JetBrains、Mellum2.1のオープンウェイトを公開　実リポジトリでの強化学習によりコーディングエージェントを強化

JetBrainsは10月8日、自らリポジトリを探索し、ファイルを編集してテストを実行できるコーディングエージェント向けに、Mellum2.1 Thinkingをリリースした。Mellum2のMixture of Experts（MoE）アーキテクチャを引き継ぎ、総パラメーター数は120億、各トークンで有効になるのは約25億パラメーター。ウェイトはApache 2.0ライセンスで公開される。今回のアップデートはポストトレーニングに重点を置き、既存モデルに、より包括的なソフトウェアエンジニアリングのワークフローを学習させた。公式発表

JetBrainsによると、トレーニング中には数千種類の環境で数百万回のサンドボックス実行を行い、プログラミング、数学、ツール使用のタスクを拡充した。ソフトウェアエンジニアリングのトレーニングでは、モデルを実際のリポジトリに投入し、shellとファイル編集ツールを使わせ、テストの合格を報酬とした。また、テストが壊れているデータ、回答を検証できないデータ、難易度が適切でないデータを除外した。データと実行環境の品質が今回のアップデートの中核となっている。トレーニング手法

公式モデルカードに記載されたSWE-bench Verifiedの解決率は、前世代の2.0%から47.0%に上昇した。一方、同じ条件でのQwen3.5-9Bは50.0%だった。これらの結果はいずれもJetBrainsによる自己測定だ。エージェント評価ではPi v0.73.1、shell、ファイルツールを共通して使用し、コンテキスト長は114K、各ターンの出力上限は16Kトークンに設定した。前世代モデルも再評価されているため、数値はこの評価手順の範囲内で比較する必要がある。異なるランキングの数値を参照する際は、エージェントのツールと推論予算を確認したい。評価と設定

デプロイ向けには、公式のGGUF量子化ファイルが提供されている。Q4_K_Mは約8.1 GBで、llama.cppやOllamaなどのランタイムで利用できる。これはウェイトファイルのサイズであり、実際のメモリ使用量にはKVキャッシュと実行時のオーバーヘッドも加わる。量子化品質の数値は、短いコンテキストでのWikitext-2のlogits比較に基づいており、長いコーディングタスクの解決率を直接示すものではない。公式量子化モデルカード

コーディングエージェントを自社でホストしたいチームにとって、これは実測できるオープンウェイトの選択肢となる。次のステップとして、自社のリポジトリで修正成功率、ツール呼び出しの信頼性、タスク全体のレイテンシを検証したい。中国語の要求理解と、量子化後に複数ターンで安定して動作するかについても、独立したテストが必要だ。