Beschreibung
Mellum2.1 Denken ist ein fortschrittliches großes Sprachmodell, das von JetBrains entwickelt und auf Hugging Face gehostet wird. Es ist darauf ausgelegt, komplexe agentische Aufgaben wie die Arbeit in Repositories, das Ausführen von Befehlen und das Aufrufen von Werkzeugen zu bewältigen sowie schwierige nicht-agentische Probleme in Programmierung, Mathematik und Logik anzugehen. Das Modell ist ein Mischung-aus-Experten-Modell mit 12 Milliarden Parametern und 2,5 Milliarden aktiven Parametern, das 28 Schichten, eine versteckte Größe von 2304 und eine Wortschatzgröße von 98.304 aufweist.
Weiterlesen
Die Architektur von Mellum2.1 bleibt im Vergleich zu ihrem Vorgänger, Mellum2, unverändert, jedoch wurden erhebliche Verbesserungen im Nachtraining durch Reinforcement Learning erzielt. Diese Version betont Reinforcement Learning als primäre Trainingskomponente und nutzt neue Aufgaben in Mathematik, wettbewerbsorientierter Programmierung, Wissenschaft, Werkzeugnutzung und Softwaretechnik. Das Modell trainiert in realen Umgebungen für agentische Fähigkeiten, wie Softwaretechnik, wo es innerhalb realer Repositories arbeitet und für das Bestehen von Tests belohnt wird.
Mellum2.1 Denken zeigt im Vergleich zu seinem Vorgänger und anderen Modellen überlegene Leistungen in verschiedenen Benchmarks. Es erzielt hohe Punktzahlen in Programmierbenchmarks wie LiveCodeBench v6 und HumanEval+, sowie in Mathematikbenchmarks wie AIME 25/26 und GSM-Plus. Das Modell glänzt auch in agentischen Benchmarks, einschließlich SWE-bench Verified und Terminal-Bench 2.1, und zeigt seine verbesserte Fähigkeit, Codebasen zu erkunden und Dateien zu bearbeiten.
Das Modell wird unter der Apache 2.0-Lizenz veröffentlicht, was eine Open-Source-Verfügbarkeit gewährleistet. Es unterstützt den Betrieb mit vLLM und ist kompatibel mit GGUF-Bauten für llama.cpp, Ollama und LM Studio. Mellum2.1 Denken ist ideal für Entwickler und Forscher, die ein robustes Werkzeug für komplexe Problemlösungen und agentische Aufgaben suchen.
- KategorieKI-Modelle & LLMs
- PreismodellOpen Source
- BereitstellungCloud
- PlattformenWeb
Mellum2.1 Denken im Überblick
12B Parameter
2.5B Aktive Parameter
28 Schichten
2304 Versteckte Größe
98.304 Wortschatzgröße
Reinforcement Learning
Open Source
Apache 2.0 Lizenz
Erste Schritte mit Mellum2.1 Denken
Zugriff auf die Modellseite: Besuchen Sie Hugging Face
Authentifizieren: Melden Sie sich bei Ihrem Konto an
Konfigurieren: Richten Sie die Modellparameter ein
Eingabeaufforderungen senden: Geben Sie Ihre Anfragen ein
Feinabstimmung: Passen Sie es für spezifische Aufgaben an
Mellum2.1 Denken's Anwendungsfälle
- Komplexe Programmieraufgaben
- Mathematische Logik
- Agentische Aufgaben
- Softwaretechnik
- Werkzeugnutzung
