共计 1194 个字符，预计需要花费 3 分钟才能阅读完成。
JetBrains 正在把自家的 AI 编程能力向更完整的“工程助手”方向推进。 近日,JetBrains 宣布开源 Mellum2 模型, 这一面向软件工程系统的新模型不再只聚焦代码补全, 而是进一步覆盖代码生成、编辑、工具调用和智能体式工作流等场景。
📌 从 Mellum 到 Mellum2: 定位明显升级
一个关键变化是上下文窗口的大幅扩展:Mellum 原本为 8192 Token, 而 Mellum2 提升至 131072 Token。这意味着模型在处理长文件、跨文件逻辑、长对话或更复杂任务描述时, 理论上拥有更大的信息承载空间。
🔍 12B 参数与 MoE 架构: 兼顾规模和推理效率
这种设计的意义在于,模型可以拥有更大的总体容量, 但在实际推理时只激活其中一部分专家, 从而在能力和速度之间取得平衡。官方也强调,Mellum2 在标准硬件上仍能保持较快计算表现。
- 总规模:12B 参数
- 激活规模:约 2.5B 参数
- 架构:稀疏 MoE 混合专家模型
- 许可:Apache 2.0, 提供基础版、指令版和思考版
💡 核心能力: 面向智能体式开发流程
这表明 Mellum2 的目标不只是回答“下一行代码是什么”, 而是更接近在开发任务中承担一个可被调度的 AI 组件。例如, 它可以在复杂流程中作为子智能体, 配合检索、路由、编排系统完成某一段具体工作。
- AI 工作负载的路由与编排;
- 低延迟 RAG 检索增强生成管线;
- 复杂工作流中的快速 Sub-agent;
- 需要私有化或本地化部署的开发团队。
📊 训练思路: 逐步转向代码和数学任务
训练方面,JetBrains 表示 Mellum2 在预训练阶段采用三阶段数据课程。数据混合从多样化网页内容开始, 逐渐转向精选代码和数学内容, 以让模型更贴近软件工程任务。
这一训练策略符合当前编程模型的发展趋势: 通用语言能力仍然重要,但对于开发者工具来说, 代码结构理解、逻辑推理、错误定位和工程上下文处理, 往往比泛泛的文本生成更关键。
🚀 观察:JetBrains 的重点不只是开源模型
编辑判断:相比追求超大参数规模,Mellum2 更像是一次面向“可部署、可编排、可嵌入开发流程”的产品化尝试。12B 总参数、MoE 激活机制、长上下文与 Apache 2.0 许可证的组合, 说明它瞄准的是企业和开发工具链中的实际落地, 而非单纯展示模型榜单能力。
对开发团队而言,潜在影响主要体现在两方面: 一是本地或私有 AI 编程助手的选择增加, 尤其适合对代码安全、延迟和部署可控性有要求的场景; 二是 AI 编程工具可能从“辅助补全”逐步转向“流程参与者”, 在检索、分析、修改、调用工具等环节承担更主动的角色。
当然,Mellum2 的实际表现仍要取决于后续社区测试、部署成本、工具链适配以及在真实项目中的稳定性。就已公布信息来看, 它至少释放了一个明确信号: 编程 AI 的竞争正在从单点补全能力, 转向面向软件工程全流程的智能体能力。
