JetBrains sort Mellum2.1 : un modèle ouvert « pensant » de 12B pour l'infrastructure des agents de code

JetBrains sort Mellum2.1 : un modèle ouvert « pensant » de 12B pour l'infrastructure des agents de code

🔎 Un éditeur d'IDE publie un LLM — et choisit exactement le bon créneau

Le 8 octobre 2026, JetBrains a publié Mellum2.1, un modèle ouvert de 12 milliards de paramètres sous licence Apache 2.0, téléchargeable sans inscription sur la collection Hugging Face de l'éditeur. À première vue, une sortie open source parmi d'autres.

Regardez le positionnement, et l'image change. Mellum2.1 ne prétend pas rivaliser avec GPT-5.5 (98,2 sur les benchmarks agents en 2026) ou Claude Opus 4.7 (94,3). JetBrains a construit un worker : un modèle pour le routage bas-latence, les sous-agents, la complétion et les déploiements privés dans l'IDE. La plomberie, celle qui tourne des milliers de fois par jour sans jamais faire la une des newsletters.

Ce cadrage dit deux choses du marché. D'abord, la course aux modèles se segmente : pendant que les labs se battent pour des dixièmes de point en haut du classement, une autre compétition s'organise en dessous, celle des petits modèles spécialisés qui font tourner les agents sans faire exploser la latence ni la facture. Ensuite, les éditeurs d'outils ne veulent plus dépendre des API frontiales. Si vous suivez le fil de l'actu, notre rétro des nouveautés IA montre que ce mouvement s'accélère mois après mois.

L'essentiel

• Un MoE de 12B dont ~2,5B actifs par token : 64 experts dont 8 actifs, contexte de 131 072 tokens, texte seul. Publié le 8 octobre 2026 sous Apache 2.0.
• Seule la variante Thinking est disponible : le modèle écrit son raisonnement dans des balises think avant chaque réponse finale.
• SWE-bench Verified : de 2,0 à 47,0 en quatre mois (JetBrains, octobre 2026), grâce au renforcement learning dans de vrais dépôts — des chiffres non encore reproduits en externe.
• Positionnement assumé de spécialiste : agent worker, routage, déploiements privés. Pas un rival des modèles frontiaux.
• Un laptop 16 Go suffit : le GGUF Q4_K_M pèse 8,1 Go et tourne entièrement offline.

Outils recommandés

Pour tester et déployer Mellum2.1, la boîte à outils tient en quatre lignes — et la plupart sont gratuits, comme le reste de notre sélection d'outils IA gratuits :

Mellum2.1 en un coup d'œil : les specs qui comptent

C'est un mixture-of-experts compact dérivé de l'architecture Qwen3-MoE, texte seul, avec 131 072 tokens de contexte — et une seule variante publiée : Thinking.

Sources : model card relayée par Logeshwaran.org, analyse d'architecture de Tech-Insider et rapport technique Mellum2 sur arXiv (2026).

La généalogie, pour situer : la famille Mellum2 est arrivée le 29 mai 2026, Mellum2 Thinking a été open-sourcée en juin, et Mellum2.1 conserve l'architecture à l'identique. Toute la progression tient ailleurs — on y vient.

Fait notable : JetBrains ne revendique pas que le code. Parmi les trois usages cibles figure un « assistant de raisonnement général », aux côtés de l'agent worker et du déploiement privé self-hosted. L'éditeur voit son modèle comme un utilitaire bas-latence universel, pas comme un simple compléteur.

Thinking, mais pas d'Instruct (pour l'instant)

Seule la variante Thinking de 2.1 a été publiée. Concrètement, le modèle émet sa chaîne de pensée dans des balises think avant chaque réponse finale. Si vous l'enchaînez comme sous-agent, prévoyez de parser ou de retirer ces balises. Pour des réponses directes sans raisonnement visible, l'Instruct de Mellum 2 reste disponible — c'est le compromis actuel.

