Mellum2.1 是 JetBrains 在 2026 年 10 月 8 日发布的开源编程模型，定位是给编程智能体当干活的工人：它能自己翻代码库、改文件、再检查自己改得对不对。模型已上线 Hugging Face，按 Apache 2.0 许可开放。这一版最值得看的不是参数，而是 JetBrains 把整个夏天押在了强化学习上，试图用一个小模型解决大模型太贵、太慢的部署账。
架构一动没动，功夫全在预训练之后
Mellum2.1 沿用 Mellum2 的架构：120 亿参数的混合专家模型，每个 token 只激活 25 亿参数。JetBrains 在官方博客中说，上一代速度够快，却没法在真实代码库里把活干到需要的水平；这一版的变化几乎全部发生在后训练阶段。强化学习从过去的收尾步骤变成了训练的主体部分，JetBrains 为此自建了数千个强化学习环境，整个训练过程运行了数百万次沙箱。训练任务新增了数学、竞赛编程、科学、工具调用和软件工程等类别，开放数据在进入训练前先过滤掉损坏的测试、无法验证的答案和难度失衡的题目。
成绩怎么看：强项很亮，短板也别藏
按 JetBrains 公布的同口径评测，Mellum2.1 在所列 17 项基准中有 15 项超过上一代，智能体编程是进步最大的一块。LiveCodeBench v6 它拿到 82.0，高于同级对手 Qwen3.5-9B 的 75.4；但在更考验端到端干活能力的 Terminal-Bench 2.1 上，它只有 17.4，反而低于 Qwen3.5-9B 的 21.7。速度是它更硬的卖点：架构没变，后训练没有拖慢推理，多 token 预测让单请求速度约为原来的 1.6 倍；官方在单张 H200 上的测试显示，高负载时它的吞吐接近 Qwen3.5-9B 的两倍。换句话说，它赢在快和便宜，输在最难的那类长链条任务上。
适合谁，不适合谁
最适合的用法，是把它放进智能体系统里当子智能体：定位失败测试的根因、起草修复、验证改动这类边界清楚的活，正是它训练时反复练的。其次是私有化部署：模型可以跑在自有硬件上，代码和数据不出内网，对合规要求高的团队比调用外部大模型更容易交代。GGUF 版本（面向 llama.cpp、Ollama 和 LM Studio）以及多 token 预测组件官方称即将提供，现阶段主要通过 Hugging Face 获取权重自行部署。不适合的期待也很明确：指望它单独扛起最复杂的端到端软件工程任务，或者把它当知识面最广的通用助手，Terminal-Bench 的分数已经给出了提醒。
