Mellum2.1 — lokalny model AI od JetBrains
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
Otwarte modele do programowania od JetBrains. Mellum2.1 Thinking to model mixture-of-experts z 12B parametrów i 2,5B aktywnymi, dotrenowany głównie uczeniem ze wzmocnieniem w prawdziwych repozytoriach (powłoka i narzędzia do edycji plików, nagroda za przechodzące testy), do agentowej pracy nad oprogramowaniem i jako sub-agent. Apache 2.0, kontekst 131 072 tokenów. Przy około 8 GB w Q4_K_M to jeden z niewielu agentowych modeli do kodu, które mieszczą się w laptopie średniej klasy.
Warianty
Najmniejszy wariant Mellum2.1 potrzebuje około 9 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV.
| Model | VRAM przy Q4 | VRAM | Kontekst | Uruchom |
|---|---|---|---|---|
| Mellum2.1 12B Thinking → 12B (2.5B active) | ~8.9 GB | 131,072 | tag hostowany w chmurze |
Pamięć to skwantyzowane wagi plus narzut przy Q4_K_M, liczone tym samym silnikiem co sprawdzarka GPU i VRAM.
Jak uruchomić Mellum2.1 lokalnie
Zainstaluj Ollama, a potem pobierz tag.
No Ollama library entry yet. JetBrains' official GGUF files are the local route; the card's own serving recipe is vLLM.
Wybierz rozmiar powyżej, aby zobaczyć jego VRAM, szacowaną szybkość i polecenie instalacji.
Licencja
Commercial use permitted. No usage restrictions beyond attribution.
Dotyczy: Mellum2.1 12B ThinkingPolecane GPU
Najtańsze GPU z naszego katalogu, które uruchomi Mellum2.1 lokalnie (min. 9 GB VRAM), to Intel Arc B570 (10 GB).
Mellum2.1 — najczęściej zadawane pytania
How much VRAM does Mellum2.1 need?
Mellum2.1 needs about 9 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: Mellum2.1 12B Thinking (9 GB, Q4_K_M). On Apple Silicon, unified memory counts toward this requirement.
Can I run Mellum2.1 on an RTX 4090 (24 GB)?
Yes — Mellum2.1 runs on an RTX 4090 (24 GB) and other 24 GB cards such as the RTX 3090. Smaller variants also fit comfortably on 8–16 GB GPUs at Q4_K_M.
What quantization should I use for Mellum2.1?
Q4_K_M is the best balance of quality and VRAM for Mellum2.1 in most cases. Choose Q8_0 for near-lossless quality if you have spare VRAM, or smaller quants (Q3/Q2) only when memory is tight.
How do I run Mellum2.1 with Ollama?
Mellum2.1 has no local Ollama tag — the published tag is cloud-hosted, so running it sends your prompts to a hosted GPU rather than your own machine.