JetBrainsが、自然言語とコードを一から学習した混合エキスパート方式（MoE）の新モデル「Mellum2」を公開した。総パラメータ120億ながら1トークンあたり実働25億にとどめ、同規模の公開モデルと競える性能で推論速度2倍以上をうたう。
JetBrainsが、自然言語とコードを一から学習した混合エキスパート方式（MoE）の新モデルMellum2を公開した。総パラメータは120億だが、1トークンあたり実際に動くのは25億にとどめることで高速処理を実現し、同規模の公開モデルと競える性能で推論速度は2倍以上速いとされる。商用利用可能なApache 2.0ライセンスで配布される。
前身は、JetBrainsのIDE向けコード補完を担う40億パラメータのモデルMellumで、過去にHugging Faceでのオープン公開やAmazon Bedrockマーケットプレイスでの無料提供が行われた。Mellum2はこの基盤を拡張し、補完だけでなく振り分け・検索補助（RAG）・要約・補助エージェント・自前環境運用まで対応する。
狙いは「軽くて速い役割」だ。巨大な単一モデルに一括依存せず、役割を絞った小型モデルを組み合わせて全体を速く・安く・制御しやすくする。社内コードや機密データを外部に出さずに扱いたい企業にとって、自社サーバー内で動かせる現実的な選択肢になる。
この変化で何が要点か。図解と出典つきで一目で。
構造化された事実を最初に。誰が何をいつどこでなぜどのように。
Mellumはもともと、JetBrainsの統合開発環境（コードを書く作業場、IDE）向けにコード補完を担う40億パラメータのモデルとして始まった。今回のMellum2はその基盤を拡張し、補完だけでなく自然言語処理やソフトウェア開発の幅広い作業に対応する。近年のAIシステムは、振り分け・検索・要約・計画・検証・ツール利用など、複数のモデル呼び出しを組み合わせて動く構成が増えている。こうした処理の多くは応答速度が重視され、必ずしも最大規模のモデルを必要としない。Mellum2はこの「軽くて速い役割」を狙って設計されている。
Mellum2は、巨大な単一モデルにすべてを任せるのではなく、役割を絞った小型モデルを組み合わせて全体を速く・安く・制御しやすくするという設計思想を体現している。同規模の他モデルと競える性能を保ちつつ2倍以上速いとされ、自社サーバー内（自前環境）での運用にも向く。社内コードや機密データを外部に出さずに扱いたい企業にとって、現実的な選択肢になる。
JetBrainsが公開した新モデルMellum2は、総パラメータ120億の混合エキスパート方式（複数の専門モジュールを切り替えて使う方式、MoE）を採る。特徴は、1トークンを処理するたびに動くパラメータを25億にとどめる点だ。すべてのパラメータを毎回動かさないため、同規模の公開モデルと競える性能を保ちながら推論速度を2倍以上に引き上げる。
Introducing Mellum2: A 12B Mixture-of-Experts Model by JetBrains
上の見出しにある「12B」は総パラメータ120億、「Mixture-of-Experts（MoE）」は処理ごとに必要な専門モジュールだけを起動する仕組みを指す。巨大な単一モデルにすべてを任せるのではなく、役割を絞って全体を速く・安く・制御しやすくする設計思想がここに表れている。
Mellum2の前身は、JetBrainsの統合開発環境（コードを書く作業場、IDE）向けにコード補完を担う40億パラメータのモデルMellumだった。Mellumは過去にHugging Faceでオープン公開され、Amazon Bedrockのマーケットプレイスでも無料提供されている。
Mellum Goes Open Source: A Purpose-Built LLM for Developers, Now on Hugging Face
上の見出しにある「Open Source」はソースを公開して誰でも使える形にすること、「Purpose-Built LLM」は用途を絞って設計した大規模言語モデルを指す。Mellum2はこの基盤を拡張し、コード補完だけでなく自然言語処理やソフトウェア開発の幅広い作業に対応する。具体的には、どのモデルに処理を回すかの振り分け、検索補助（外部知識を引いて答えを補強する仕組み、RAG）、要約、補助エージェント、自社サーバー内での運用などを想定する。これらの処理は応答速度が重視され、必ずしも最大規模のモデルを必要としない領域だ。Mellum2はこの「軽くて速い役割」を狙って設計されている。
社内コードや機密データを外部に出せない国内開発組織は得をする。Mellum2は商用利用可能なApache 2.0ライセンスで配布され、自社サーバー内（自前環境）での運用を想定するため、機密コードを外部APIに送らずに検索補助や要約に使える。
複数モデルを組み合わせてエージェントを作る開発者も恩恵を受ける。振り分けや要約のような速度重視の役割を、実働25億パラメータの軽量モデルで安く速く回せるからだ。
一方、速度重視の軽量タスクを汎用大型モデルのAPI課金でまかなってきた構成は、その部分を自前の小型モデルに置き換えられると呼び出し量が削られる。同規模クラスの他社オープンモデルも、同等性能で2倍以上速いとされる選択肢が増えたことで、推論速度の比較圧力を受ける立場になる。
立場別、明日から動ける一手。
Hugging Face公開ページでMellum2の実働25億パラメータの構成とApache 2.0ライセンス条件を確認する。
現行の汎用APIと自前運用Mellum2を、速度重視の役割（振り分け・要約）での単価と運用負荷で比較する。
自社の検索補助や要約タスクで、Mellum2の推論速度と応答品質を現行モデルと並べて測る。
「総120億のうち実働25億で2倍速」というMoE構成の効率に注目が集まる。
公式発表と各所の反応から編集部が要約した主な論点です。個別のX投稿そのものは下部のセクションに表示されます。
「総120億のうち実働25億で2倍速」
社内コードを外部に出さず自前環境で動かせる点とApache 2.0での商用利用可を歓迎する声が中心で、コード補完特化のMellumから振り分け・検索補助・要約まで用途が広がったことへの実務的な期待が見られる。一方で、同規模公開モデルとの実際の性能差や、軽量役割と賢さが要る役割の使い分けを見極めたいという慎重な見方もある。
※トレンド検出時刻付近の人気投稿を表示
