JetBrains выпустила Mellum2.1 для кодинг-агентов

JetBrains выпустила Mellum2.1 для кодинг-агентов. Фото: из архива компании

Архитектура с тех пор не менялась: это по-прежнему компактная и быстрая модель с 2,5 миллиарда активных параметров под лицензией Apache 2.0. Изменилось всё, что происходит после предобучения. Если Mellum2 была быстрой, но не умела работать внутри репозитория на нужном уровне, то после лета обучения с подкреплением в реальных средах, с миллионами запусков в песочницах across thousands of окружений, Mellum2.1 научилась исследовать кодовую базу, редактировать файлы и проверять собственные изменения.

Практически вся работа над версией ушла в постобучение, прежде всего в reinforcement learning. RL превратился из короткой финальной стадии в основную часть тренировки: было проведено множество экспериментов с методами и данными, и в финал прошло только то, что выдержало проверку.

Добавились новые RL-задачи по математике, спортивному программированию, науке, работе с инструментами и программной инженерии — открытые датасеты комбинировались с собственными наработками. Поскольку открытые данные часто страдают сломанными тестами, непроверяемыми ответами или задачами, которые для модели слишком просты либо невыполнимы, каждый источник фильтровался до попадания в обучение. Для агентных навыков JetBrains построила инфраструктуру, позволяющую запускать тысячи RL-сред внутри компании: за время тренировки было поднято несколько миллионов песочниц.

Сравнение проводилось с Mellum2, а также с двумя открытыми моделями похожего класса — Qwen3.5-9B и Gemma 4 E4B — в одинаковых условиях оценки. Наибольший прирост Mellum2.1 показала именно в агентном кодинге, где отрыв от Mellum2 особенно заметен; улучшения также наблюдаются в программировании, спортивном программировании, математике, вызове инструментов и общих знаниях, причём модель держится как на сложных задачах, так и на повседневных.

Скорость осталась на уровне Mellum2, поскольку постобучение не затрагивало архитектуру, а multi-token prediction делает модель ещё быстрее. Под высокой нагрузкой Mellum2.1 оказывается самой быстрой в группе, обслуживая почти вдвое больше токенов, чем Qwen3.5-9B, а на одиночном запросе MTP ускоряет её примерно в 1,6 раза. Основные сценарии применения — работа внутри агентных систем, где модель берёт на себя разные части плана: от поиска корневой причины падающего теста до черновика исправления и его проверки; задачи за пределами кодинга, включая повседневные вопросы и пошаговое решение сложной математики и логических задач; а также приватное развёртывание на собственном оборудовании, позволяющее держать код и данные под полным контролем.

Mellum2.1 доступна на Hugging Face, а сборки GGUF для llama.cpp, Ollama и LM Studio вместе с головой multi-token prediction для спекулятивного декодирования в vLLM появятся в ближайшее время. JetBrains приглашает всех, кто строит кодинг-агентов, субагентов или ИИ-инструменты для собственной инфраструктуры, попробовать модель и поделиться отзывом — он повлияет на следующую версию, поскольку открытый исходный код и есть путь к созданию лучших моделей.