JetBrains a sorti Mellum2 aujourd'hui, un modèle open-weights Mixture-of-Experts 12B avec 2,5B paramètres actifs par token, disponible sous Apache 2.0 sur HuggingFace à JetBrains/mellum-2. Architecture : 28 couches, taille cachée 2 304, Grouped-Query Attention (32 query heads, 4 KV heads), Sliding Window Attention sur 3 couches sur 4 avec fenêtre de 1 024 tokens, contexte 131 072 tokens, précision bfloat16, vocabulaire 98 304. Active 8 sur 64 experts par token, ce qui produit le chiffre 2,5B-actifs depuis le total 12B. JetBrains décrit l'ensemble de capacités comme génération et édition de code, debugging, raisonnement multi-étapes, utilisation d'outils et function calling, coding agentique, et assistance de programmation conversationnelle, ce qui est un scope plus large que Mellum1 (le prédécesseur 4B dense focalisé complétion).
Le framing matter plus que n'importe quel chiffre de benchmark individuel. JetBrains positionne explicitement Mellum2 comme un "focal model," un composant rapide et spécialisé à l'intérieur de systèmes IA plus larges plutôt qu'un remplacement frontier standalone. Cas d'usage qu'ils nomment : routing/orchestration, summarization RAG, sub-agents dans des workflows complexes, étapes répétitives ou latency-sensitive qui ne devraient pas être routées à travers un seul gros modèle frontier. Le compute per-token est équivalent à un modèle dense 2,5B, ce qui est l'angle de throughput que le MoE t'achète. Chiffres de benchmark rapportés : LiveCodeBench v6 37,2 ; EvalPlus 78,4 (HumanEval+ plus MBPP+) ; MultiPL-E 67,1 ; BFCL v3 66,3 (tool use). La cohorte de comparaison dans les tables JetBrains est Qwen3.5 4B et 9B, Ministral 3 14B, et OLMo-3 7B, pas les lignes Codestral ou DeepSeek-Coder ou Qwen3-Coder, ce qui veut dire que le head-to-head contre les modèles code-specialist leaders n'est pas dans le matériel de lancement et c'est le gap que tu aurais à combler sur ta propre évaluation.
Deux fils d'écosystème. Premièrement, le framing "focal model" est la chose à prendre au sérieux. Le pattern dominant de la dernière année a été "router chaque tâche de code à travers le plus gros modèle frontier disponible," ce qui est cher et lent pour les 80 pour cent de tâches code qui ne sont pas vraiment difficiles. L'alternative focal-model dit : un specialist 2,5B-actif, contexte 128K qui hit 78,4 EvalPlus et 66,3 BFCL gère la couche répétitive bon marché et vite, et tu escalades au frontier seulement pour les 20 pour cent difficiles. Mellum2 plus un orchestrateur (LangGraph, ton propre router, ou les Dynamic Workflows de Claude Code) est la shape que JetBrains suggère. Deuxièmement, Apache 2.0 plus poids ouverts plus une maison HuggingFace veut dire que le déploiement commercial, self-hosting, et fine-tuning sont tous in scope sans négociations de licence additionnelles. Pour les builders qui paient déjà des taux frontier-model pour la complétion de code ou le refactoring simple, la question est de savoir si Mellum2 couvre assez de ta distribution réelle de tâches code pour justifier la complexité de routing.
Lundi matin, si tu paies des taux frontier-model pour la complétion de code dans des plugins IDE ou bots PR : déploie Mellum2 dans un chemin de test et mesure le crossover coût-qualité sur ta vraie charge. Si ta distribution skew simple (complétion, génération de doc, petits refactors), le pari focal-model paie ; si elle skew complexe (raisonnement full-codebase, debugging novel), tu restes sur frontier et tu te casses pas la tête. Si tu construis ton propre orchestrateur multi-modèle, Mellum2 est un default sensible pour le slot spécialisé rapide ; le score d'utilisation d'outils (BFCL v3 66,3) suggère qu'il peut vraiment gérer le function calling, pas juste la complétion de code. Et si tu évalues des modèles code open, roule Mellum2 contre ton vrai benchmark avant de lire le chiffre 37,2 de LiveCodeBench-v6, parce que les scores code-specialist comparables des lignes Qwen3-Coder et DeepSeek-Coder ne sont pas dans le matériel de release JetBrains et tu en as besoin pour prendre une vraie décision.