فهرست مطالب
جت‌برینز در ۸ اکتبر ۲۰۲۶ (۱۶ مهر ۱۴۰۵) نسخهٔ تازهٔ مدل اوپن‌سورسش، Mellum 2.1، را منتشر کرد: مدلی ۱۲ میلیارد پارامتری که فقط ۲.۵ میلیارد پارامترش در هر لحظه فعال است، با لایسنس Apache 2.0 کاملاً رایگان عرضه شده و مشخصاً برای ایجنت‌های کدنویسی — ابزارهایی که خودشان در کدبیس می‌گردند، فایل ویرایش می‌کنند و تست می‌گیرند — آموزش دیده است. ادعای اصلی شرکت، جهش نمرهٔ SWE-bench Verified از ۲.۰ به ۴۷.۰ است.
اگر «مدل MoE» یا «SWE-bench» برایت غریبه است، اول خیلی ساده می‌گوییم ایجنت کدنویسی و مدل اوپن‌سورس یعنی چه و جت‌برینز اصلاً چرا مدل می‌سازد؛ بعد می‌رویم سراغ عددهای خود شرکت و این‌که کجای آن‌ها را باید با تردید خواند؛ بعد Mellum 2.1 را کنار Qwen3.5 و Claude Haiku 5.5 می‌گذاریم؛ و در آخر قدم‌به‌قدم می‌گوییم چطور می‌شود آن را روی ماشین خودت اجرا کرد و آیا اصلاً به درد کارت می‌خورد یا نه.
پاسخ کوتاه
جت‌برینز در ۸ اکتبر ۲۰۲۶ مدل Mellum 2.1 را اوپن‌سورس کرد: ۱۲ میلیارد پارامتر، فقط ۲.۵ میلیارد فعال، لایسنس Apache 2.0.
تغییر اصلی این نسخه، آموزش تقویتی در محیط‌های واقعی نرم‌افزاری است؛ به گفتهٔ شرکت، میلیون‌ها اجرای آزمایشی در هزاران محیط مجازی (سندباکس) انجام شده تا مدل یاد بگیرد در ریپو بگردد، فایل ویرایش کند و خودش تغییراتش را بررسی کند.
ادعای جت‌برینز: نمرهٔ SWE-bench Verified از ۲.۰ به ۴۷.۰ رسیده و LiveCodeBench v6 به ۸۲.۰. همهٔ این عددها خوداظهاری شرکت‌اند؛ ارزیابی مستقلی هنوز منتشر نشده.
مدل برای دانلود و حتی استفادهٔ تجاری رایگان است؛ هزینهٔ واقعی‌اش سخت‌افزار و برق خودت است. API رسمی و آماده‌ای از جت‌برینز برایش وجود ندارد.
فایل‌های سبک GGUF (از ۷ گیگابایت) در هاگینگ‌فیس دیده شده‌اند ولی لیست رسمی Ollama و LM Studio هنوز «به‌زودی» است؛ فعلاً راه رسمی اجرا، vLLM است.
اول زمینه: «ایجنت کدنویسی» یعنی چه؟
ایجنت با تکمیل‌کنندهٔ کد چه فرقی دارد؟
تکمیل‌کنندهٔ کد — همان چیزی که در ادیتور جملهٔ بعدی‌ات را حدس می‌زند — فقط یک پیشنهاددهنده است. ایجنت کدنویسی اما یک قدم جلوتر می‌رود: تو به او یک هدف می‌دهی («این باگ را پیدا و درست کن») و او خودش در پوشه‌ها می‌گردد، فایل باز می‌کند، کد می‌نویسد، دستور اجرا می‌کند و نتیجه را بررسی می‌کند. یعنی به‌جای این‌که تو راننده باشی و او فقط نقشه‌خوان، فرمان را برای چند دقیقه به او می‌سپاری. نمونهٔ معروفی که قبلاً بررسی Claude Code را درباره‌اش نوشتیم، دقیقاً همین کار را می‌کند.