Pourquoi « 12B » n'en coûte que 2,5B : la mécanique MoE

Grâce au routage mixture-of-experts, chaque token n'active qu'un sous-ensemble de paramètres : le coût d'inférence se rapproche d'un dense de 2,5B, pas d'un dense de 12B.

Le nom du checkpoint l'encode littéralement : Mellum2.1-12B-A2.5B-Thinking. Sur 12 milliards de paramètres totaux, le routeur sélectionne environ 2,5 milliards de paramètres actifs par token parmi 64 experts (8 actifs). Toute la mémoire des poids reste chargée, mais le calcul par token — donc la latence et le coût énergétique — suit la petite fraction. C'est ce que décrypte Tech-Insider à partir de la documentation Transformers de Hugging Face.

Deux choix d'architecture rendent l'équation tenable en long contexte. D'abord l'attention entrelacée : trois couches sur quatre n'ont qu'une fenêtre glissante de 1 024 tokens, seule une couche sur quatre voit l'intégralité du contexte — le prix mémoire des 131 072 tokens reste raisonnable. Ensuite le décodage spéculatif intégré : une tête unique de Multi-Token Prediction sert à la fois d'objectif auxiliaire de pré-entraînement et de draft model à l'inférence, selon le rapport technique. Le modèle embarque son propre accélérateur d'échantillonnage, sans modèle auxiliaire séparé.

Effet mesurable : sous forte charge, Mellum 2.1 sert près du double de tokens que Qwen3.5 9B, d'après le graphique publié par JetBrains (octobre 2026). C'est exactement le profil recherché pour un worker qui enchaîne des centaines d'appels courts. Et l'efficacité est conçue dès la base, pas ajoutée au déploiement : optimiseur Muon en précision hybride FP8, extension du contexte à 128K par YaRN sélectif par couches.

De 2,0 à 47,0 sur SWE-bench Verified : la méthode importe plus que le chiffre

Ce bond de 47 points ne vient pas d'un modèle plus gros — l'architecture est inchangée — mais de millions d'essais de renforcement learning dans de vrais environnements logiciels.

Le récit technique est limpide. Pendant l'été 2026, JetBrains a fait tourner du RL en sandbox : de vrais dépôts, un shell, des outils d'édition de fichiers, et une récompense accordée uniquement quand les tests passent. C'est du RLVR — reinforcement learning with verifiable rewards — la même recette que documente le rapport technique pour la famille : SFT d'abord, puis RL sur mathématiques et tâches de code exécutables.

L'échelle d'entraînement donne le ton (chiffres compilés par Groundy, 2026) : ~47 milliards de tokens de SFT pour l'assistant direct, ~167 milliards pour l'assistant de raisonnement, puis une finition RLVR sur ~260 500 prompts avec 500 étapes RL. En amont, le curriculum de pré-entraînement glisse du web général vers le code curé : 23 %, puis 42 %, puis 59 % de code.

Résultat, tel que le résume The New Stack : un petit modèle auto-hébergeable qui explore un dépôt, édite des fichiers et vérifie ses propres changements — passé de 2,0 à 47,0 sur SWE-bench Verified en quatre mois. Dans son annonce, JetBrains assume le ton utilitaire : un modèle fait pour travailler, pas pour briller.

Le contrepoint que JetBrains affiche lui-même

Gardons la tête froide. Sur le propre graphique de JetBrains, Qwen3.5 9B gagne sur 12 des 17 benchmarks publiés, dont tous les benchmarks agents difficiles. Mellum 2.1 l'emporte sur les puzzles de code et la vitesse.

Et le caveat de taille : ces 17 benchmarks ont été mesurés par JetBrains avec un seul pipeline. Personne en dehors de l'éditeur ne les a encore reproduits. Traitez le 47,0 comme « prometteur, déclaré par le vendeur », pas comme un fait établi.

Cela dit, l'argument économique, lui, tient debout. 47,0 avec 2,5B de paramètres actifs, auto-hébergé, n'est pas la même équation qu'un score frontalier facturé au token. Pour les 90 % de tâches ingrates d'une boucle d'agent, vous n'avez pas besoin du modèle qui trône en haut du classement.

