Mellum2는 JetBrains가 2026년 6월 1일 공개한 소프트웨어 엔지니어링 워크플로우 특화 언어 모델이다. 자연어와 소스 코드를 함께 처리하는 총 12B 규모의 Mixture-of-Experts(MoE, 전문가 혼합) 구조를 사용하며, 추론할 때는 토큰마다 약 2.5B 파라미터만 활성화한다. 거대한 개발 조직 전체를 매번 호출하는 대신, 요청의 성격에 맞는 소수의 전문 팀만 투입하는 것과 비슷한 설계다. JetBrains는 Mellum2를 단순 코드 생성 모델보다는 요청 라우팅, 질의응답, 요약, 하위 에이전트 작업처럼 AI 개발 워크플로우를 구성하는 여러 단계에 활용할 수 있는 빠른 기반 모델로 소개한다. 일반적인 대형 모델은 복잡한 문제를 폭넓게 처리할 수 있지만, 모든 요청에 큰 연산량을 사용하면 반복 호출이 많은 코딩 에이전트에서 지연시간과 추론 비용이 빠르게 증가한다. Mellum2의 차별점은 전체 12B 파라미터를 항상 계산하지 않고 라우팅된 전문가 일부만 활성화해, 소프트웨어 엔지니어링 작업에 필요한 처리량과 응답 속도의 균형을 노린다는 데 있다. 특히 하나의 사용자 요청이 의도 분류, 저장소 문맥 요약, 질문 응답, 하위 작업 배정으로 연쇄되는 에이전트 환경에서는 모델 한 번의 최고 성능뿐 아니라 호출당 비용과 지연시간이 중요하다. 다만 공식 평가 벤치마크, 지원 컨텍스트 길이, 정밀도별 메모리 사용량과 다른 코딩 모델 대비 성능 수치는 제공된 Discovery 정보만으로 확인되지 않아 추가 검증이 필요하다. 또 다른 핵심은 로컬 실행과 자체 호스팅 가능성이다. 외부 API로 전송하기 어려운 비공개 저장소를 다루는 팀은 Mellum2를 내부 실행 환경에 배치하고, 코드와 자연어가 섞인 요청을 조직의 통제 범위 안에서 처리하는 구성을 검토할 수 있다. 예를 들어 상위 에이전트가 들어온 개발 요청을 분류한 뒤 Mellum2로 관련 모듈과 이슈 문맥을 요약하고, 테스트 작성이나 문서 갱신 같은 하위 작업으로 라우팅하는 흐름을 구성할 수 있다. 모델이 생성한 결과는 곧바로 병합하기보다 정적 분석, 단위 테스트, 코드 리뷰를 통과시키는 방식으로 사용하는 것이 적절하다. 지원 추론 프레임워크와 양자화 형식, 실제 배포 명령은 공식 모델 카드 확인이 필요하다. 생명과학 소프트웨어 연구자에게는 공개 논문 지식 자체를 대신하는 모델보다 연구용 코드 워크플로우를 보조하는 구성 요소로 의미가 있다. Python 기반 분석 저장소에서 데이터 전처리 함수, 실험 설정 파일, 테스트 코드와 README를 함께 문맥으로 제공해 변경 요청을 요약하거나 하위 작업을 분배할 수 있다. 또한 민감한 연구 코드를 외부 서비스로 보내지 않는 자체 호스팅 환경에서 파이프라인 문서화와 질의응답 보조 모델로 평가할 수 있다. 다만 생물정보학 정확도, 의료 목적 적합성 또는 특정 프레임워크와의 호환성은 확인되지 않았으므로, 연구 결과 검증과 도메인 전문가 검토를 대체해서는 안 된다.