مدل اوپن‌وِیت یعنی چه؟
مدل اوپن‌وِیت (open-weight) یعنی وزن‌های آموزش‌دیدهٔ مدل — همان فایل‌هایی که «هوش» مدل در آن‌هاست — عمومی منتشر شده و هر کسی می‌تواند دانلودشان کند و روی ماشین خودش اجراشان کند. این با API فرق دارد: در API تو برای هر درخواست پول می‌دهی و مدلت روی سرور شرکت دیگری است؛ در مدل اوپن‌وِیت، خودت میزبانش هستی. لایسنس Apache 2.0 — یعنی مجوزی که استفادهٔ تجاری را هم آزاد می‌کند و برایش حق امتیازی نمی‌گیری — یعنی یک شرکت می‌تواند این مدل را در محصول پولی‌اش هم بگذارد، بدون این‌که به جت‌برینز پولی بدهد.
جت‌برینز کیست و چرا مدل می‌سازد؟
جت‌برینز همان شرکتی است که IntelliJ IDEA و PyCharm را ساخته؛ یعنی ده‌ها سال است ابزار برنامه‌نویس می‌فروشد. منطقش ساده است: به‌جای این‌که برای هر پیشنهاد هوشمند داخل IDEهایش به OpenAI یا گوگل پول API بدهد، می‌خواهد «هوش» را خودش داشته باشد و روی ماشین خود مشتری اجراش کند. این مدل، تازه‌ترین حلقه از همان استراتژی است؛ حلقهٔ قبلی‌اش پلتفرم JetBrains Air بود که ایجنت‌ها را به کل فرایند توسعهٔ نرم‌افزار وصل می‌کند.
Mellum 2.1 دقیقاً چیست؟
معماری: تیمی از ۶۴ متخصص که فقط ۸ نفرشان بیدارند
Mellum 2.1 یک مدل MoE است؛ MoE یعنی «ترکیبی از متخصص‌ها». تصورش کن مثل بیمارستانی با ۶۴ پزشک متخصص: برای هر سؤال، فقط ۸ متخصص مرتبط بیدار می‌شوند و بقیه می‌خوابند. نتیجه؟ مدل روی کاغذ ۱۲ میلیارد پارامتر دارد ولی برای هر توکن — یعنی هر تکهٔ کوچکی از متن — فقط ۲.۵ میلیارد پارامتر واقعاً کار می‌کند. همین است که هم کوچک می‌ماند و هم سریع. پنجرهٔ زمینهاش — یعنی حداکثر متنی که مدل در یک لحظه می‌تواند «بخواند» و به خاطر بسپارد — ۱۳۱٬۰۷۲ توکن است؛ حدود چهارصد صفحه متن، یعنی یک کدبیس متوسط با چند صد فایل را یک‌جا می‌بلعد.
نکتهٔ مهم: معماری نسبت به Mellum 2 که ژوئن ۲۰۲۶ اوپن‌سورس شد، هیچ تغییری نکرده. به گفتهٔ جت‌برینز، تقریباً تمام کار این نسخه روی «بعد از پیش‌آموزش» بوده است.
چه چیزی در نسخهٔ ۲.۱ عوض شد؟ تمرین در دنیای واقعی
مشکل Mellum 2 به گفتهٔ خود شرکت این بود: سریع بود ولی «نمی‌توانست داخل یک ریپو در سطحی که ما می‌خواستیم کار کند». راه‌حل، یادگیری تقویتی (RL) در مقیاسی تازه بود؛ یعنی به‌جای این‌که فقط متن بخواند، مدل را انداختند وسط محیط‌های واقعی نرم‌افزاری: ریپوی واقعی، شل واقعی، ابزار ویرایش فایل واقعی — و هر وقت تست‌ها پاس می‌شد، پاداش می‌گرفت. به گفتهٔ جت‌برینز، در طول آموزش «میلیون‌ها» اجرای آزمایشی در «هزاران» محیط مجازی انجام شد. خروجی‌اش مدلی است که به ادعای شرکت سه کار را بلد است: در کدبیس بگردد، فایل‌ها را ویرایش کند و خودش تغییراتش را بررسی کند.
این مدل از نوع thinking است؛ یعنی قبل از جواب نهایی، زنجیرهٔ استدلالش را هم منتشر می‌کند. خوبی‌اش شفافیت است، بدی‌اش این‌که توکن و زمان بیشتری مصرف می‌کند — چیزی که در بخش محدودیت‌ها بیشتر می‌گوییم.
