/ Модель

Характеристики

Контекст
8 192 токена
Параметры
1,9 млрд
Размер весов
24,3 ГБ
Лицензия
Apache 2.0
Архитектура
mellum · MoE
Библиотека
transformers
Опубликована
7 апр 2026

Mellum2-12B-A2.5B-Base-Pretrain

Генерация текстаТекст → текст3 профессии

Предварительно обученная MoE-модель JetBrains для исследований по расширению контекста и дальнейшего обучения на контексте до 8192 токенов.

231скачиваний за 30 дней13лайковвеса обновлены31 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки19

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • bbh

    exact_match · выше — лучше

    Результат

    74,9

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • multipl-e

    pass@1 · выше — лучше

    Результат

    20,97

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • Idavidrein/gpqa

    score · выше — лучше

    Результат

    31,31

    main 35,04diamond 31,31
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • winogrande

    acc · выше — лучше

    Результат

    65,51

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • truthful_qa

    mc2

    Результат

    44,51

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • hellaswag

    acc_norm

    Результат

    73,72

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • humaneval_plus

    pass@1 · выше — лучше

    Результат

    37,2

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • openai/gsm8k

    score · выше — лучше

    Результат

    81,73

    gsm8k 81,73
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • cais/mmlu

    acc · выше — лучше

    Результат

    70,87

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • humaneval

    pass@1 · выше — лучше

    Результат

    41,46

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • mbpp_plus

    pass@1 · выше — лучше

    Результат

    78,31

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • TIGER-Lab/MMLU-Pro

    score · выше — лучше

    Результат

    59,31

    mmlu_pro 59,31
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • gsm8k

    exact_match · выше — лучше

    Результат

    81,73

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • cruxeval

    pass@1 · выше — лучше

    Результат

    43,88

    text-generation 45,38
    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • gpqa

    acc · выше — лучше

    Результат

    31,31

    text-generation 35,04
    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • mbpp

    pass@1 · выше — лучше

    Результат

    62,4

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • hendrycks_math

    exact_match · выше — лучше

    Результат

    9,96

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • ai2_arc

    acc_norm

    Результат

    53,5

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • mmlu-pro

    exact_match · выше — лучше

    Результат

    59,31

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Mellum2-12B-A2.5B-Base-Pretrain — предварительно обученная причинно-следственная языковая модель JetBrains из семейства Mellum2. Это контрольная точка до расширения контекста, предназначенная для исследований по увеличению контекстного окна и для продолжения предобучения или тонкой настройки на 8K контексте. Для прикладного использования README рекомендует версии Base, Instruct или Thinking.

Модель использует архитектуру Mixture-of-Experts: 64 эксперта, из которых активируются 8 на каждый токен. В ней 28 слоёв, размер скрытого состояния 2304 и комбинируются слои скользящего окна и полного внимания. Контекст составляет 8192 токена, окно скользящего внимания — 1024 токена. Модель принимает текст и генерирует текст; в метаданных указан английский язык. Репозиторий содержит веса safetensors и модель использует библиотеку Transformers.

Модель распространяется по лицензии Apache 2.0. Это базовая модель продолжения текста, а не инструктивный чат-чекпойнт; её пригодность для конкретного приложения зависит от последующей настройки. README отмечает, что расширение контекста ещё не применено.

Сценарии применения

  • продолжение предобучения языковой модели на текстовых корпусах
  • тонкая настройка базовой модели под специализированные задачи
  • исследование методов расширения контекстного окна
  • генерация продолжения английского текста после дополнительной настройки

Ограничения

Контрольная точка не прошла расширение контекста и рассчитана на продолжение предобучения или настройку; README рекомендует версии Base, Instruct или Thinking для прикладного использования. Это базовая модель, а не чат-модель, и заявленный контекст ограничен 8192 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Mellum2 Base Pretrain

[!Note] Use this checkpoint as a starting point for research on long-context extension or for 8K-context continued pretraining and fine-tuning. For downstream applications use Base, Instruct, or Thinking instead.

Mellum2 Base Highlights

Mellum2 Base is a pretrained causal language model trained by JetBrains.

The model uses a Mixture-of-Experts architecture with 64 experts and activates 8 experts per token. It uses a combination of sliding-window and full attention layers, with a context length of 8,192 tokens.

This is a checkpoint before long-context extension.

Mellum2 Model Family

This repository contains one checkpoint from the Mellum2 family.

CheckpointDescription
Base PretrainBase checkpoint before long-context extension
BaseFinal base model
Instruct SFTSupervised instruction-tuned checkpoint
Thinking SFTSupervised thinking checkpoint
InstructRL-tuned instruction model
ThinkingRL-tuned thinking model

Model Overview

Mellum2 Base has the following features:

  • Number of Layers: 28
  • Hidden Size: 2304
  • Intermediate Size: 7168
  • MoE Intermediate Size: 896
  • Number of Experts: 64
  • Number of Activated Experts: 8
  • Number of Attention Heads (GQA): 32 for Q and 4 for KV
  • Context Length: 8,192
  • Sliding Window: 1,024
  • Vocabulary Size: 98,304
  • Precision: bfloat16
  • License: Apache 2.0

Serving with vLLM

This checkpoint has an 8K context length (long-context extension is applied in Base).

vllm serve JetBrains/Mellum2-12B-A2.5B-Base-Pretrain --max-model-len 8192

Quickstart

Text-Only Input (base model — use the completions endpoint, not chat)

from openai import OpenAI
# Configured by environment variables
client = OpenAI()

completion = client.completions.create(
    model="JetBrains/Mellum2-12B-A2.5B-Base-Pretrain",
    prompt="def fibonacci(n):\n    ",
    max_tokens=4096,
    temperature=0.6,
    top_p=0.95,
    extra_body={
        "top_k": 20,
    },
)
print("Completion:", completion)

Evaluation

Evaluation results are available in the model card. All values are self-reported by JetBrains.

For more details, see the Mellum2 Technical Report.

License

Released under the Apache 2.0 license.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MellumForCausalLM
Ревизия весов
28f58b9

0 моделей