La thèse « focal model » : une flotte de spécialistes, pas un cerveau unique

Le futur du développement assisté par IA ressemble à une flotte : un ou deux gros modèles focaux pour les décisions difficiles, une constellation de petits spécialistes pour tout le reste. Mellum2.1 est une pièce de cette constellation, pas le cerveau.

L'argument est d'abord économique. Une boucle d'agent déclenche des dizaines d'appels de modèle par tâche : lire un fichier, grepper, router un sous-traitant, formater une sortie, vérifier un diff. La majorité est triviale. Payer la latence et le prix d'un modèle frontal pour ça, c'est comme confier le linting à un architecte senior.

À quoi ressemblerait la flotte en 2026 :

Les indices s'accumulent dans ce sens. Gemini 3.5 Flash : le modèle fast qui bat Opus 4.7 et GPT-5.5 sur les benchmarks agents — 289 tokens/seconde documente la montée de la classe « rapide ». Life-Harness : booster les agents LLM de 88.5% sans toucher au modèle — la révolution runtime montre que la couche d'orchestration est un levier aussi puissant que le modèle lui-même. Et la couche harness devient une infrastructure confirme que ce qui entoure les modèles est devenu un marché à part entière.

Deux signaux côté éditeurs complètent le tableau : Claude Code Mods, où Anthropic transforme son agent de code en plateforme — plus de plateforme signifie plus d'appels, donc plus de routage — et Microsoft qui pousse le code local avec MAI-Code 1.1 Flash 137B en 3-bit sur un PC. Le palier local est officiellement une stratégie, pas une niche.

Pourquoi JetBrains joue ce rôle mieux que personne ? Parce que l'éditeur livre des IDE utilisés par des millions de développeurs. Chaque complétion, chaque refactoring en arrière-plan, chaque sous-agent dans IntelliJ est un appel de modèle. Apache 2.0 et le self-hosting permettent aux entreprises de garder leur code chez elles. L'IDE est un canal de distribution ; le modèle, une infrastructure. Les labs vendent de l'intelligence, JetBrains vend l'établi.

Mon avis : c'est la version la plus crédible de l'optimisme « small models », parce qu'elle ne prétend pas que les petits modèles remplacent les gros — elle les fait orbiter. Pour choisir le cerveau focal, notre comparatif des meilleurs LLM pour coder passe au crible les options du marché ; pour la couche d'orchestration, direction notre guide des meilleurs agents IA autonomes.

Lancer Mellum2.1 en local : une commande, deux pièges

Avec Ollama, une seule commande suffit — mais montez le contexte à 64K d'abord, et ne téléchargez pas le mauvais modèle par erreur.

ollama run hf.co/JetBrains/Mellum2.1-12B-A2.5B-Thinking-GGUF:Q4_K_M
>>> /set parameter num_ctx 65536

Premier piège : les entrées Mellum déjà présentes dans la bibliothèque Ollama (mellum2-thinking-q4_k_m et consorts) correspondent aux modèles de juin — Mellum 2, plafonné à 2,0 sur SWE-bench Verified. Tant qu'une entrée officielle 2.1 n'apparaît pas, passez explicitement par le chemin hf.co ci-dessus.

Deuxième piège : le contexte. Le modèle supporte 131 072 tokens — de quoi tenir un dépôt de taille moyenne dans un seul prompt, selon Tech-Insider — mais Ollama démarre avec une fenêtre plus basse. Montez num_ctx à 65536 au minimum avant de lui donner un repo à manger.

Côté matériel, le GGUF Q4_K_M pèse 8,1 Go et tourne entièrement offline sur un laptop 16 Go — Windows 11, Mac ou Linux, avec des intégrations qui vont d'Ollama à IntelliJ et VS Code. Pas de GPU datacenter requis : c'est exactement le point du positionnement « focal ». Et rappelez-vous que le modèle pense à voix haute : ses balises think précèdent chaque réponse, à filtrer dans un pipeline.

