JetBrains 于 2026 年 10 月 8 日在官方 AI 博客发布 Mellum2.1。这是其 6 月开源的 120 亿参数混合专家模型的新版本，Apache 2.0 许可不变。发布方称，它面向可在自有硬件上运行的编码智能体和快速子智能体；架构自第二版起未变，激活参数仍为 25 亿，变化集中在预训练之后。
JetBrains 写道，这一版的工作几乎都放在后训练，主要是强化学习。强化学习从训练末尾的短阶段，变成训练的主体。团队就训练方法和数据做了多轮实验，并保留经得住检验的部分。
数据上，新增的强化学习任务覆盖数学、竞赛编程、科学、工具调用和软件工程，把开源强化学习数据集与自建任务混在一起。发布方说明，开源数据里常见测试损坏、答案无法验证，或任务对模型过易、过难，因此每个来源在进入训练前都做了过滤。
为训练智能体能力，JetBrains 称自建了可同时运行数千个强化学习环境的基础设施，整个训练过程启动了数百万个沙箱。博客对比两代模型时说：Mellum2 速度快，但还不能在代码仓库里做到他们想要的程度；经过一个夏天在真实环境中的强化学习之后，Mellum2.1 可以探索代码库、编辑文件，并检查自己的改动。
JetBrains 在相同评测设置下，把 Mellum2.1 与 Mellum2，以及同级别开源模型 Qwen3.5-9B、Gemma 4 E4B 做了对比。发布方称，进步最大的是智能体编码；编程、竞赛编程、数学、工具调用和常识也有提升，难任务和日常任务上都站得住。博客正文没有给出各项具体分数，对比结果以配图呈现。
速度方面，发布方称后训练没有改架构，因此 Mellum2.1 与 Mellum2 一样快，多 token 预测（MTP）再把它加快。高负载下，Mellum2.1 是对比组中最快的，服务的 token 数量接近 Qwen3.5-9B 的两倍；单个请求下，MTP 使其大约快 1.6 倍。一张速度图的说明写明，测量的是单张 H200 上的每秒输出 token。以上均为发布方自测。
JetBrains 列出三类用法。一是放进智能体系统里当执行者，处理计划中的不同环节，例如定位失败测试的根因、起草并检查修复。二是当作通用助手，回答日常问题，并逐步处理较难的数学和推理题。三是本地或在自有基础设施上部署，使代码和数据留在使用者可控范围内。
模型已上架 Hugging Face。适用于 llama.cpp、Ollama 和 LM Studio 的 GGUF 版本，以及供 vLLM 推测解码使用的 MTP 头，均标注为即将推出。发布方邀请正在做编码智能体、子智能体或自托管 AI 工具的人试用，并表示反馈将影响下一版。
