Русскоязычная модель на базе Qwen3 для исправления орфографии, пунктуации и регистра в текстах.
Подходит для: исправление опечаток и орфографических ошибок в русском тексте · восстановление пунктуации в черновиках · исправление заглавных и строчных букв и буквы «ё»
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
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
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
Дообученная версия SAM ViT-B для выделения объектов и создания масок на медицинских изображениях.
Подходит для: создание маски области интереса на медицинском изображении по точкам · сегментация медицинского объекта по ограничивающей рамке · интерактивная разметка медицинских изображений
MedSAM — модель на основе SAM с ViT-Base для сегментации областей на медицинских изображениях по подсказке.
Подходит для: Создание масок областей интереса на медицинских снимках · Выделение опухолевых областей на изображениях · Подготовка разметки медицинских изображений для анализа
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
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 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
Дообученная на примерах Rust модель Mellum для заполнения пропусков в коде по схеме Fill-in-the-Middle.
Подходит для: дополнение пропущенного фрагмента Rust-кода между префиксом и суффиксом · генерация продолжения функции или блока кода Rust в IDE · автодополнение Rust-кода с учётом имени файла и окружающего кода
Квантованная GGUF-сборка кодовой MoE-модели Mellum 2.1 с ослабленными отказами предназначена для генерации текста, кода и ответов с рассуждениями.
Подходит для: генерация и исправление программного кода · получение ответов на запросы, которые базовая модель часто отклоняет · решение математических задач с пошаговыми рассуждениями
Экспериментальная текстовая MoE-модель на базе Mellum2 Thinking для диалоговой генерации и изучения влияния удаления эвристик отказа на рассуждение.
Подходит для: исследование поведения отказов у моделей рассуждения · сравнение ответов модели до и после абляции отказов · эксперименты с многошаговой генерацией текста
Дообученная модель JetBrains для автодополнения и генерации кода на Python с контекстом до 8192 токенов.
Подходит для: автодополнение кода на Python в IDE · генерация продолжения фрагмента Python · заполнение пропусков в коде с учётом контекста файлов
Промежуточная SFT-модель JetBrains Mellum2 для экспериментов с инструкционной настройкой, диалогом и агентными сценариями.
Подходит для: изучение этапа SFT в обучении Mellum2 Instruct · эксперименты с настройкой предпочтений и RLVR · сравнение SFT-чекпойнта с итоговой RL-настроенной моделью
Модель JetBrains на 3,7 млрд параметров для контекстного автодополнения, генерации и заполнения пропусков в программном коде.
Подходит для: контекстное автодополнение кода в IDE · генерация функций и фрагментов кода по описанию · заполнение пропусков в коде с учётом соседних файлов
Предварительно обученная MoE-модель JetBrains для исследований по расширению контекста и дальнейшего обучения на контексте до 8192 токенов.
Подходит для: продолжение предобучения языковой модели на текстовых корпусах · тонкая настройка базовой модели под специализированные задачи · исследование методов расширения контекстного окна
Модель JetBrains для автодополнения и генерации Python-кода с контекстом до 8192 токенов.
Подходит для: автодополнение Python-кода в IDE · генерация функций и фрагментов кода на Python · заполнение пропусков в коде по контексту проекта
Дообученная модель JetBrains для автодополнения и генерации кода на Kotlin в IDE и инструментах разработчика.
Подходит для: автодополнение Kotlin-кода в IDE · генерация фрагментов кода на Kotlin по контексту проекта · заполнение пропусков в коде с учётом дополнительных файлов