Дообученная на Kotlin-коде модель CodeLlama для генерации и автодополнения программ, особенно в задачах по алгоритмам.

Подходит для: генерация решений алгоритмических задач на Kotlin · автодополнение Kotlin-кода · заполнение пропусков в Kotlin-фрагментах методом FIM

GLM-5.1 — языковая модель Z.ai для генерации кода и длительных агентных инженерных задач с инструментами.

Подходит для: генерация кода по описанию задачи · поиск и исправление ошибок в репозитории · выполнение многоэтапных задач в терминале

Агентная модель Moonshot AI для сложных задач программирования и многоэтапной разработки ПО с поддержкой изображений, видео и инструментов.

Подходит для: написание и изменение кода в крупных проектах · выполнение многоэтапных задач разработки через агентный интерфейс · поиск и исправление ошибок в программном обеспечении

Дообученная JetBrains модель на 1,3 млрд параметров для генерации и дополнения кода на Kotlin.

Подходит для: генерация решений задач на Kotlin · автодополнение Kotlin-кода · заполнение пропусков в коде между префиксом и суффиксом

Крупная модель MoE на базе Qwen 3.5 для агентного программирования, решения задач разработки и работы с инструментами.

Подходит для: решение задач разработки в терминальном coding-агенте · поиск и исправление ошибок в кодовой базе · автоматизация задач программирования с вызовом инструментов

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

Подходит для: интерактивный чат с прямыми ответами · помощь в написании и исправлении кода · выполнение инструкций на естественном языке

Плотная модель на 9 млрд параметров для агентного программирования, решения задач разработки и вызова инструментов.

Подходит для: решение задач программирования через терминальный агент · поиск и исправление ошибок в кодовой базе · автоматизация задач разработки с вызовом инструментов

Экспериментальная 27-миллиардная модель Jackrong для агентного программирования, отладки репозиториев и вызова инструментов.

Подходит для: генерация кода и правок в существующем репозитории · поиск и исправление ошибок в коде · создание патчей по описанию задачи

JiRack Ultra 14B — 14-миллиардная диалоговая модель CMSManhattan для генерации текста, локального CPU-инференса и сценариев с RAG и вызовом инструментов.

Подходит для: генерация ответов в диалоговом интерфейсе · локальный запуск языковой модели на CPU · подготовка ответов по внутренним документам в RAG-системе

Дообученная MoE-модель JetBrains для агентной работы с кодом, вызова инструментов и сложных задач рассуждения с контекстом до 131 072 токенов.

Подходит для: исследование репозитория и поиск нужных файлов · редактирование кода и проверка изменений в проекте · решение задач по программированию и математике

Мультимодальная модель JetBrains, объединяющая два чекпойнта Qwen для диалогов, анализа изображений и задач программирования.

Подходит для: ответы на вопросы по изображениям · диалоговое взаимодействие с мультимодальной моделью · помощь в написании и разборе кода

Компактная агентная модель для исследования программных репозиториев, исправления ошибок и проверки изменений тестами.

Подходит для: поиск и исправление ошибок в программном репозитории · анализ кода и подготовка патчей по описанию проблемы · запуск тестов для проверки исправлений

GLM-4.7 — англо-китайская языковая модель Z.ai для программирования, агентных задач, рассуждений и диалогов.

Подходит для: генерация и отладка программного кода · выполнение задач разработки через терминальный агент · создание веб-страниц и интерфейсов по описанию

Базовая языковая MoE-модель JetBrains с контекстом до 131 072 токенов для дообучения и адаптации к задачам на длинных текстах.

Подходит для: дообучение языковой модели на собственных данных · адаптация модели к предметной области · продолжение генерации длинных текстов

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

Подходит для: пошаговый разбор сложных ошибок в коде · планирование многоэтапных задач · решение математических задач с развёрнутым ходом рассуждений

Базовая модель JetBrains для автодополнения и генерации кода с контекстом 8192 токена.

Подходит для: автодополнение кода в IDE · заполнение пропусков в исходном коде · продолжение фрагментов программ на разных языках

Дообученная JetBrains на Kotlin-коде модель CodeLlama-7B для генерации и дополнения программ на Kotlin.

Подходит для: генерация функций и фрагментов кода на Kotlin · автодополнение Kotlin-кода по префиксу и суффиксу · решение задач программирования на Kotlin

Дообученная JetBrains модель DeepSeek Coder на 6,6 млрд параметров для генерации и дополнения кода на Kotlin.

Подходит для: генерация решений задач на Kotlin · дополнение незавершённых функций на Kotlin · заполнение пропусков в Kotlin-коде по формату FIM

RoBERTa-модель, дообученная на JavaScript-коде для предсказания замаскированных токенов и применения в CodeBERTScore.

Подходит для: заполнение пропусков в JavaScript-коде · получение оценок CodeBERTScore для JavaScript-кода · сравнение программных фрагментов с помощью модели языкового моделирования

Дообученная JetBrains модель на 3,7 млрд параметров для контекстного автодополнения и генерации кода на множестве языков программирования.

Подходит для: контекстное автодополнение кода в IDE · заполнение пропусков и фрагментов в коде · генерация кода по контексту проекта

Компактная модель Salesforce на архитектуре T5 для генерации и понимания кода по текстовым запросам.

Подходит для: генерация кода по описанию задачи · автодополнение фрагментов кода · поиск кода по текстовому запросу

Промежуточная SFT-версия JetBrains Mellum2 Thinking для изучения и экспериментов с обучением языковых моделей на рассуждениях.

Подходит для: изучение SFT-этапа обучения модели рассуждений · эксперименты с preference tuning на базе SFT-чекпойнта · эксперименты с RLVR после supervised fine-tuning

RoBERTa-модель, дообученная на Java-коде для восстановления пропущенных токенов и использования в CodeBERTScore.

Подходит для: восстановление замаскированных фрагментов Java-кода · оценка сходства сгенерированного Java-кода в CodeBERTScore · анализ Java-кода с помощью представлений, обученных на исходном коде

Плотная модель Qwen3.5 на 9,65 млрд параметров для генерации кода, технических рассуждений и работы с инструментами в агентных сценариях.

Подходит для: генерация и рефакторинг кода в многофайловых проектах · поиск и исправление ошибок в программном коде · планирование многоэтапных задач разработки ПО