Mellum 2.1: el modelo abierto de JetBrains para programar

Qué es Mellum 2.1 y qué cambia respecto a Mellum2

El 8 de octubre de 2026, JetBrains anunció Mellum 2.1 (Mellum2.1, en la grafía oficial), la nueva versión del modelo abierto para agentes de programación que la compañía liberó en junio. Esta actualización mantiene la arquitectura de 12.000 millones de parámetros, con 2.500 millones activos por token, y se distribuye bajo la licencia Apache 2.0. Sin embargo, la principal innovación radica en el proceso de entrenamiento, que ha incorporado el aprendizaje por refuerzo en entornos reales, permitiendo al modelo explorar repositorios de código, editar archivos y verificar sus propias modificaciones.

Mejoras en el entrenamiento y rendimiento

JetBrains ha enfatizado que, aunque la arquitectura de Mellum 2.1 permanece inalterada respecto a su predecesor, el enfoque en el aprendizaje por refuerzo ha sido fundamental. Este método ha permitido al modelo realizar millones de ejecuciones en entornos aislados, mejorando su capacidad para interactuar con bases de código reales. Según JetBrains, la mayor mejora está en la programación agéntica, aunque el modelo avanza también en programación competitiva, matemáticas, uso de herramientas y conocimiento general.

Las cifras que publica la compañía en Hugging Face, sin verificación independiente por ahora, son un 47,0 en SWE-bench Verified, que mide la resolución de incidencias reales de repositorios, y un 82,0 en LiveCodeBench v6. Donde se queda más corto es en Terminal-Bench 2.1, que evalúa el trabajo en la terminal: 17,4.

En términos de velocidad, Mellum 2.1 ofrece una respuesta 1,6 veces más rápida en solicitudes individuales gracias a la predicción de múltiples tokens. Bajo cargas elevadas, es capaz de servir casi el doble de tokens que Qwen3.5-9B, uno de los modelos con los que se compara. Estas mejoras podrían traducirse en una mayor eficiencia para desarrolladores que buscan integrar agentes de IA en sus flujos de trabajo.

Para qué sirve un modelo pequeño dentro de un agente

JetBrains no presenta Mellum 2.1 como rival de los grandes modelos, sino como una pieza de trabajo dentro de sistemas de agentes: puede encargarse de partes concretas de un plan, desde localizar la causa de un test que falla hasta redactar y comprobar el arreglo. Es el mismo reparto de papeles que vemos en herramientas como Codex Loop, donde un modelo revisa lo que hace otro, pero con un modelo lo bastante pequeño para ejecutarse en infraestructura propia.

La compañía propone tres usos: como trabajador dentro de un agente, como asistente general para preguntas y problemas de razonamiento, y en despliegues privados en los que el código y los datos no salen de la empresa.

Disponibilidad y compatibilidad

Mellum 2.1 está disponible en Hugging Face bajo el nombre JetBrains/Mellum2.1-12B-A2.5B-Thinking. JetBrains ha anunciado que próximamente se lanzarán versiones en formato GGUF compatibles con herramientas como llama.cpp, Ollama y LM Studio, facilitando su integración en diversas plataformas y entornos de desarrollo.

Implicaciones para desarrolladores en España

Para la comunidad de desarrolladores en España, Mellum 2.1 representa una herramienta prometedora para la automatización de tareas de programación mediante agentes de IA. Su licencia Apache 2.0 permite su uso tanto en proyectos personales como comerciales, ofreciendo flexibilidad en su implementación. No obstante, es esencial considerar que los resultados de rendimiento proporcionados por JetBrains aún no han sido verificados de forma independiente. Por ello, se recomienda evaluar el modelo en contextos específicos antes de su adopción generalizada.

Valoración

Mellum 2.1 confirma una tendencia: los modelos pequeños y abiertos se especializan para trabajar dentro de agentes, en lugar de competir con los grandes en todo. Aunque las mejoras en entrenamiento y rendimiento son prometedoras, es crucial que la comunidad tecnológica realice pruebas independientes para validar estos resultados. Para los desarrolladores españoles, Mellum 2.1 ofrece una oportunidad interesante para explorar la integración de IA en sus procesos de desarrollo, siempre con una evaluación crítica de su desempeño en escenarios reales.