Mellum2は、JetBrainsが2026年6月1日に公開した、ソフトウェアエンジニアリングのワークフローに特化した言語モデルである。自然言語とソースコードを同時に処理する、合計120億パラメータ規模のMixture-of-Experts（MoE、専門家混合）構造を使用しており、推論時にはトークンごとに約25億パラメータのみを活性化する。これは、巨大な開発組織全体を毎回呼び出すのではなく、リクエストの性質に合った少数の専門チームのみを投入するのと似た設計である。JetBrainsは、Mellum2を単純なコード生成モデルというよりも、リクエストのルーティング、質疑応答、要約、サブエージェントのタスクなど、AI開発ワークフローを構成するさまざまな段階で活用できる、高速な基盤モデルとして紹介している。 一般的な大規模モデルは、複雑な問題を広範囲に処理できるが、すべてのリクエストに大きな計算量を使用すると、繰り返し呼び出しが多いコーディングエージェントにおいて、遅延時間と推論コストが急速に増加する。Mellum2の特長は、全体の120億パラメータを常に計算するのではなく、ルーティングされた専門家の一部のみを活性化することで、ソフトウェアエンジニアリング作業に必要な処理能力と応答速度のバランスを取ろうとしている点にある。特に、1つのユーザーリクエストが、意図の分類、リポジトリのコンテキスト要約、質問応答、サブタスクの割り当てへと連鎖するエージェント環境では、モデルの1回の最高性能だけでなく、呼び出しごとのコストと遅延時間が重要となる。ただし、公式の評価ベンチマーク、サポートするコンテキストの長さ、精度ごとのメモリ使用量、および他のコーディングモデルとの比較による性能指標は、提供されたDiscovery情報だけでは確認できず、追加の検証が必要である。 もう1つの重要な点は、ローカルでの実行と自己ホストの可能性である。外部APIに送信することが難しい非公開リポジトリを扱うチームは、Mellum2を内部実行環境に配置し、コードと自然言語が混在するリクエストを組織の管理範囲内で処理する構成を検討できる。たとえば、上位エージェントが受信した開発リクエストを分類した後、Mellum2を使用して関連モジュールと課題のコンテキストを要約し、テストの作成やドキュメントの更新などのサブタスクにルーティングするフローを構成できる。モデルが生成した結果は、すぐにマージするのではなく、静的分析、ユニットテスト、コードレビューを経て使用するのが適切である。サポートする推論フレームワーク、量子化形式、および実際のデプロイコマンドは、公式のモデルカードを確認する必要がある。 生命科学ソフトウェアの研究者にとっては、公開された論文の知識そのものに代わるモデルというよりも、研究用のコードワークフローを支援するコンポーネントとしての意味合いが強い。Pythonベースの分析リポジトリで、データの前処理関数、実験設定ファイル、テストコード、およびREADMEをコンテキストとして提供することで、変更リクエストを要約したり、サブタスクを割り当てたりすることができる。また、機密性の高い研究コードを外部サービスに送信しない、自己ホスト環境で、パイプラインのドキュメント化と質疑応答を支援するモデルとして評価することもできる。ただし、生物情報学の精度、医療目的への適合性、または特定のフレームワークとの互換性は確認されていないため、研究結果の検証やドメイン専門家のレビューに代わるものではない。

Mellum2は、JetBrainsが2026年6月1日に公開した、ソフトウェアエンジニアリングのワークフローに特化した言語モデルである。自然言語とソースコードを同時に処理する、合計12B規模のMixture-of-Experts（MoE、専門家混合）構造を使用しており、推論時にはトークンごとに約2.5Bのパラメータのみが有効になる。これは、巨大な開発組織全体を毎回呼び出すのではなく、リクエストの性質に合った少数の専門チームのみを投入するのと似た設計である。JetBrainsは、Mellum2を単純なコード生成モデルではなく、リクエストのルーティング、質疑応答、要約、サブエージェントのタスク処理に活用する。