Mellum2.1: JetBrains trimmt sein offenes 12B-Modell auf Agenten-Arbeit

Was neu ist

JetBrains veröffentlicht Mellum2.1, den Nachfolger des im Juni quelloffen gemachten Mellum2. Die Architektur bleibt: ein Mixture-of-Experts-Modell mit 12B Parametern, davon nur 2,5B aktiv pro Token, unter Apache 2.0. Fast die ganze Arbeit steckte im Post-Training.

Reinforcement Learning als Hauptteil

• RL wurde von einer kurzen Schlussphase zum Kern des Trainings.
• Neue Aufgaben in Mathe, Competitive Programming, Naturwissenschaft, Tool-Nutzung und Software Engineering; offene Datensätze wurden hart gefiltert, weil dort oft Tests kaputt oder Aufgaben unlösbar sind.
• Tausende RL-Umgebungen im eigenen Haus, Millionen Sandbox-Läufe. Das Modell erkundet ein Repository, ändert Dateien und prüft seine eigenen Änderungen.

Vergleich und Tempo

Verglichen wurde mit Mellum2 sowie Qwen3.5-9B und Gemma 4 E4B im identischen Setup. Der größte Sprung liegt beim agentischen Coding, aber auch Coding, Mathe, Tool-Calling und Allgemeinwissen legen zu. Unter hoher Last ist Mellum2.1 laut JetBrains das schnellste Modell der Gruppe und liefert fast doppelt so viele Tokens wie Qwen3.5-9B; mit Multi-Token-Prediction ist ein einzelner Request etwa 1,6-mal schneller.

Einsatz

Gedacht ist es als schneller Sub-Agent in Agentensystemen und für private, selbst gehostete Setups. Die Gewichte liegen auf Hugging Face; GGUF-Builds für llama.cpp, Ollama und LM Studio sowie der MTP-Head für vLLM sollen „bald“ folgen.

Quelle: JetBrains Blog