JetBrains lançou Mellum2 hoje, um modelo open-weights Mixture-of-Experts 12B com 2,5B parâmetros ativos por token, disponível sob Apache 2.0 no HuggingFace em JetBrains/mellum-2. Arquitetura: 28 camadas, tamanho oculto 2.304, Grouped-Query Attention (32 query heads, 4 KV heads), Sliding Window Attention em 3 de 4 camadas com janela de 1.024 tokens, contexto 131.072 tokens, precisão bfloat16, vocabulário 98.304. Ativa 8 de 64 experts por token, o que produz o número 2,5B-ativos a partir do total 12B. JetBrains descreve o conjunto de capacidades como geração e edição de código, debugging, raciocínio multi-passo, uso de ferramentas e function calling, coding agêntico, e assistência de programação conversacional, o que é um escopo mais amplo que Mellum1 (o predecessor 4B denso focado em completação).
O framing importa mais que qualquer número de benchmark individual. JetBrains posiciona explicitamente Mellum2 como um "focal model," um componente rápido e especializado dentro de sistemas IA maiores em vez de um substituto frontier standalone. Casos de uso que nomeiam: routing/orquestração, sumarização RAG, sub-agentes em workflows complexos, passos repetitivos ou latency-sensitive que não deveriam ser roteados através de um único modelo frontier grande. O compute per-token é equivalente a um modelo denso 2,5B, o que é o ângulo de throughput que o MoE te compra. Números de benchmark reportados: LiveCodeBench v6 37,2; EvalPlus 78,4 (HumanEval+ mais MBPP+); MultiPL-E 67,1; BFCL v3 66,3 (tool use). A coorte de comparação nas tabelas JetBrains é Qwen3.5 4B e 9B, Ministral 3 14B, e OLMo-3 7B, não as linhas Codestral ou DeepSeek-Coder ou Qwen3-Coder, o que significa que o head-to-head contra os modelos code-specialist líderes não está no material de lançamento e é a lacuna que você teria que preencher em sua própria avaliação.
Dois fios de ecossistema. Primeiro, o framing "focal model" é a coisa a levar a sério. O padrão dominante do último ano tem sido "rotear cada tarefa de código através do maior modelo frontier disponível," o que é caro e lento para os 80 por cento de tarefas código que não são realmente difíceis. A alternativa focal-model diz: um specialist 2,5B-ativo, contexto 128K que hit 78,4 EvalPlus e 66,3 BFCL gerencia a camada repetitiva barato e rápido, e você escala ao frontier apenas para os 20 por cento difíceis. Mellum2 mais um orquestrador (LangGraph, seu próprio router, ou os Dynamic Workflows do Claude Code) é a shape que JetBrains sugere. Segundo, Apache 2.0 mais pesos abertos mais uma casa HuggingFace significa que o deployment comercial, self-hosting, e fine-tuning estão todos in scope sem negociações de licença adicionais. Para builders que já pagam tarifas frontier-model por completação de código ou refactoring simples, a pergunta é se Mellum2 cobre o suficiente de sua distribuição real de tarefas código para justificar a complexidade de routing.
Segunda-feira pela manhã, se você paga tarifas frontier-model por completação de código em plugins IDE ou bots PR: deploye Mellum2 em um caminho de teste e meça o crossover custo-qualidade em sua carga real. Se sua distribuição skew simples (completação, geração de doc, refactors pequenos), a aposta focal-model paga; se skew complexo (raciocínio full-codebase, debugging novel), você fica no frontier e não se incomoda. Se você constrói seu próprio orquestrador multi-modelo, Mellum2 é um default sensível para o slot especializado rápido; o score de uso de ferramentas (BFCL v3 66,3) sugere que pode realmente gerenciar function calling, não apenas completação de código. E se você avalia modelos código open, rode Mellum2 contra seu benchmark real antes de ler o número 37,2 de LiveCodeBench-v6, porque scores code-specialist comparáveis das linhas Qwen3-Coder e DeepSeek-Coder não estão no material de release JetBrains e você precisa deles para tomar uma decisão real.