/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,9 млрд
Размер весов
24,3 ГБ
Лицензия
Apache 2.0
Архитектура
mellum · MoE
Библиотека
transformers
Опубликована
26 мая 2026

Mellum2-12B-A2.5B-Instruct

Генерация текстаТекст → текст15 профессий

Диалоговая модель JetBrains для быстрых ответов, выполнения инструкций, помощи с кодом и использования инструментов.

15 722скачиваний за 30 дней88лайковвеса обновлены13 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 оценки15

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

  • multipl-e

    pass@1 · выше — лучше

    Результат

    67,1

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • gpqa

    acc · выше — лучше

    Результат

    40,9

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • Idavidrein/gpqa

    score · выше — лучше

    Результат

    40,9

    diamond 40,9
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • livecodebench

    pass@1 · выше — лучше

    Результат

    37,2

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • gorilla-llm/Berkeley-Function-Calling-Leaderboard

    score

    Результат

    66,3

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • gsm-plus

    exact_match · выше — лучше

    Результат

    80,5

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • aime

    exact_match · выше — лучше

    Результат

    41,7

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • bfcl

    acc · выше — лучше

    Результат

    44,2

    text-generation 66,3
    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • mixeval

    acc · выше — лучше

    Результат

    62,2

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • mmlu-redux

    acc · выше — лучше

    Результат

    78,1

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • xstest

    safe_compliance

    Результат

    81,2

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • ifeval

    acc · выше — лучше

    Результат

    75,8

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • bs-bench

    detection_rate

    Результат

    18

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • evalplus

    pass@1 · выше — лучше

    Результат

    78,4

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • harmbench

    harmful_rate

    Результат

    23,1

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Mellum2 Instruct — диалоговая языковая модель, разработанная JetBrains для прямых ответов без явного пошагового рассуждения. Она подходит для интерактивного чата, выполнения инструкций, помощи с кодом и использования инструментов.

Модель построена на архитектуре Mixture-of-Experts: 64 эксперта, из которых для каждого токена активируются 8. Используются слои со скользящим окном и полным вниманием; контекст составляет 131 072 токена. По карточке модель получена из JetBrains/Mellum2-12B-A2.5B-Base с помощью дообучения на инструкциях и последующего обучения с подкреплением на задачах математики, программирования, использования инструментов, следования инструкциям, рассуждений и знаний. Указанный в метаданных размер — 1,9 млрд параметров; веса представлены в safetensors, библиотека — Transformers.

Модель принимает текст и предназначена для генерации текстовых ответов. Карточка сообщает об английском языке. Для сложной отладки, планирования и многошаговых агентных сценариев разработчик рекомендует вариант Thinking. Лицензия — Apache-2.0.

Сценарии применения

  • интерактивный чат с прямыми ответами
  • помощь в написании и исправлении кода
  • выполнение инструкций на естественном языке
  • вызов инструментов в диалоговом приложении
  • ответы на вопросы в длинном контексте

Ограничения

Вариант Instruct ориентирован на прямые ответы и не выводит явную цепочку рассуждений; для сложной отладки, планирования и многошаговых агентных задач разработчик рекомендует вариант Thinking. В README указан размер 12B в названии и архитектурное описание, тогда как метаданные сообщают total_parameters 1.9B.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Mellum2 Instruct

[!Note] Use this model when you want direct, low-latency answers without an explicit chain of thought — interactive chat, code assistance, tool use, and instruction following. If you need explicit reasoning before the answer (complex debugging, planning, multi-step agentic flows), use Thinking instead.

Mellum2 Instruct Highlights

Mellum2 Instruct is a post-trained assistant 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 131,072 tokens.

It is produced from Mellum2-12B-A2.5B-Base by supervised fine-tuning followed by reinforcement learning with verifiable rewards (RLVR) on math, executable coding, tool use, instruction following, reasoning, and knowledge tasks. Mellum2 Instruct answers directly, without an externalized chain of thought.

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 Instruct 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: 131,072
  • Sliding Window: 1,024
  • Vocabulary Size: 98,304
  • Precision: bfloat16

Serving with vLLM

# Without tool calling
vllm serve JetBrains/Mellum2-12B-A2.5B-Instruct --max-model-len 131072

# With tool calling
vllm serve JetBrains/Mellum2-12B-A2.5B-Instruct \
  --max-model-len 131072 \
  --enable-auto-tool-choice \
  --tool-call-parser hermes

Quickstart

Text-Only Input

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

messages = [
    {"role": "user", "content": "Write a Python function to reverse a string."},
]

chat_response = client.chat.completions.create(
    model="JetBrains/Mellum2-12B-A2.5B-Instruct",
    messages=messages,
    max_tokens=81920,
    temperature=0.6,
    top_p=0.95,
    extra_body={
        "top_k": 20,
    },
)
print("Chat response:", chat_response)

Evaluation

Post-training evaluation for the instruct (no-thinking) variants. All values are percentages; higher is better except HarmBench, where lower is better. All values self-reported by JetBrains.

BenchmarkMellum2 Instruct SFTMellum2 InstructQwen3.5 (4B)Qwen3.5 (9B)OLMo-3 (7B)Ministral 3 (14B)Seed-Coder (8B)
Coding
LiveCodeBench v630.937.251.063.728.242.428.1
EvalPlus76.278.469.471.867.374.173.8
MultiPL-E64.667.151.067.136.171.577.0
Tool Use
BFCL v431.844.252.060.619.838.8—
BFCL v343.166.364.170.541.952.7—
Math
AIME29.941.738.358.340.033.30.0
GSM-Plus73.080.585.287.985.886.650.4
Knowledge
MMLU-Redux77.478.187.591.171.885.938.1
GPQA Diamond38.940.976.879.840.958.620.2
Conversational
IFEval69.375.882.183.983.267.356.2
JetBrains pairwise66.768.160.677.844.472.443.0
MixEval62.962.265.971.159.471.237.2
BS-Bench24.018.056.961.022.09.05.0
Safety
HarmBench (↓)8.423.120.320.914.756.540.0
XSTest78.381.293.291.291.296.886.3

Notes:

  • EvalPlus is the mean of HumanEval+ and MBPP+.
  • AIME is the mean of AIME 2025 and AIME 2026 (30 questions each).
  • BFCL v4 is the macro-average of five subtasks: v1, v2, v3, web search, memory.
  • JetBrains pairwise is win rate against Qwen2.5-7B-Instruct on an internal benchmark.
  • — indicates the model lacks native tool calling.

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
273d9c1

0 моделей