in çıktı verimi Qwen3.5-9B'nin neredeyse iki katına yakın.
Model Hugging Face'te yayımlandı ve yerelde ya da kendi altyapınızda dağıtılabiliyor; böylece şirketler kodunu ve verisini kendi ortamlarında tutabiliyor. JetBrains, llama.cpp, Ollama ve LM Studio için GGUF sürümleri ile vLLM için bir MTP spekülatif kod çözme bileşeni yayımlamayı planlıyor.
GGUF sürümünü merakla bekliyorum, çünkü o zaman sıradan geliştiriciler de modeli kendi bilgisayarında deneyebilecek. Bir kodlama modelinde sizin için hangisi daha önemli: doğruluk mu, dağıtım maliyeti mi?
Kaynak: IT之家
Yorumlar 0
İlk yorumu bırak, hangi dilde olursa olsun.
Yorum yapmak için giriş yap