JetBrains发布Mellum2.1开源模型：强化智能体编程能力，支持本地部署与高效推理

SmartHey10月9日消息，JetBrains 当地时间10月8日正式发布 Mellum2.1 开源大模型，重点提升智能体（Agent）级编程能力。该模型沿用 Mellum2 的 12B 混合专家（MoE）架构，激活参数量为 2.5B，并继续以 Apache 2.0 许可证开放，允许商用与自由修改。

本次升级聚焦于预训练后的强化学习（RL）阶段——将其从原先的辅助性收尾环节，全面扩展为模型训练的核心组成部分。训练数据同步覆盖数学推理、算法竞赛、科学计算、工具调用及软件工程等多类高价值任务，显著增强模型在复杂技术场景下的自主决策与执行能力。

为支撑高强度 RL 训练，JetBrains 自建了专用强化学习基础设施：训练期间并行启动数百万个隔离沙盒环境，涵盖数千种真实开发与运行场景；训练前还对开源数据集进行了精细化筛选，剔除含测试缺陷、答案不可验证或难度严重失衡的任务样本，保障训练质量与泛化稳健性。

升级后，Mellum2.1 具备完整的代码库感知与交互能力：可自主探索项目结构、编辑源文件、运行验证逻辑并评估自身修改效果。JetBrains 特别指出，其最大突破在于智能体编程范式——模型能精准定位失败单元测试的根本原因，生成针对性修复补丁，并自动执行验证闭环，真正实现“思考—行动—反馈”一体化。

性能方面，Mellum2.1 保持与 Mellum2 相同的推理延迟与吞吐效率，同时引入优化版多 Token 预测（MTP）机制，进一步加速响应：在单请求场景下，MTP 带来约 1.6 倍的速度提升。

在统一评估框架下，Mellum2.1 与 Mellum2、通义千问 Qwen3.5-9B 及 Google Gemma 4 E4B 进行横向对比。结果显示：在高并发负载下，Mellum2.1 的推理吞吐 Token 数接近 Qwen3.5-9B 的两倍；且在编程能力、算法解题、数学推理、工具调用及通用知识理解等关键维度均实现系统性提升。

目前，Mellum2.1 已上线 Hugging Face，支持企业用户在本地服务器或私有云环境中一键部署，确保代码资产与敏感数据全程不出内网。官方后续还将推出适配 llama.cpp、Ollama 和 LM Studio 的 GGUF 量化版本，并同步发布面向 vLLM 的 MTP 推测解码插件，进一步降低推理成本、提升边缘部署灵活性。