सामाजिक

JetBrains ओपन-सोर्स मेलम 2, 12B एकूण पॅरामीटर्स वैशिष्ट्यीकृत करते

तुम्ही आमच्या साइटवरील लिंक्सद्वारे खरेदी करता तेव्हा, आम्ही संलग्न कमिशन मिळवू शकतो. ते कसे कार्य करते ते येथे आहे.

JetBrains कडे ओपन-सोर्स्ड Mellum 2 आहे, एक 12B-पॅरामीटर कोडिंग मॉडेल जे जलद एजंटिक AI वर्कफ्लो वितरीत करण्यासाठी MoE डिझाइन वापरते.

1 जून 2026 22:26 EDT

JetBrains लोगो

JetBrains ने जाहीर केले आहे की ते सॉफ्टवेअर अभियांत्रिकी प्रणाली, Mellum2 साठी डिझाइन केलेले त्यांचे नवीन मशीन लर्निंग मॉडेल ओपन-सोर्स करत आहे.

हे एक वर्षानंतर थोडेसे येते कंपनीने मूळ मेलम उघडले 2025 मध्ये, 4 अब्ज पॅरामीटर्ससह तुलनेने लहान मॉडेल. Mellum2, त्याचा उत्तराधिकारी, एकूण 12B पॅरामीटर्ससह येतो, तरीही JetBrains वचन देतो की ते प्रति टोकन केवळ 2.5B सक्रिय पॅरामीटर्स वापरून गणना जलद ठेवते. अभियांत्रिकी कार्यसंघाने मानक हार्डवेअरवर या वेगवान अनुमान गती प्राप्त करण्यासाठी तज्ञांचे विरळ मिश्रण तयार केले.

मेलमच्या विपरीत, जे “फोकल” मॉडेल म्हणून कार्य करते (फोकल, जसे की त्यात केवळ संपादकाच्या आत कोड पूर्ण होण्यासारख्या एकाच कार्यावर लक्ष केंद्रित केले जाते), Mellum2 पूर्ण कोडिंग सहाय्यक म्हणून कार्य करते जे कोड व्युत्पन्न आणि संपादित करू शकते, बाह्य साधने कॉल करू शकते, मल्टी-स्टेप एजंटिक वर्कफ्लो कार्यान्वित करू शकते, दीर्घ संभाषणे ठेवू शकते आणि स्पष्ट कारणे वापरू शकते. डेव्हलपर पूर्ण डेटा नियंत्रण ठेवण्यासाठी अनुज्ञेय Apache 2.0 लायसन्स अंतर्गत बेस, सूचना आणि विचार आवृत्ती तैनात करू शकतात. मेलम 2 ची मेलमशी तुलना कशी होते याचे एक द्रुत विशिष्ट पत्रक येथे आहे:

वैशिष्ट्य मध्येच मेलम2
पॅरामीटर प्रकार दाट तज्ञांचे मिश्रण
एकूण पॅरामीटर्स ४ अब्ज 12 अब्ज
सक्रिय पॅरामीटर्स ४ अब्ज 2.5 अब्ज
संदर्भ विंडो 8192 टोकन 131072 टोकन
मुख्य फोकस कोड पूर्ण करणे एजंटिक कार्यप्रवाह
लक्ष द्या सर 8 केव्ही हेड 4 केव्ही हेड
परवाना प्रकार अपाचे 2.0 अपाचे 2.0

जेटब्रेन्स नोट्स AI वर्कलोड्स राउटिंग आणि ऑर्केस्ट्रेट करणे, लो-लेटेंसी RAG पाइपलाइन तयार करणे, क्लिष्ट वर्कफ्लोमध्ये जलद सब-एजंटला शक्ती देणे आणि खाजगी, स्थानिक AI तैनाती सक्षम करणे यासारख्या गोष्टींसाठी Mellum2 उत्तम आहे. टीमने प्रशिक्षणपूर्व स्टेजला तीन-टप्प्यातील डेटा अभ्यासक्रमासह ऑप्टिमाइझ केले ज्याने विविध वेब डेटामधून क्युरेटेड कोड आणि गणितीय सामग्रीकडे हळूहळू मिश्रण हलवले.

इतर JetBrains बातम्यांमध्ये, JetBrains DataSpell बंद करत आहे, Python डेव्हलपर वापरत असलेला लोकप्रिय IDE. JetBrains ने 28 मे रोजी DataSpell ला सूर्यास्त करण्याचा निर्णय घेतला, सर्व डेटा विज्ञान वैशिष्ट्ये थेट PyCharm Pro मध्ये एकत्रित करण्यासाठी. कंपनी 1 सप्टेंबर 2026 रोजी सक्रिय सदस्यत्वे आपोआप रूपांतरित करेल.




Source link

Related Articles

प्रतिक्रिया व्यक्त करा

आपला ई-मेल अड्रेस प्रकाशित केला जाणार नाही. आवश्यक फील्डस् * मार्क केले आहेत

Back to top button