JetBrains 今天发布了 Mellum2,一个开放权重的 12B Mixture-of-Experts 模型,每 token 2.5B 激活参数,在 HuggingFace 上以 Apache 2.0 许可证提供,位于 JetBrains/mellum-2。架构:28 层,隐藏大小 2,304,Grouped-Query Attention(32 个 query heads,4 个 KV heads),3 层中 3 层的 Sliding Window Attention,1,024 token 窗口,131,072 token 上下文,bfloat16 精度,词汇表 98,304。每 token 激活 64 个专家中的 8 个,这就是从 12B 总数产生 2.5B 激活的数字。JetBrains 将能力集描述为代码生成和编辑、调试、多步推理、工具使用和函数调用、智能体编码,以及对话式编程辅助,这比 Mellum1(之前 4B 密集完成聚焦的前身)更广泛。
定位比任何单个基准数字更重要。JetBrains 明确将 Mellum2 定位为 "focal model",一个在更大 AI 系统内的快速、专门组件,而不是独立的前沿替代品。他们命名的用例:routing/编排、RAG 总结、复杂工作流中的子代理、不应该通过单个大型前沿模型路由的重复或对延迟敏感的步骤。每 token 计算等同于 2.5B 密集模型,这是 MoE 给你买的吞吐量角度。报告的基准数字:LiveCodeBench v6 37.2、EvalPlus 78.4(HumanEval+ 加 MBPP+)、MultiPL-E 67.1、BFCL v3 66.3(工具使用)。JetBrains 表格中的比较 cohort 是 Qwen3.5 4B 和 9B、Ministral 3 14B 和 OLMo-3 7B,而不是 Codestral 或 DeepSeek-Coder 或 Qwen3-Coder 线,这意味着与领先的 code-specialist 模型的 head-to-head 不在发布材料中,这是你需要在自己的评估中填补的空白。
两个生态线索。首先,"focal model" 框架是要认真对待的事情。过去一年的主导模式一直是"通过最大可用的前沿模型路由每个代码任务",这对于不是真正困难的 80% 的代码任务来说是昂贵和缓慢的。focal-model 替代方案说:一个 2.5B 激活、128K 上下文的专家,达到 78.4 EvalPlus 和 66.3 BFCL,廉价快速地处理重复层,你只针对困难的 20% 升级到前沿。Mellum2 加上一个编排器(LangGraph、你自己的 router,或 Claude Code 的新 Dynamic Workflows)是 JetBrains 建议的形态。其次,Apache 2.0 加上开放权重加上 HuggingFace 家园意味着商业部署、自托管和微调都在范围内,无需额外的许可证谈判。对于已经为代码完成或简单重构支付前沿模型费率的 builders,问题是 Mellum2 是否覆盖了你实际代码任务分布的足够部分以证明路由复杂性的合理性。
周一早上,如果你为 IDE 插件或 PR 机器人中的代码完成支付前沿模型费率:在测试路径中部署 Mellum2,并在你的真实工作负载上测量成本质量交叉点。如果你的分布偏向简单(完成、文档生成、小型重构),focal-model 押注会付出;如果它偏向复杂(全代码库推理、新颖调试),你保持在前沿,不要费心。如果你自己构建多模型编排器,Mellum2 是快速专门槽位的合理默认值;工具使用分数(BFCL v3 66.3)表明它实际上可以处理函数调用,而不仅仅是代码完成。如果你评估开放代码模型,在阅读 LiveCodeBench-v6 37.2 数字之前对你的真实基准运行 Mellum2,因为 Qwen3-Coder 和 DeepSeek-Coder 线的可比较 code-specialist 分数不在 JetBrains 发布材料中,你需要它们来做出真正的决定。