بنچمارک‌ها چه می‌گویند؟ اول یک هشدار صادقانه
قبل از عددها، یک جملهٔ مهم: همهٔ نمره‌های زیر را خود جت‌برینز گزارش کرده و هیچ ارزیابی مستقلی هنوز منتشر نشده است. سایت Tech Insider هم صراحتاً نوشته تا «ارزیابی مستقل» نیاید، هر ادعای پیروزی را باید با تردید خواند. ما هم عددها را همان‌طور که شرکت اعلام کرده می‌آوریم، نه بیشتر. بنچمارک — یعنی آزمون استاندارد — در این حوزه مثل خط‌کش است، ولی خط‌کشی که خود سازنده گرفته.
جدول زیر چهار بنچمارک کلیدی را از داده‌های اعلامی جت‌برینز (به نقل از MarkTechPost) نشان می‌دهد:
بنچمارک | Mellum 2.1 | Mellum 2 | Qwen3.5-9B |
|---|---|---|---|
SWE-bench Verified (حل مسئلهٔ واقعی نرم‌افزاری) | ۴۷.۰ | ۲.۰ | ۵۰.۰ |
LiveCodeBench v6 (کدنویسی رقابتی) | ۸۲.۰ | ۶۹.۴ | ۷۵.۴ |
Terminal-Bench 2.1 (کار با ترمینال) | ۱۷.۴ | ۰.۶ | ۲۱.۷ |
SWE-bench Pro | ۲۸.۰ | ۰.۰ | ۳۸.۰ |
جدول را این‌طور بخوانید: جهش نسبت به نسل قبلی خودش واقعی و بزرگ است — از ۲.۰ به ۴۷.۰ یعنی مدلی که عملاً هیچ مسئلهٔ واقعی را حل نمی‌کرد، حالا تقریباً نیمی را حل می‌کند. ولی در برابر Qwen3.5-9B علی‌بابا، در هر چهار مورد عقب‌تر است. به گفتهٔ MarkTechPost، Mellum 2.1 در ۱۵ مورد از ۱۷ بنچمارک از Mellum 2 بهتر شده ولی فقط در ۵ مورد از ۱۷ از Qwen جلو زده است.
یک نکتهٔ ظریف هم هست: MarkTechPost یادآوری می‌کند کارت رسمی خود Qwen برای بعضی بنچمارک‌ها عددهای متفاوتی گزارش می‌کند (مثلاً LiveCodeBench v6 را ۶۵.۶ می‌داند نه ۷۵.۴)؛ یعنی عددهای جدول بالا از «پایپ‌لاین مشترک جت‌برینز» آمده‌اند، نه از یک داور بی‌طرف. باز هم همان حرف: این‌ها ادعای شرکت‌اند، نه حکم نهایی.
Mellum 2.1 در برابر جایگزین‌ها
حالا که عددها را دیدی، سؤال بعدی این است: اگر بخواهی یک ایجنت کدنویسی راه بیندازی، گزینه‌های روی میزت چه هستند؟ جدول زیر چهار مسیر واقع‌بینانه را کنار هم می‌گذارد:
گزینه | نوع دسترسی | قیمت | مناسب برای |
|---|---|---|---|
Mellum 2.1 | مدل اوپن‌سورس (Apache 2.0) | رایگان؛ هزینه‌اش سخت‌افزار خودت است | کسی که GPU یا سرور دارد و می‌خواهد ایجنت را خصوصی و بدون قبض API اجرا کند |
Qwen3.5-9B (علی‌بابا) | مدل اوپن‌سورس (Apache 2.0) | رایگان؛ هزینه‌اش سخت‌افزار خودت است | کسی که دقت در تسک‌های سخت برایش از سرعت مهم‌تر است؛ کانتکست بزرگ‌تر (۲۶۲ هزار توکن) |
Claude Haiku 5.5 | API تجاری آنتروپیک | از ۰.۱۰ دلار به‌ازای هر میلیون توکن ورودی (۷ اکتبر ۲۰۲۶) | کسی که نمی‌خواهد درگیر سرور شود؛ Claude Haiku 5.5 تازه حدود ۷۵٪ ارزان‌تر از نسل قبل شده |
Junie (جت‌برینز) | ایجنت تجاری داخل IDE | شروع رایگان؛ AI Pro ماهی ۸.۳۳ دلار، AI Ultimate ماهی ۲۵ دلار | کاربر IDEهای جت‌برینز که یک ایجنت آماده و یکپارچه می‌خواهد، نه مدل خام |
جدول را این‌طور بخوانید: اگر «رایگانِ واقعی» می‌خواهی، دعوا بین دو مدل اوپن‌سورس است — Mellum 2.1 سریع‌تر و سبک‌تر، Qwen3.5 قوی‌تر در مسئله‌های سخت. اگر «راحتی» می‌خواهی، API و ایجنت آماده هست ولی قبض ماهانه دارد. گزینهٔ اوپن‌سورس دیگری که قبلاً معرفی کرده‌ایم، ابزار اوپن‌سورس MiniMax Code CLI است؛ و اگر رقیب تجاری بزرگ را می‌خواهی بشناسی، GitHub Copilot هنوز پرچم‌دار آن سمت بازار است.
