Mellum2.1 Thinkingとは？
Mellum2.1 ThinkingはJetBrainsの最新のオープンモデルで、6月にオープンソース化したMellum2の次のバージョンとして2026年10月8日に発表されました。120億パラメータのmixture-of-expertsモデルで、トークンごとに25億がアクティブ、コンテキストは131,072トークンです。アーキテクチャはMellum2から変わっておらず、JetBrainsはこのリリースを強化学習に費やしました。実際のリポジトリ内で数百万回のサンドボックス実行を行い、テストが通ると報酬を与えています。テキスト専用で、回答の前に必ず推論します。
ウェイトはApache 2.0です。JetBrainsはBF16のウェイト、vLLMでデコードを速くする複数トークン予測ヘッド、llama.cpp、Ollama、LM Studio向けのGGUF版を公開しており、サイズは7.03 GB（MXFP4）と8.07 GB（Q4_K_M）から24.31 GB（BF16）までです。Hugging Faceではメインのリポジトリが193いいね、過去30日間で11,306ダウンロード、GGUFのリポジトリは457,537ダウンロードです。
JetBrainsはホスト型APIを提供しておらず、自分のハードウェアで動かす前提のモデルです。
Mellum2.1 Thinkingの料金は？
| プラン | 価格 | 内容 |
|---|---|---|
| Weights | Free | Apache 2.0 |
| GGUF builds | Free | MXFP4、Q4_K_M、Q6_K、Q8_0、BF16 |
Apache 2.0の無料ウェイト。ホスト型APIなし。7.03 GBからのGGUF版がローカルで動作。
Mellum2.1 Thinkingは使う価値があるか？
Mellum2.1 Thinkingは、リポジトリの中で作業できなかったモデルを、作業できるモデルに変えました。JetBrainsのハーネスで、SWE-bench Verifiedは2.0%から47.0%に、Terminal-Bench 2.1は0.6%から17.4%に、SWE-bench Proは0.0%から28.0%に上がりました。LiveCodeBench v6は82.0で、Qwen3.5-9Bの75.4、Gemma 4 E4Bの69.4を上回ります。
それでもエージェント作業でクラスの首位には届きません。同じ表でQwen3.5-9BはSWE-bench Verifiedが50.0、Terminal-Bench 2.1が21.7、SWE-bench Proが38.0で、GPQA Diamondでは77.8対64.6と大きく上回ります。数値はすべてJetBrains自身のもので、どのモデルにも同じオープンソースのハーネスを使っています。
勝っているのは速さです。トークンごとにアクティブなのは25億パラメータだけなので、JetBrainsによれば高負荷時にはQwen3.5-9Bのほぼ2倍のトークンを処理でき、複数トークン予測ヘッドで単一リクエストは約1.6倍速くなります 。Q4_K_M版は8.07 GBで、12 GBのグラフィックスカードに収まります。
注意点：これはサブエージェントであり、リーダーではありません。Terminal-Benchが17.4%ということは、長いターミナル作業の多くは失敗するということで、コンテキストは131,072トークンまで、しかも常に推論するため簡単な質問でも時間がかかります。
結論：Mellum2.1は、多数を同時に走らせて、失敗するテストを見つけ、修正案を書き、確認させるためのモデルで、作業の計画はより大きなモデルに任せます。ローカルのコーディングアシスタントを1つだけ置くなら、Qwen3.5-9Bのほうがまだ少し賢いです。
真価を発揮する場面
マルチエージェントのコーディングパイプラインを作るエンジニア
原因を突き止めて修正案を書く安価なワーカーを多数動かす
vLLMとMTPヘッドでMellum2.1を提供し、失敗するテストの追跡のような狭い作業を任せて、計画はより大きなモデルに回します。JetBrainsによれば、負荷時にはQwen3.5-9Bのほぼ2倍のトークンを処理します。
クラウドのコーディングアシスタントが禁止されている会社の開発者
推論するコーディングモデルをノートPCやワークステーションだけで完結させる
ollama run hf.co/JetBrains/Mellum2.1-12B-A2.5B-Thinking-GGUF:Q4_K_Mで、12 GBのGPUに収まる8.07 GB版を取得します。コードはマシンの外に出ず、Apache 2.0ライセンスで商用利用もできます。
導入前に確認すること
- 導入
- Hugging FaceからダウンロードしてvLLMで提供するか、GGUF版をllama.cpp、Ollama、LM Studioに読み込みます。推奨はQ4_K_Mです。
- 連携
- vLLMまたはOllama経由のOpenAI互換エンドポイント。ツール呼び出し。JetBrainsはシェルとファイルのツールを備えたオープンソースのエージェントハーネスPiで評価しました。
- データとプライバシー
- ホスト型サービスはないので、すべて自分が管理するハードウェアで動きます。学習にはオープンなRLデータセットとJetBrainsが作ったタスクを使っています。
- 大規模利用時のコスト
- ウェイトは無料。24.31 GBのBF16ファイルはデータセンター用GPU 1基に収まり、8.07 GBのQ4_K_M版は12 GBの一般向けカードで動きます。
- 制限
- コンテキストは131,072トークン、モデルカード上は英語のみ 、推論は常にオン。JetBrainsはHarmBenchで有害な回答が8.5%と報告しており、Mellum2の21.5%から下がっています。
良い点
- JetBrainsによれば、SWE-bench Verifiedが2.0%から47.0%に向上
- アクティブパラメータは2.5Bのみで、MTPヘッドにより1リクエストあたり約1.6倍高速
- Apache 2.0ライセンス
- 7.03 GBからの公式GGUF版
気になる点
- JetBrains自身の表でもSWE-bench、Terminal-Bench、GPQAはQwen3.5-9Bが上
- Terminal-Bench 2.1で17.4%
- コンテキストは131,072トークン
- ホスト型APIがない
おすすめの人
コーディングエージェントを作り、自前のハードウェアで速く安いサブエージェントを必要とするチーム。
Mellum2.1 Thinkingの代替
Mellum2.1 Thinking：よくある質問
- Mellum2.1 Thinkingは使う価値があるか？
- 自分のGPUで動く小さく速いコーディングエージェントで、定型的なバグは直せますが、難しいものではまだQwen3.5-9Bがわずかに上です。 評価は5点満点中3.8点です。
- Mellum2.1 Thinkingの料金は？
- Apache 2.0の無料ウェイト。ホスト型APIなし。7.03 GBからのGGUF版がローカルで動作。
- Mellum2.1 Thinkingの欠点は？
- JetBrains自身の表でもSWE-bench、Terminal-Bench、GPQAはQwen3.5-9Bが上; Terminal-Bench 2.1で17.4%; コンテキストは131,072トークン; ホスト型APIがない.
- Mellum2.1 Thinkingは誰に向いているか？
- コーディングエージェントを作り、自前のハードウェアで速く安いサブエージェントを必要とするチーム。
- チームや本番環境でMellum2.1 Thinkingを使うと費用はいくらか？
- ウェイトは無料。24.31 GBのBF16ファイルはデータセンター用GPU 1基に収まり、8.07 GBのQ4_K_M版は12 GBの一般向けカードで動きます。
- Mellum2.1 Thinkingは企業データを扱っても安全か？
- ホスト型サービスはないので、すべて自分が管理するハードウェアで動きます。学習にはオープンなRLデータセットとJetBrainsが作ったタスクを使っています。
- Mellum2.1 Thinkingの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はDevstral Small 2, Qwen3.8-27B, gpt-oss-20b 、 Laguna S 2.1です。
回答確認日：2026年11月7日