JetBrains hat die Veröffentlichung von Mellum2.1 angekündigt, einem offenen Modell für Programmieragenten und Subagenten, die schnelle Aufgaben auf den Geräten der Nutzer oder deren eigener Infrastruktur ausführen müssen. Die Version stellt die nächste Generation des 12 Milliarden Parameter umfassenden Mellum2-Modells dar. Dabei bleibt dieselbe Mixture-of-Experts-Architektur erhalten, die 2,5 Milliarden aktive Parameter verwendet, und das Modell steht unter der Apache-2.0-Lizenz.
Die wichtigste Verbesserung entstand nicht durch eine Änderung der Architektur, sondern in der Phase nach dem Training. JetBrains zufolge setzte das Unternehmen stärker auf bestärkendes Lernen und führte Millionen isolierter Ausführungen in Tausenden Softwareumgebungen durch, um das Modell auf Aufgaben zu trainieren, die der tatsächlichen Arbeit in Code-Repositories näherkommen.
Von Antworten zur Arbeit im Repository
Mellum2 war schnell, ging aber laut JetBrains nicht auf dem gewünschten Niveau mit Software-Repositories um. Mellum2.1 kann nun die Codebasis erkunden, Dateien ändern und die von ihm vorgenommenen Änderungen überprüfen. Dadurch kann es für verschiedene Schritte im Plan eines Programmieragenten eingesetzt werden, etwa um die Grundursache eines fehlgeschlagenen Tests zu ermitteln, anschließend eine Korrektur vorzubereiten und diese zu überprüfen.
Training mit strengeren Daten und Umgebungen
Die neuen Trainingsaufgaben umfassten Mathematik, Wettbewerbsprogrammierung, Naturwissenschaften, Tool-Nutzung und Softwareentwicklung. JetBrains kombinierte offene Daten mit intern entwickelten Aufgaben, wies jedoch darauf hin, dass offene Daten fehlerhafte Tests, nicht überprüfbare Antworten oder Aufgaben enthalten können, die zu einfach oder unmöglich sind. Daher wurden die Quellen vor ihrer Aufnahme in das Training gefiltert.
Das Unternehmen konzentrierte sich außerdem auf den Aufbau von Umgebungen für bestärkendes Lernen, die intern Tausende Umgebungen ausführen können. Dadurch waren während des Trainings Millionen isolierter Experimente möglich.
Verbesserungen bei Leistung und Geschwindigkeit
JetBrains verglich Mellum2.1 anhand einer einheitlichen Evaluierungskonfiguration mit der vorherigen Version sowie mit den Modellen Qwen3.5-9B und Gemma 4 E4B. Die größte Verbesserung zeigte sich bei der agentischen Programmierung, mit zusätzlichen Zugewinnen bei Programmierung, Wettbewerbsprogrammierung, Mathematik, Tool-Aufrufen und allgemeinem Wissen.
Da die Phase nach dem Training die Architektur nicht veränderte, blieb die Geschwindigkeit des Modells auf dem Niveau von Mellum2, während die Mehrfach-Token-Vorhersage (MTP) zur Beschleunigung der Inferenz beiträgt. JetBrains zufolge verarbeitet das Modell unter hoher Auslastung ungefähr doppelt so viele Tokens wie Qwen3.5-9B. Außerdem macht MTP es bei einer einzelnen Anfrage etwa 1,6-mal schneller.
Was ändert sich praktisch?
Mellum2.1 bietet Entwicklungsteams eine offene und selbst betreibbare Option zum Aufbau von Programmieragenten oder Subagenten, wobei Code und Daten unter der Kontrolle der betreibenden Organisation bleiben. Die genannten Zahlen spiegeln jedoch die Vergleichstests von JetBrains wider und enthalten in dem Material keine unabhängigen Details zu Hardwareanforderungen oder Leistungsgrenzen in realen Projekten.
Das Modell ist derzeit auf Hugging Face verfügbar. Die GGUF-Versionen für llama.cpp, Ollama und LM Studio sowie der für spekulatives Decoding über vLLM verwendete MTP-Kopf sollen später folgen.