Mellum2.1 運営中

Mellum2.1はJetBrainsが提供するオープンソースのAIコーディングモデルで、12BのMixture-of-Expertsアーキテクチャを採用しています。Mellum2.1では強化学習が仕上げ段階からトレーニングの主体へと移行し、数百万回のサンドボックス実行と組み合わせることで、モデルはコードベースの探索、ファイル編集、変更内容の自己検証を行い、エージェント型コーディング能力を大幅に向上させています。Mellum2.1の高負荷時スループットはQwen3.5-9Bの約2倍に達し、プライベート環境へのデプロイにも対応しています。すでにHugging Faceで公開されています。

エージェント型コーディング：コードベースを探索し、ファイルを編集して変更内容を自己検証できます。失敗したテストの根本原因を特定し、修正案を作成して検証できます。
コード補完と生成：Mellum2の位置付けを引き継ぎ、コーディングワークフローに高速なコード生成と質疑応答機能を提供します。
ツール呼び出し：外部ツールを呼び出してタスクを実行でき、AIエージェントシステムの構築に適しています。
汎用推論：日常的な質疑応答に対応し、数学や論理の難問を段階的に推論して解くこともできます。
プライベート環境へのデプロイ：ローカルまたは自社インフラで実行でき、コードとデータを企業内部に完全に保持できます。

WeChatでフォローして「オープンソース」と返信すると、AIオープンソースプロジェクト交流グループに参加できます
Mixture-of-Experts（MoE）アーキテクチャ：Mellum2.1は12BパラメータのMixture-of-Expertsアーキテクチャを採用し、推論ごとに2.5Bパラメータのみをアクティブ化します。モデルは複数の「エキスパート」サブネットワークで構成され、入力はルーティング機構によって一部のエキスパートにのみ分配されます。これによりモデル容量を維持しながら計算量を大幅に削減し、低コストかつ高スループットの推論を実現します。
大規模強化学習（RL）：今回の中核的なアップグレードはトレーニングプロセスにあります。RLは事前学習後の短い仕上げ段階から、トレーニングの主体へと拡張されました。チームは数学、競技プログラミング、科学、ツール利用、ソフトウェアエンジニアリングなどのタスクを追加しました。自社インフラではトレーニング中に数百万個のサンドボックスを起動し、数千の実環境をカバーすることで、モデルは実際のコーディング環境とのやり取りを通じ、試行錯誤と報酬信号から、エージェントに必要な探索、編集、検証能力を習得します。
厳格なデータ選別：トレーニングに使用するオープンデータセットは、登録前にすべてフィルタリングされます。テストに欠陥があるタスク、答えを検証できないタスク、難易度が不適切なタスクを除外し、RLトレーニングの信号の信頼性を確保するとともに、モデルが誤ったフィードバックから学習することを防ぎます。
複数Token予測（MTP）：MTPにより、モデルは1回のフォワードパスで複数の後続Tokenを予測できます。単一リクエストの速度は約1.6倍向上し、MoEによる低アクティブパラメータ設計と組み合わせることで、Mellum2.1は高負荷時にQwen3.5-9Bの約2倍のスループットを実現します。

モデルページにアクセス：Hugging Face上のJetBrains公式組織ページを開き、Mellum2.1のモデルリポジトリを探します。
モデルの重みをダウンロード：モデルカードページでダウンロードをクリックするか、ライセンス条件に従ってモデルファイルを取得します（制限がある場合は、先に利用規約への同意が必要です）。
デプロイフレームワークを選択：TransformersまたはvLLMを使用してデプロイします。前者は簡単な検証に、後者は本番環境の高並列サービスに適しています。
推論環境を設定：GPU環境を準備します（公式ベンチマークは単一のH200に基づいています）。モデルを読み込み、131Kのコンテキストパラメータを設定します。
アクセラレーションオプションを有効化：公式ガイドに従って複数Token予測（MTP）を設定し、単一リクエストの速度を約1.6倍向上させます。
推論を呼び出す：API経由でコード生成、リポジトリ単位の編集、またはエージェントタスクのプロンプトを送信し、モデルの出力を取得します。

優れたエージェント型コーディング能力：実環境での大規模RLトレーニングにより、コードベースを自律的に探索し、ファイルを編集して変更を検証できます。テスト失敗の根本原因を特定し、修正案を作成できます。
業界トップクラスの推論速度：高負荷時のスループットはQwen3.5-9Bの約2倍で、同クラスのモデルでも最速です。
単一リクエストへの高速応答：複数Token予測（MTP）技術により、単一リクエストの速度が約1.6倍向上します。
効率的なアーキテクチャ：12BのMoE設計でアクティブ化するパラメータは2.5Bのみ。低い計算コストで高い性能を実現します。
高品質なトレーニングデータ：すべてのトレーニングデータを厳格に選別し、欠陥のあるタスクを除外することで、学習信号の信頼性を確保しています。
総合能力の高さ：プログラミング、競技プログラミング、数学、ツール呼び出し、一般知識などの分野で総合的に性能が向上しています。
プライベート環境へのデプロイに適合：ローカルまたは自社インフラで実行でき、コードとデータを完全に自律管理できるため、企業の機密性が求められる環境に適しています。

公式サイト：https://blog.jetbrains.com/ai/2026/10/mellum2-1-gets-to-work-a-fast-open-model-for-coding-agents/
Hugging Faceモデルリポジトリ：https://huggingface.co/JetBrains/Mellum2.1-12B-A2.5B-Thinking

エージェント型コーディング：コードベースを自律的に探索し、ファイルを編集して変更を検証します。テスト失敗の特定から修正までの全工程を実行できます。
企業向けプライベートアシスタント：企業サーバーにローカルデプロイし、コードとデータが社内ネットワークの外部に出ることを防ぎます。
IDEとの深い統合：JetBrainsシリーズのIDEやサードパーティ製ツールに組み込み、コード補完とインテリジェントな質疑応答を提供します。
サブエージェントのオーケストレーション：低レイテンシと高スループットを活かし、マルチエージェントシステムでサブタスクを実行したり、リクエストをルーティングしたりできます。
数学・論理推論：数学の問題、アルゴリズム競技、日常的な質疑応答に対応し、汎用アシスタントとしての能力も備えています。