Pour une équipe, Apache 2.0 couvre l'auto-hébergement commercial, la modification et le fine-tuning. Un VPS chez Hostinger peut suffire à servir quelques développeurs, et les déploiements IDE privés font partie des trois usages que JetBrains cible explicitement. Pour construire au-dessus, notre guide des agents IA open source avec Ollama détaille les patterns d'orchestration locale, et notre sélection des meilleurs outils IA pour le code couvre l'écosystème IDE.

❌ Erreurs courantes

Erreur 1 : télécharger Mellum 2 en croyant prendre Mellum2.1

Les entrées mellum2 de la lib Ollama datent de juin et plafonnent à 2,0 sur SWE-bench Verified. Le réflexe à avoir : utiliser le chemin hf.co/JetBrains/Mellum2.1-12B-A2.5B-Thinking-GGUF tant qu'une entrée officielle 2.1 n'est pas disponible.

Erreur 2 : lire 47,0 comme « il remplace Opus »

Le score vient de benchmarks mesurés par JetBrains avec un seul pipeline, et Qwen3.5 9B gagne 12 des 17 tests publiés. La solution : benchmarker sur vos propres dépôts avant d'architecturer quoi que ce soit autour.

Erreur 3 : oublier que le modèle « pense » à voix haute

Seule la variante Thinking est publiée : des balises think précèdent chaque réponse. Dans un flux de sous-agents, il faut les parser ou les retirer, sinon vous polluez vos sorties et gonflez vos compteurs de tokens.

Erreur 4 : compter sur la vision

Mellum2.1 est texte seul — pas de captures d'écran, pas de diagrammes. Pour les tâches multimodales, il faut un autre modèle dans la flotte. C'est le corollaire de la thèse : chaque spécialiste a un périmètre.

❓ Questions fréquentes

Mellum2.1 est-il vraiment gratuit pour un usage commercial ?

Oui. La licence Apache 2.0 autorise explicitement l'auto-hébergement commercial, la modification et le fine-tuning. Les checkpoints et les builds GGUF sont téléchargeables sur Hugging Face sans inscription. Seuls vos coûts d'infrastructure s'appliquent.

Quelle machine faut-il pour le faire tourner ?

Un laptop doté de 16 Go de RAM suffit avec le GGUF Q4_K_M (8,1 Go), entièrement offline, sous Windows 11, Mac ou Linux. Pour servir une équipe, un VPS ou un serveur interne fait l'affaire grâce aux 2,5B de paramètres actifs par token.

Mellum2.1 peut-il remplacer Claude ou GPT dans mon IDE ?

Non, et ce n'est pas l'objectif. JetBrains le positionne comme agent worker et modèle de routage bas-latence. Les modèles frontiaux restent nécessaires pour la planification et le debug difficile — d'où l'architecture en flotte, gros cerveau inclus.

Quelle différence avec Mellum 2, open-sourcé en juin ?

L'architecture est identique ; toute la progression vient du renforcement learning en environnements réels, qui fait passer SWE-bench Verified de 2,0 à 47,0 en quatre mois. Seule la variante Thinking est publiée pour 2.1, alors que Mellum 2 existait aussi en Instruct.

Pourquoi un éditeur d'IDE publie-t-il son propre modèle ?

Parce que l'IDE est à la fois un canal de distribution et un cas d'usage privé : complétion bas-latence, sous-agents, code qui ne quitte pas l'entreprise. Avec son modèle Apache 2.0, JetBrains maîtrise sa pile IA de bout en bout, sans dépendance aux API frontiales.

✅ Conclusion

Mellum2.1 ne gagnera aucun concours de benchmark frontal, et c'est précisément le sujet : JetBrains vient de valider qu'il existe une carrière entière pour les petits modèles spécialisés dans l'ombre des gros. Pour décider où le placer dans votre pile, notre top des meilleurs outils IA, mis à jour chaque trimestre, reste le point de départ le plus simple.