JetBrains 于 10 月 8 日发布博文，宣布上线编程 AI 模型 Mellum2.1，重点增强智能体编程能力。该模型延续 Mellum2 的 12B 混合专家架构，拥有 2.5B 活跃参数，并继续采用 Apache 2.0 许可证发布，目前已登陆 Hugging Face，支持本地或自有基础设施部署。
与前一版本相比，Mellum2.1 的主要升级集中在预训练后的强化学习阶段。JetBrains 将该阶段从短期收尾环节扩展为训练主体，并在数学、算法竞赛、科学、工具使用和软件工程等任务中补充训练数据。为支撑这一调整，JetBrains 搭建了内部强化学习环境基础设施，训练期间启动数百万个沙盒，覆盖数千个环境。在训练前，团队还筛选了开放数据集，剔除测试缺陷、不可验证答案及难度失当的任务。
升级后，Mellum2.1 可探索代码库、编辑文件并检查自身修改。JetBrains 表示，其最大改进出现在智能体编程领域，模型可识别失败测试的根因，起草修复方案并验证结果。这意味着模型在自动化软件工程流程中的自主性有所提升，能够承担从问题定位到修复验证的连续任务。
性能方面，Mellum2.1 与 Mellum2 架构一致，速度保持不变。多 Token 预测（MTP）进一步提升响应速度，单请求场景下 MTP 使其速度提高约 1.6 倍。JetBrains 将 Mellum2.1 与 Mellum2、Qwen3.5-9B 及 Gemma 4 E4B 在相同评估设置下进行比较，结果显示，高负载时 Mellum2.1 的推理吞吐 Token 数量接近 Qwen3.5-9B 的两倍，并在编程、算法竞赛、数学、工具调用和通用知识等维度均有提升。
从架构选择看，Mellum2.1 采用 12B 总参数、2.5B 活跃参数的混合专家设计，在推理成本与模型能力之间寻求平衡。Apache 2.0 许可证和 Hugging Face 发布渠道使其可被企业直接部署在自有基础设施中，代码和数据无需离开企业环境。对于金融、医疗等对数据合规要求较高的行业，这一部署方式降低了使用门槛。
JetBrains 官方表示，后续将推出面向 llama.cpp、Ollama 和 LM Studio 的 GGUF 版本，以及 vLLM 的 MTP 推测解码组件。GGUF 格式的适配将扩大模型在本地推理工具链中的可用性，而 vLLM 组件的推出则有助于提升服务端部署的推理效率。
当前编程 AI 模型竞争正从代码补全向智能体任务延伸。Mellum2.1 将强化学习训练重心转向智能体编程，反映出工具调用、代码库探索和自我验证能力正成为模型迭代的关键方向。JetBrains 作为开发工具厂商，将模型能力与自身 IDE 生态结合的路径值得关注，其后续在真实开发场景中的表现将决定该模型能否在编程 AI 赛道中形成差异化优势。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
