JetBrains veröffentlicht Mellum2.1: Open-Source-Modell für autonome KI-Agenten

JetBrains hat die Veröffentlichung von Mellum2.1 bekannt gegeben, einer aktualisierten Version seines Mixture-of-Experts-Modells mit 12 Milliarden Parametern. Das Modell wurde speziell für autonome KI-Agenten im Bereich der Softwareentwicklung sowie für schnelle Subagenten konzipiert. Es steht unter der Open-Source-Lizenz Apache 2.0 zur Verfügung und behält die Architektur seines Vorgängers mit 2,5 Milliarden aktiven Parametern bei. Der Schwerpunkt des Trainings verlagerte sich in der Post-Training-Phase jedoch maßgeblich auf Bestärkendes Lernen in isolierten Sandbox-Ausführungsumgebungen.

Intensives Bestärkendes Lernen in Sandbox-Umgebungen

Die Aktualisierung konzentriert sich fast vollständig auf Optimierungen im Anschluss an das Vortraining statt auf architektonische Änderungen. JetBrains skalierte das Bestärkende Lernen erheblich, indem während des Trainings Millionen von Sandbox-Ausführungsläufen in Tausenden verschiedenen Umgebungen gestartet wurden. Dieser Ansatz ermöglicht es Mellum2.1, unbekannte Codebasen zu erkunden, Quelltextdateien zu bearbeiten und eigene Änderungen selbstständig zu überprüfen. Um den erforderlichen Datensatz aufzubauen, erweiterte JetBrains die Aufgabenbereiche auf Software-Engineering, Werkzeuginteraktion, Mathematik sowie kompetitives Programmieren. Zudem wurden fehlerhafte Tests und nicht verifizierbare Aufgaben aus Open-Source-Quellen herausgefiltert.

Leistungssteigerungen und Ausführungsgeschwindigkeit

Bei der Bewertung unter identischen Testaufbauten im Vergleich zu Mellum2, Qwen3.5-9B und Gemma 4 E4B zeigte Mellum2.1 deutliche Fortschritte beim agentenbasierten Programmieren sowie Zuwächse bei wettbewerbsorientiertem Programmieren, Mathematik, Werkzeugaufrufen und allgemeinem Logikverständnis. Da die grundlegende Architektur unverändert bleibt, entspricht die Inferenzgeschwindigkeit der ursprünglichen Version. Die Vorhersage mehrerer Tokens gleichzeitig (Multi-Token Prediction, MTP) sorgt bei einzelnen Anfragen für eine etwa 1,6-fach schnellere Ausführung. Unter hoher Betriebslast verarbeitet Mellum2.1 laut JetBrains beinahe doppelt so viele Tokens wie Qwen3.5-9B.

Bereitstellungsoptionen und lokale Infrastruktur

Mellum2.1 ist für die lokale Bereitstellung auf eigener Entwickler-Hardware ausgelegt. Dadurch behalten Teams die vollständige Kontrolle über ihren Quellcode und ihre Systemdaten. Die Modellgewichte sind derzeit auf Hugging Face verfügbar. JetBrains plant, in Kürze GGUF-Versionen für llama.cpp, Ollama und LM Studio bereitzustellen. Darüber hinaus soll ein spezieller Head für Multi-Token Prediction erscheinen, der für spekulatives Dekodieren innerhalb von vLLM angepasst ist.

KI-generierte redaktionelle Illustration; kein Dokumentarfoto.

Quelle: Mellum2.1 Gets to Work: A Fast Open Model for Coding Agents