The Pulse
JetBrains rilascia Mellum2.1 per gli agenti di programmazione
JetBrains ha rilasciato Mellum2.1, un modello con licenza Apache 2.0 progettato per lavorare nei repository di codice e supportare gli agenti di programmazione. Nei test di JetBrains ha risolto il 47% dei compiti di SWE-bench Verified, cont
AI.info Team · Scritto con l’IA ·
Il 47% su SWE-bench Verified, contro il 2% di Mellum2
Il nuovo modello Mellum2.1 di JetBrains risolve il 47% dei compiti nella valutazione SWE-bench Verified condotta dall’azienda, contro il 2% del predecessore Mellum2. Nel confronto di JetBrains, il risultato lo colloca appena sotto Qwen3.5-9B, che ha ottenuto il 50%, e davanti a Gemma 4 E4B, fermo al 23%.
JetBrains ha annunciato il rilascio l’8 ottobre 2026. Mellum2.1 è un modello a miscela di esperti da 12 miliardi di parametri, di cui 2,5 miliardi attivi, distribuito con licenza Apache 2.0. Il suo scopo dichiarato non è soltanto generare codice: secondo JetBrains può esplorare un repository, modificare file e verificare le proprie modifiche, il che lo rende adatto a operare all’interno di un sistema più ampio di agenti di programmazione.
L’addestramento si è spostato nei repository di lavoro
L’architettura del modello resta la stessa di Mellum2. JetBrains afferma che gran parte del nuovo lavoro si è concentrata sulla fase successiva all’addestramento, soprattutto sull’apprendimento per rinforzo: l’azienda ha condotto milioni di sessioni di addestramento in ambienti isolati, distribuite su migliaia di ambienti, e ha ampliato i compiti includendo ingegneria del software, uso di strumenti, matematica, scienze e programmazione competitiva.
Per i compiti software, il modello è stato addestrato in repository reali, con strumenti per la shell e la modifica dei file. Secondo la scheda del modello, durante l’addestramento veniva premiato quando superava i test. JetBrains afferma inoltre di aver filtrato i dati di addestramento per rimuovere i compiti con test difettosi, risposte non verificabili o un livello di difficoltà non adeguato al modello.
«Mellum2 era veloce, ma non riusciva a lavorare all’interno di un repository al livello che volevamo», scrive Bulat Salimzianov, autore dell’annuncio di JetBrains.
Grandi progressi, ma non il punteggio più alto in tutti i test sugli agenti
Il risultato su SWE-bench Verified rappresenta un netto miglioramento rispetto a Mellum2, ma la tabella della stessa JetBrains mostra che Mellum2.1 resta dietro a Qwen3.5-9B in altre due valutazioni degli agenti. Ha ottenuto il 17,4% su Terminal-Bench 2.1, contro il 21,7% di Qwen, e il 28% su SWE-bench Pro, contro il 38% di Qwen.
Questi dati provengono dalla valutazione riportata dalla stessa JetBrains, non da una verifica indipendente. L’azienda afferma di aver usato per ogni modello lo stesso framework per agenti open source Pi v0.73.1, con strumenti per la shell e i file. La configurazione prevedeva inoltre le impostazioni di campionamento predefinite di ciascun modello, un contesto di 114.000 token e un limite di 16.000 token per turno: dettagli importanti quando si confrontano i punteggi.
Disponibile per l’esecuzione in locale; altri formati sono in arrivo
JetBrains afferma che Mellum2.1 è disponibile su Hugging Face per l’uso in locale o su infrastrutture gestite autonomamente. Questo consente ai team di eseguire il modello sulla propria infrastruttura, invece di inviare il codice dei repository a un servizio di modelli esterno.
JetBrains riferisce che, sotto carico elevato, Mellum2.1 eroga quasi il doppio dei token rispetto a Qwen3.5-9B; per una singola richiesta, afferma che la predizione multi-token rende il modello circa 1,6 volte più veloce. Nel confronto delle velocità di generazione, l’azienda indica una GPU H200. Le versioni GGUF per llama.cpp, Ollama e LM Studio, insieme alla testa per la predizione multi-token destinata alla decodifica speculativa in vLLM, erano indicate come in arrivo, ma non erano ancora disponibili al momento dell’annuncio.
Per i team che valutano di impiegarlo come componente di un agente, i dati di JetBrains mostrano un compromesso chiaro: Mellum2.1 compie un netto passo avanti rispetto a Mellum2 nelle correzioni verificate nei repository, mentre Qwen3.5-9B lo precede ancora nei due benchmark per agenti più difficili riportati. I pesi del modello sono già disponibili; i componenti promessi per l’accelerazione GGUF e vLLM no.