AREX Feed Article
JetBrains 发布 Mellum2.1：12B MoE 架构未变，真实环境 RL 把 SWE-bench Verified 自评成绩从 2.0 提到 47.0
JetBrains 在 10 月 8 日的发布 Mellum2.1：这是它 6 月开源的 12B MoE（混合专家）编码模型 Mellum2 的新版本，每个 token 激活 2.5B 参数，沿用 Apache 2.0 许可。架构没有改动，改动集中在预训练之后：JetBrains 用一个夏天的强化学习（RL），在数千个环境里跑了数百万次沙盒任务，让模型学会在代码仓库里探索、编辑文件，并检查自己的修改。
JetBrains 公布的对比里，六项中增幅最大的一栏是 agentic coding（智能体式编码）：SWE-bench Verified 从上一版的 2.0 升到 47.0。这些基准数字均由 JetBrains 自己评测并发布。
RL 从收尾阶段变成训练主体
发布文由 Bulat Salimzianov 署名，其中对上一版的评价是：Mellum2 速度快，但达不到 JetBrains 想要的「在仓库里工作」的水平。
2.1 版的工作几乎全部放在后训练上，主要是 RL。按发布文的说法，RL 从训练末尾的一个短阶段变成了训练的主体；任务集新增数学、竞赛编程、科学、工具调用和软件工程方向，来源是开放的 RL 数据集加上 JetBrains 自建的任务，每条数据在进入训练前都做过过滤，剔除开放数据里常见的失效测试、无法验证的答案，以及过易或不可能完成的任务。为训练 agentic 技能，JetBrains 自建了可同时运行数千个 RL 环境的基础设施，训练过程中启动了数百万个沙盒。
四款模型、同一套设置下的六项成绩
发布文称，对比在同一套评测设置下进行，参与的四款模型是 Mellum2.1、Mellum2，以及 JetBrains 选定的两款同类开源模型 Qwen3.5-9B 和 Gemma 4 E4B。六项成绩为：LiveCodeBench v6 82.0、AIME 25/26 83.3、GPQA Diamond 64.6、BFCL v4 62.3、IFEval 90.6、SWE-bench Verified 47.0，比 Mellum2 分别高出 12.6、23.2、13.6、12.7、11.1 和 45.0 分。发布文称模型在编码、竞赛编程、数学、工具调用和通用知识上都有提升。图表中四款模型均标注为「Thinking」版本。
六项里领先两项，落后 Qwen3.5-9B 四项
LiveCodeBench v6 一栏，Mellum2.1 的 82.0 高于 Qwen3.5-9B 的 75.4，也高于 Gemma 4 E4B 与 Mellum2 相同的 69.4；BFCL v4 一栏，62.3 高于 Qwen3.5-9B 的 58.5。剩下四项上，同类开源模型的分数更高：AIME 25/26 中 Qwen3.5-9B 为 86.7，GPQA Diamond 中为 77.8（Mellum2.1 为 64.6），IFEval 中为 92.4，且 Gemma 4 E4B 的 90.8 也略高于 Mellum2.1 的 90.6；SWE-bench Verified 中 Qwen3.5-9B 以 50.0 高出 3 分。对这些数字，Mellum2 发布博文作者之一 Nikita Pavlichenko 10 月 8 日在 是，Mellum2.1 「相对其速度」在 agentic coding 基准上取得了高分。
速度对比的硬件与精度条件
速度那一栏标明了测试条件：输出速度按 tokens/s 计，FP8（8 位浮点）精度，输入/输出长度 2,304/256，单张 H200。
单请求（Sync）下，配多 token 预测（MTP）的 Mellum2.1 为 557 tokens/s，不带 MTP 为 339；Qwen3.5-9B 配 MTP 为 426、不带为 241；Gemma 4 E4B 配 drafter 为 607、不带为 232。服务器饱和后的吞吐一栏，Mellum2.1 配 MTP 为 8,533、不配为 7,969，Qwen3.5-9B 为 4,373 和 4,347，Gemma 4 E4B 为 6,618 和 6,099。
JetBrains 由此得出的结论是：重负载下 Mellum2.1 是这组里最快的模型，吞吐接近 Qwen3.5-9B 的两倍；单请求下 MTP 带来约 1.6 倍加速（557 对 339）。发布文称后训练没有改动架构，因此它的基础速度与 Mellum2 相同，MTP 是这次新增的一档。「最快」对应的是服务端饱和那一栏：单请求对比里，Gemma 4 E4B 配 drafter 的 607 高于 Mellum2.1 配 MTP 的 557。
三种用法：子智能体、通用助手、自托管
JetBrains 列出的用途有三类：作为 agentic 系统里「能干的工人」，处理从失败测试的根因定位到起草并检查修复的环节；作为编程之外的通用助手，逐步处理数学与推理难题；以及私有自托管部署，把代码和数据留在自己的基础设施上。
这套定位延续自 6 月 1 日。Mellum 起初是代码补全模型，Mellum2 把范围扩到自然语言与代码，用于路由、问答、子智能体和私有部署，并且不做多模态。JetBrains 当时用「focal model」描述这种取舍：并非每个环节都需要最大的模型，不少步骤重复、对延迟敏感、调用频繁，适合交给一个快速、可路由、可自托管的专用组件。
权重在 Hugging Face，GGUF 与 MTP 的说法不一
发布文称 Mellum2.1 已在 提供，面向 llama.cpp、Ollama、LM Studio 的 GGUF 构建，以及供 vLLM 投机解码使用的 MTP head，都标注为「即将推出」。发布文最后请构建编码智能体、子智能体或自托管工具的人试用并反馈，称反馈会塑造下一个版本。
10 月 8 日当天，Pavlichenko 在 X 上表示权重会以 HF 和 GGUF 两种格式发布，MTP 支持「将在随后几天内到来」。对 GGUF 是否已在发布当天可用，两处说法并不一致：博客写的是「即将推出」，他把 GGUF 权重与 HF 权重并列为这次发布的内容。