JetBrains 今天發布了 Mellum2,一個開放權重的 12B Mixture-of-Experts 模型,每 token 2.5B 啟用參數,在 HuggingFace 上以 Apache 2.0 授權提供,位於 JetBrains/mellum-2。架構:28 層,隱藏大小 2,304,Grouped-Query Attention(32 個 query heads,4 個 KV heads),3 層中 3 層的 Sliding Window Attention,1,024 token 視窗,131,072 token 上下文,bfloat16 精度,詞彙表 98,304。每 token 啟用 64 個專家中的 8 個,這就是從 12B 總數產生 2.5B 啟用的數字。JetBrains 將能力集描述為程式碼生成和編輯、除錯、多步推理、工具使用和函式呼叫、智能體編碼,以及對話式程式設計輔助,這比 Mellum1(之前 4B 密集完成聚焦的前身)更廣泛。
定位比任何單個基準數字更重要。JetBrains 明確將 Mellum2 定位為 "focal model",一個在更大 AI 系統內的快速、專門元件,而不是獨立的前沿替代品。他們命名的用例:routing/編排、RAG 摘要、複雜工作流中的子代理、不應該通過單個大型前沿模型路由的重複或對延遲敏感的步驟。每 token 計算等同於 2.5B 密集模型,這是 MoE 給你買的吞吐量角度。報告的基準數字:LiveCodeBench v6 37.2、EvalPlus 78.4(HumanEval+ 加 MBPP+)、MultiPL-E 67.1、BFCL v3 66.3(工具使用)。JetBrains 表格中的比較 cohort 是 Qwen3.5 4B 和 9B、Ministral 3 14B 和 OLMo-3 7B,而不是 Codestral 或 DeepSeek-Coder 或 Qwen3-Coder 線,這意味著與領先的 code-specialist 模型的 head-to-head 不在發布材料中,這是你需要在自己的評估中填補的空白。
兩個生態線索。首先,「focal model」框架是要認真對待的事情。過去一年的主導模式一直是「通過最大可用的前沿模型路由每個程式碼任務」,這對於不是真正困難的 80% 的程式碼任務來說是昂貴和緩慢的。focal-model 替代方案說:一個 2.5B 啟用、128K 上下文的專家,達到 78.4 EvalPlus 和 66.3 BFCL,廉價快速地處理重複層,你只針對困難的 20% 升級到前沿。Mellum2 加上一個編排器(LangGraph、你自己的 router,或 Claude Code 的新 Dynamic Workflows)是 JetBrains 建議的形態。其次,Apache 2.0 加上開放權重加上 HuggingFace 家園意味著商業部署、自託管和微調都在範圍內,無需額外的授權談判。對於已經為程式碼完成或簡單重構支付前沿模型費率的 builders,問題是 Mellum2 是否覆蓋了你實際程式碼任務分布的足夠部分以證明路由複雜性的合理性。
週一早上,如果你為 IDE 外掛或 PR 機器人中的程式碼完成支付前沿模型費率:在測試路徑中部署 Mellum2,並在你的真實工作負載上測量成本品質交叉點。如果你的分布偏向簡單(完成、文件生成、小型重構),focal-model 押注會付出;如果它偏向複雜(全程式碼庫推理、新穎除錯),你保持在前沿,不要費心。如果你自己建構多模型編排器,Mellum2 是快速專門槽位的合理預設值;工具使用分數(BFCL v3 66.3)表明它實際上可以處理函式呼叫,而不僅僅是程式碼完成。如果你評估開放程式碼模型,在閱讀 LiveCodeBench-v6 37.2 數字之前對你的真實基準執行 Mellum2,因為 Qwen3-Coder 和 DeepSeek-Coder 線的可比較 code-specialist 分數不在 JetBrains 發布材料中,你需要它們來做出真正的決定。