סוכן חכם שרץ על המחשב בלי לשלוח שורת קוד אחת לענן נשמע כמו תוכנית חיסכון מצוינת, אבל בפועל רוב המחשבים האישיים נחנקים כשהם מנסים להריץ מודלים כבדים. בדיוק לנישה הזו מכוונת JetBrains, שהשיקה היום, 8 באוקטובר 2026, את Mellum2.1 כמודל פתוח המיועד לפעול ישירות על החומרה שלכם. המטרה אינה להחליף מודלים ענקיים, אלא לספק כוח עבודה מהיר למשימות שוטפות בלי לרוקן את תקציב הטוקנים. ההבטחה הזו מגיעה עם כמה תנאים מקדימים שחשוב להכיר לפני שרצים לעדכן את סביבת הפיתוח.
סוכן משנה במקום מודל על
הגרסה החדשה מבוססת על אותה ארכיטקטורת MoE (תערובת מומחים) של Mellum2, הכוללת 12 מיליארד פרמטרים בסך הכל אך מפעילה רק 2.5 מיליארד פרמטרים פעילים עבור כל טוקן. המשמעות היא דרישות זיכרון צנועות בהרבה בהשוואה למודלים צפופים בעלי ביצועים דומים. לפי החברה, מה שהשתנה לחלוטין אינו מבנה השכבות אלא כל מה שקרה לאחר שלב ה-Pre-training, בעיקר בלמידת חיזוק (RL) בהיקף נרחב.
Mellum2 היה מהיר, אך הוא לא הצליח לעבוד בתוך מאגר קוד ברמה שרצינו. אחרי קיץ של למידת חיזוק בסביבות אמיתיות, עם מיליוני הרצות באלפי סביבות ארגז חול, Mellum2.1 מסוגל לחקור קוד, לערוך קבצים ולבדוק את השינויים של עצמו.פוסט ההכרזה של JetBrains AI
במקום להשאיר את למידת החיזוק כשלב כוונון קצר, בחברה בנו תשתית ייעודית שהריצה מיליוני בדיקות באלפי סביבות ארגז חול (sandbox). הנתונים עברו סינון קפדני של משימות מתמטיקה, תכנות תחרותי והפעלת כלים, כדי להיפטר ממבחנים שבורים או תשובות שאינן ניתנות לאימות. התוצאה היא מודל שיודע לאתר שגיאות, לבצע עריכות נקודתיות ולהריץ בדיקות חוזרות באופן עצמאי.
זהו כלי שנועד לחסוך עבודה ידנית בריפו, אך הוא דורש שתגדירו לו מראש גבולות גזרה ברורים.
השוואת ביצועים בלי אותיות קטנות
במדדי מהירות, JetBrains מציגה יתרון ברור: תחת עומס כבד המודל מייצר כמעט פי שניים יותר טוקנים לעומת Qwen3.5-9B, ובשאילתות בודדות מנגנון Multi-Token Prediction (MTP) הופך אותו למהיר פי 1.6. עם זאת, החברה לא פירטה באילו כרטיסי מסך או תצורות חומרה הושגו המספרים הללו. גם תוצאות מפורטות במבחנים מקובלים כמו SWE-bench לא הוצגו בהכרזה מול מודלי ענן, כך שקשה לדעת כיצד המודל יתמודד עם חלונות הקשר ארוכים מאוד או משימות דיבאגינג מרובות שלבים.
| מודל | פרמטרים פעילים | רישיון שימוש | התאמה לסוכני משנה | זמינות GGUF מיידית |
|---|---|---|---|---|
| Mellum2.1 | 2.5 מיליארד | Apache 2.0 | ייעודית (חקר קוד, עריכה ובדיקות) | בפיתוח (טרם שוחרר) |
| Mellum2 | 2.5 מיליארד | Apache 2.0 | בסיסית (ללא אימון סביבתי רחב) | זמין |
| Qwen3.5-9B | 9 מיליארד | לא פורסם | כללית | זמין |
| Gemma 4 E4B | לא פורסם | לא פורסם | כללית | זמין |
ההשוואה הזו מדגישה את הפשרה: מקבלים קצב ייצור טוקנים גבוה וחיסכון במשאבים, אבל מוותרים על היכולת של מודלים צפופים גדולים יותר להתמודד עם הנחיות מעורפלות.
הקובץ להורדה עדיין חסר
אם תכננתם להריץ פקודת משיכה פשוטה ב-Ollama או לפתוח את LM Studio כבר היום, תצטרכו להמתין. נכון לעכשיו, המודל זמין רק במשקלים גולמיים דרך Hugging Face. ב-JetBrains מבהירים כי גרסאות GGUF המיועדות ל-llama.cpp ולסביבות הרצה קלות, לצד תמיכה בראש ה-MTP עבור Speculative Decoding ב-vLLM, נמצאות בפיתוח ויגיעו רק בהמשך.
מי שאינו רוצה להמיר משקלים ידנית ייאלץ לחכות לפרסום הקבצים המוכנים.
בישראל, הרישיון הפתוח (Apache 2.0) והיכולת לפעול ללא חיבור רשת הופכים את המודל למועמד מעניין עבור חברות סייבר, ארגונים ביטחוניים וצוותים המחזיקים סביבות מבודדות לחלוטין (air-gapped). אין כאן חסימה גיאוגרפית או תלות בשרתים חיצוניים. עם זאת, התמיכה בשפה העברית ובתיעוד מימין לשמאל לא עמדה במוקד האימון, כך שלא כדאי לבנות עליו לפרויקטים שכוללים הנחיות בעברית או הערות מורכבות בשפה המקומית.
לא הייתי ממהר למחוק את מנוי ה-API הקיים שלכם לטובת הרצה מקומית מלאה. אם יש לכם שרת מקומי חזק ואתם צריכים סוכן שיבצע חיפושים ויריץ בדיקות במקביל, כדאי לעקוב אחרי עדכון ה-GGUF הקרוב. בינתיים, המשקלים הגולמיים ממתינים בשרת.
מקורות
- Mellum2.1 Gets to Work: A Fast Open Model for Coding Agentshttps://blog.jetbrains.com/ai/2026/10/mellum2-1-gets-to-work-a-fast-open-model-for-coding-agents/
- How to use Markdown in Remarkhttps://comments.blog.jetbrains.com/web/markdown-help.html
- Try Mellumhttps://huggingface.co/collections/JetBrains/mellum21
הידיעה נכתבה מהמקורות שלמעלה בתאריך הפרסום, וכל טענה בה נבדקה מולם. מצאתם טעות? כתבו.