JetBrains 发布编程 AI 模型 Mellum2.1，主打智能体编程
IT之家报道，JetBrains 在 10 月 8 日发布博文，宣布推出编程 AI 模型 Mellum2.1，重点增强智能体编程能力。作为开发者，我对这类可以本地部署的开源模型一直比较关注，所以把要点整理在这里。
模型延续 Mellum2 的架构，是一个 12B 的混合专家（MoE）模型，活跃参数为 2.5B，依旧采用 Apache 2.0 许可证。训练上的变化是，把预训练之后的强化学习阶段从短期收尾环节扩展成了训练主体，补充了数学、算法竞赛、科学、工具使用和软件工程等任务的数据，并搭建内部强化学习环境，训练期间启动数百万个沙盒，覆盖数千个环境。训练前还会筛掉带测试缺陷、答案不可验证或难度不合适的任务。
能力方面，官方称它可以探索代码库、编辑文件并检查自己的修改，最大的改进在智能体编程：能识别失败测试的根因，起草修复方案并验证结果。速度方面，架构不变，多 Token 预测（MTP）让单请求场景下速度提高约 1.6 倍；与 Mellum2、Qwen3.5-9B 和 Gemma 4 E4B 在相同评估设置下比较，高负载时 Mellum2.1 在单块 H200 上的输出吞吐量接近 Qwen3.5-9B 的两倍。
模型已上线 Hugging Face，支持在本地或自有基础设施上部署，企业可以把代码和数据留在自己的环境里。后续计划推出面向 llama.cpp、Ollama 和 LM Studio 的 GGUF 版本，以及 vLLM 的 MTP 推测解码组件。
我比较期待 GGUF 版本，那样普通开发者在自己的机器上也能试一试。你们更看重编程模型的准确度，还是部署成本？
来源：IT之家
模型延续 Mellum2 的架构，是一个 12B 的混合专家（MoE）模型，活跃参数为 2.5B，依旧采用 Apache 2.0 许可证。训练上的变化是，把预训练之后的强化学习阶段从短期收尾环节扩展成了训练主体，补充了数学、算法竞赛、科学、工具使用和软件工程等任务的数据，并搭建内部强化学习环境，训练期间启动数百万个沙盒，覆盖数千个环境。训练前还会筛掉带测试缺陷、答案不可验证或难度不合适的任务。
能力方面，官方称它可以探索代码库、编辑文件并检查自己的修改，最大的改进在智能体编程：能识别失败测试的根因，起草修复方案并验证结果。速度方面，架构不变，多 Token 预测（MTP）让单请求场景下速度提高约 1.6 倍；与 Mellum2、Qwen3.5-9B 和 Gemma 4 E4B 在相同评估设置下比较，高负载时 Mellum2.1 在单块 H200 上的输出吞吐量接近 Qwen3.5-9B 的两倍。
模型已上线 Hugging Face，支持在本地或自有基础设施上部署，企业可以把代码和数据留在自己的环境里。后续计划推出面向 llama.cpp、Ollama 和 LM Studio 的 GGUF 版本，以及 vLLM 的 MTP 推测解码组件。
我比较期待 GGUF 版本，那样普通开发者在自己的机器上也能试一试。你们更看重编程模型的准确度，还是部署成本？
来源：IT之家
评论 0
来写第一条评论吧，用任何语言都行。
登录后评论