Descripción
Mellum2.1 Thinking es un modelo de lenguaje grande avanzado desarrollado por JetBrains, alojado en Hugging Face. Está diseñado para manejar tareas complejas agenticas como trabajar en repositorios, ejecutar comandos y llamar herramientas, así como abordar problemas no agenticos difíciles en codificación, matemáticas y razonamiento. El modelo es un modelo de mezcla de expertos de 12 mil millones de parámetros con 2.5 mil millones de parámetros activos, que cuenta con 28 capas, un tamaño oculto de 2304 y un tamaño de vocabulario de 98,304.
Leer más
La arquitectura de Mellum2.1 se mantiene sin cambios respecto a su predecesor, Mellum2, pero se han realizado mejoras significativas en el post-entrenamiento a través del aprendizaje por refuerzo. Esta versión enfatiza el aprendizaje por refuerzo como un componente de entrenamiento principal, utilizando nuevas tareas en matemáticas, programación competitiva, ciencia, uso de herramientas e ingeniería de software. El modelo se entrena en entornos reales para habilidades agenticas, como la ingeniería de software, donde opera dentro de repositorios reales y es recompensado por pasar pruebas.
Mellum2.1 Thinking demuestra un rendimiento superior en varios benchmarks en comparación con su predecesor y otros modelos. Logra altas puntuaciones en benchmarks de codificación como LiveCodeBench v6 y HumanEval+, así como en benchmarks matemáticos como AIME 25/26 y GSM-Plus. El modelo también sobresale en benchmarks agenticos, incluyendo SWE-bench Verified y Terminal-Bench 2.1, mostrando su capacidad mejorada para explorar bases de código y editar archivos.
El modelo se lanza bajo la licencia Apache 2.0, asegurando su disponibilidad como código abierto. Soporta el servicio con vLLM y es compatible con construcciones GGUF para llama.cpp, Ollama y LM Studio. Mellum2.1 Thinking es ideal para desarrolladores e investigadores que buscan una herramienta robusta para la resolución de problemas complejos y tareas agenticas.
- CategoríaModelos de IA y LLM
- Modelo de preciosCódigo abierto
- ImplementaciónNube
- PlataformasWeb
Aspectos destacados de Mellum2.1 Thinking
12B Parámetros
2.5B Parámetros Activos
28 Capas
2304 Tamaño Oculto
98,304 Tamaño de Vocabulario
Aprendizaje por Refuerzo
Código Abierto
Licencia Apache 2.0
Primeros pasos con Mellum2.1 Thinking
Acceder a la página del modelo: Visitar Hugging Face
Autenticarse: Iniciar sesión en su cuenta
Configurar: Establecer los parámetros del modelo
Enviar solicitudes: Ingresar sus consultas
Ajustar: Personalizar para tareas específicas
Casos de uso de Mellum2.1 Thinking
- Tareas Complejas de Codificación
- Razonamiento Matemático
- Tareas Agenticas
- Ingeniería de Software
- Uso de Herramientas
