12B参数跑出47% SWE-bench：JetBrains开源Mellum 2.1实测，一张显卡能跑的编程Agent来了

2026年10月8日，JetBrains发布了开源编程模型Mellum 2.1。12B总参数，每Token只激活2.5B，在SWE-bench Verified上拿下47%。四个月前的Mellum 2，这个数字只有2.0%。

一家做了25年IDE的公司，把宝押在了”小模型干重活”上。这笔账值不值得算，拆开看。

从2%到47%，改的是训练方法

Mellum 2.1的模型架构没有变。64个专家、每Token激活8个、28层Transformer、分组查询注意力，和6月2日开源的Mellum 2完全一致。

变的只有训练配方。JetBrains把强化学习从训练末尾的”加餐”位置，挪到了整场训练的主菜。模型不再是在干净的数据上背代码，而是在真实代码仓库里反复犯错、修错、跑测试、看结果。官方给它的定位是junior engineer（初级工程师）：打开仓库、探索文件结构、改代码、执行测试、自查输出。

这个思路被市场验证过。就在同一个月，Bun 1.4用AI在11天内重写了53万行代码，背后的模型同样是以强化学习为核心的Agentic范式。参数量堆到头之后，训练方法成了新的分水岭。

一张24GB显卡就能跑

Mellum 2.1是MoE架构，总参数12B，每Token只激活2.5B。实际推理时，显存占用接近一个3B模型。一张RTX 4090（24GB显存）就能本地部署，跑在Ollama、vLLM或者JetBrains自家AI Assistant里。

这对企业有实打实的吸引力。GPT-6.1 Sol这类旗舰模型按Token计费，Agent模式的账单随调用量线性上涨。一个中型团队每天跑几百次代码审查、测试生成、Bug修复，云端旗舰模型的月账单轻松过千美元。Mellum 2.1基于Apache 2.0协议开源，权重直接从Hugging Face下载，商用免费。算力是一次性硬件成本，用得越多，单次成本越低。

它还专门为”子Agent”场景做了优化。高负载下每秒吐出的Token数接近同类模型的两倍，JetBrains的建议用法是：主Agent用旗舰模型做规划，子任务（补全、重构、测试）分发给本地Mellum 2.1，成本结构立刻不同。

横向对比：赢在哪，输在哪

把第三方和官方的评测数据摆到一张表上：

| 评测项 | Mellum 2.1 | Qwen3.5-9B | 说明 |

|—|—|—|—|

| SWE-bench Verified | 47.0% | 50.0% | Qwen略胜 |

| LiveCodeBench v6 | 82.0% | 75.4% | Mellum反超 |

| 官方17项自测 | 赢5项 | 赢12项 | Qwen拿下全部3项Agent测试 |

| 高负载吞吐 | 约2倍 | 基准 | Mellum的MoE优势 |

结论不复杂。纯算法和工具调用场景，Mellum 2.1能打；完整的Agentic任务链，Qwen3.5-9B仍然更稳。高负载吞吐是Mellum的强项，这恰好是IDE补全和子Agent最需要的特性。

上下文窗口131072 Token，约13万Token，足够吞下一个中型仓库的核心文件。对比旗舰模型的百万Token上下文，它不适合”一次喂整个monorepo”的玩法，本地部署选型时要把这个上限算进架构设计。

谁该用，谁别碰

适合的场景：

数据敏感、代码不能出域的企业。金融、医疗、政企团队，本地部署是硬需求
高频补全和批量代码任务。补全调用每分钟几十次，云端按Token计费会失控
Agent编排中的子任务节点。主模型做规划，Mellum 2.1干杂活，成本砍到原来的几分之一

不适合的场景：

需要100万Token上下文一次性分析巨型代码库
高难度的跨仓库重构，仍然需要旗舰模型的能力
团队没有GPU硬件，也不打算投入运维

开源小模型的窗口期

Mellum 2.1的原型Mellum最初是2024年底的4B闭源模型，只干一件事：在IDE里补全代码。2026年6月开源的Mellum 2升到12B，增加了工具调用和多轮对话。10月的2.1版本，SWE-bench从2.0%涨到47%。

四个月一个台阶，这个迭代速度来自强化学习在真实环境中的大规模应用。同一时间窗口里，微软的MAI-Code-1.1-Flash用130B参数砍到1/4价格，DeepSeek-V4.1-Flash用0.75美元跑赢自家旗舰。小模型的价格战已经打到肉了。

对开发者来说，选型逻辑变了。两年前的问题是”哪个模型最强”，2026年的问题是”这个任务值多少Token钱”。一个47% SWE-bench、本地免费、吞吐翻倍的模型，把”每分钟几百次调用”从奢侈品变成了水电煤。

JetBrains赌的方向很清晰：不是每家公司都需要最聪明的模型，大部分代码工作需要一个够用、便宜、数据不出门的模型。你桌面上那张显卡，现在真的能干活了。