/ 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-Thinking

Генерация текстаТекст → текст13 профессий

Mellum2 Thinking от JetBrains — текстовая MoE-модель для многошагового рассуждения, сложной отладки, планирования и математических задач.

2 957скачиваний за 30 дней344лайкавеса 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 оценки13

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

  • bs-bench

    detection_rate

    Результат

    15

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • xstest

    safe_compliance

    Результат

    89,6

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • ifeval

    acc · выше — лучше

    Результат

    76,5

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • mmlu-redux

    acc · выше — лучше

    Результат

    86,2

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • mixeval

    acc · выше — лучше

    Результат

    66,9

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • Idavidrein/gpqa

    score · выше — лучше

    Результат

    57,6

    diamond 57,6
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • bfcl

    acc · выше — лучше

    Результат

    45,6

    text-generation 69,4
    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

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

    score

    Результат

    69,4

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • gpqa

    acc · выше — лучше

    Результат

    57,6

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • livecodebench

    pass@1 · выше — лучше

    Результат

    69,9

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • aime

    exact_match · выше — лучше

    Результат

    58,4

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • gsm-plus

    exact_match · выше — лучше

    Результат

    87

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • harmbench

    harmful_rate

    Результат

    20,6

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Mellum2 Thinking — модель-помощник с усиленными способностями к рассуждению, разработанная JetBrains. Она создана на базе Mellum2-12B-A2.5B-Base: после дообучения на инструкциях модель прошла обучение с подкреплением по проверяемым вознаграждениям на сложных данных, включая задачи по математике с развёрнутыми решениями.

Модель предназначена для сложной отладки, многошагового планирования, агентных сценариев, математики и других задач, требующих последовательного рассуждения. Это текстовая MoE-модель семейства Mellum: в архитектуре 64 эксперта, из которых для каждого токена активируются 8. Она использует сочетание слоёв со скользящим окном и полным вниманием и поддерживает контекст до 131 072 токенов. Модель выводит ход рассуждений в специальных блоках перед итоговым ответом.

В репозитории указаны 1,9 млрд параметров, формат safetensors и библиотека Transformers. Лицензия — Apache 2.0. Карточка советует использовать вариант Instruct, если нужны прямые ответы с меньшей задержкой. Модель ориентирована на английский язык; других языков карточка не заявляет.

Сценарии применения

  • пошаговый разбор сложных ошибок в коде
  • планирование многоэтапных задач
  • решение математических задач с развёрнутым ходом рассуждений
  • выполнение агентных сценариев с использованием инструментов
  • ответы на сложные вопросы по длинному контексту

Ограничения

Модель может выводить ход рассуждений перед ответом, а для прямых ответов с меньшей задержкой карточка рекомендует вариант Instruct. В карточке заявлена поддержка английского языка.

Для каких профессий подходит13

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 Thinking

[!Note] Use this model when you want explicit chain-of-thought before the final answer — complex debugging, multi-step planning, agentic workflows, and math- or reasoning-heavy tasks. For direct, low-latency answers without reasoning traces, use Instruct instead.

Mellum2 Thinking Highlights

Mellum 2 Thinking is a post-trained reasoning-augmented 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 (loss computed only on the final assistant turn) followed by reinforcement learning with verifiable rewards (RLVR) on a harder data mix that includes a long-form math subset. The model emits its reasoning inside <think>...</think> blocks before the final answer.

Mellum2 Model Family

This repository contains one checkpoint from the Mellum 2 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 Thinking 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
  • License: Apache 2.0

Serving with vLLM

# Without tool calling
vllm serve JetBrains/Mellum2-12B-A2.5B-Thinking \
  --max-model-len 131072 \
  --reasoning-parser qwen3

# With tool calling
vllm serve JetBrains/Mellum2-12B-A2.5B-Thinking \
  --max-model-len 131072 \
  --reasoning-parser qwen3 \
  --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": "Is 1024 a power of 2? Explain your reasoning."},
]

chat_response = client.chat.completions.create(
    model="JetBrains/Mellum2-12B-A2.5B-Thinking",
    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 thinking/reasoning variants. All values are percentages; higher is better except HarmBench, where lower is better. All values self-reported by JetBrains.

BenchmarkMellum2 Thinking SFTMellum2 ThinkingQwen3.5 (4B)Qwen3.5 (9B)OLMo-3 (7B)Ministral 3 (14B)
Coding
LiveCodeBench v675.169.959.468.359.842.7
Tool Use
BFCL v438.845.642.942.7—35.9
BFCL v360.569.473.968.5—52.2
Math
AIME20.058.468.373.461.738.3
GSM-Plus62.687.089.390.788.186.5
Knowledge
MMLU-Redux84.886.288.391.771.384.4
GPQA Diamond39.957.676.881.329.346.0
Conversational
IFEval69.176.587.189.884.759.7
JetBrains pairwise64.469.540.556.732.263.8
MixEval63.466.971.976.067.070.8
BS-Bench14.015.063.070.023.09.0
Safety
HarmBench (↓)12.220.615.96.648.770.0
XSTest90.889.696.897.693.296.8

Notes:

  • 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 (OLMo-3-7B-Thinking).

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
a731155

0 моделей