Description
Mellum2.1 Thinking est un modèle de langage de grande taille avancé développé par JetBrains, hébergé sur Hugging Face. Il est conçu pour gérer des tâches agentiques complexes telles que le travail dans des dépôts, l'exécution de commandes et l'appel d'outils, ainsi que pour s'attaquer à des problèmes non agentiques difficiles en codage, mathématiques et raisonnement. Le modèle est un modèle mélange d'experts de 12 milliards de paramètres avec 2,5 milliards de paramètres actifs, comportant 28 couches, une taille cachée de 2304 et une taille de vocabulaire de 98 304.
Lire la suite
L'architecture de Mellum2.1 reste inchangée par rapport à son prédécesseur, Mellum2, mais des améliorations significatives ont été apportées après l'entraînement grâce à l'apprentissage par renforcement. Cette version met l'accent sur l'apprentissage par renforcement comme composant principal de l'entraînement, utilisant de nouvelles tâches en mathématiques, programmation compétitive, sciences, utilisation d'outils et ingénierie logicielle. Le modèle s'entraîne dans des environnements réels pour des compétences agentiques, telles que l'ingénierie logicielle, où il opère au sein de dépôts réels et est récompensé pour avoir réussi des tests.
Mellum2.1 Thinking démontre des performances supérieures dans divers benchmarks par rapport à son prédécesseur et à d'autres modèles. Il obtient des scores élevés dans des benchmarks de codage tels que LiveCodeBench v6 et HumanEval+, ainsi que dans des benchmarks mathématiques tels que AIME 25/26 et GSM-Plus. Le modèle excelle également dans des benchmarks agentiques, y compris SWE-bench Verified et Terminal-Bench 2.1, mettant en avant sa capacité améliorée à explorer des bases de code et à modifier des fichiers.
Le modèle est publié sous la licence Apache 2.0, garantissant sa disponibilité en open source. Il prend en charge le service avec vLLM et est compatible avec les builds GGUF pour llama.cpp, Ollama et LM Studio. Mellum2.1 Thinking est idéal pour les développeurs et les chercheurs à la recherche d'un outil robuste pour la résolution de problèmes complexes et les tâches agentiques.
- CatégorieModèles d'IA et LLM
- Modèle tarifaireOpen source
- DéploiementCloud
- PlateformesWeb
Points forts de Mellum2.1 Thinking
12 milliards de paramètres
2,5 milliards de paramètres actifs
28 couches
Taille cachée de 2304
Taille du vocabulaire de 98 304
Apprentissage par renforcement
Open source
Licence Apache 2.0
Premiers pas avec Mellum2.1 Thinking
Accéder à la page du modèle : Visitez Hugging Face
S'authentifier : Connectez-vous à votre compte
Configurer : Définissez les paramètres du modèle
Envoyer des requêtes : Saisissez vos questions
Affiner : Personnalisez pour des tâches spécifiques
Cas d'utilisation de Mellum2.1 Thinking
- Tâches de codage complexes
- Raisonnement mathématique
- Tâches agentiques
- Ingénierie logicielle
- Utilisation d'outils