چطور روی ماشین خودت اجراش کنی؟
قدم اول: دانلود از هاگینگ‌فیس
مدل روی پلتفرم Hugging Face — یعنی همان مخزن عمومی معروف مدل‌های هوش مصنوعی — با نام JetBrains/Mellum2.1-12B-A2.5B-Thinking میزبانی می‌شود. دانلودش رایگان است و لایسنس Apache 2.0 حتی استفادهٔ تجاری را هم مجاز می‌کند. کارت مدل در هاگینگ‌فیس، مشخصات فنی کامل و دستورهای اجرا را هم دارد؛ همان صفحه، مرجع اصلی توست.
قدم دوم: اجرا با vLLM
راه رسمی و آمادهٔ امروز، موتور vLLM است — یعنی نرم‌افزاری که مدل‌های بزرگ را سریع و بهینه روی کارت گرافیک اجرا می‌کند. کارت مدل، دستور آمادهٔ vLLM را (هم با قابلیت tool calling و هم بدون آن) داده است؛ کپی‌اش می‌کنی و اجرا می‌کنی. جت‌برینز می‌گوید تست سرعتش را روی یک کارت H200 انویدیا گرفته — یعنی روی سخت‌افزار دیتاسنتری، نه لپ‌تاپ معمولی. پس اگر GPU قدرتمند نداری، این قدم برایت زود است.
Ollama و LM Studio: هنوز نه
اگر با Ollama یا LM Studio — یعنی همان ابزارهای سادهٔ اجرای مدل روی کامپیوتر شخصی — کار کرده‌ای، وضعیت «نیمه‌آماده» است: وبلاگ رسمی جت‌برینز می‌گوید نسخه‌های GGUF (نسخهٔ سبک و فشردهٔ مدل برای همین ابزارها) «به‌زودی» می‌آیند، ولی به گزارش MarkTechPost ریپوی GGUF مدل در هاگینگ‌فیس از قبل چند فایل دارد — از جمله نسخهٔ ۷ گیگابایتی و نسخهٔ ۸.۱ گیگابایتی که پیشنهادی است. یعنی فایل سبک عملاً پیدا می‌شود، ولی راه «رسمی و بدون دردسر» هنوز کامل نشده است.
نسخهٔ سبک چقدر حجم دارد؟
به گزارش MarkTechPost، ریپوی GGUF مدل در هاگینگ‌فیس پنج فایل دارد: از نسخهٔ ۷ گیگابایتی MXFP4_MOE تا نسخهٔ ۸.۱ گیگابایتی Q4_K_M که نسخهٔ پیشنهادی معرفی شده. یعنی به‌اندازهٔ یک فیلم Full HD جا می‌گیرد، نه یک دیتاسنتر. ولی یک «اما» دارد: خود جت‌برینز در بلاگ رسمی این نسخه‌ها را «در راه» اعلام کرده، نه «رسیده» — پس تا وقتی لیست رسمی Ollama به‌روز شود، این فایل‌ها را نسخهٔ نهایی و پشتیبانی‌شده ندان.
قیمت و پلن‌ها: رایگانِ واقعی، ولی نه مجانیِ مطلق
خود مدل صفر دلار قیمت دارد: دانلود رایگان، استفادهٔ تجاری آزاد، بدون حق امتیاز. ولی «رایگان» در دنیای مدل‌های اوپن‌سورس یک ستارهٔ کوچک دارد: هزینهٔ اجرا با توست. کارت گرافیک، سرور ابری یا برق دیتاسنتر را خودت می‌دهی. برای یک تیم کوچک که GPU ندارد، همین «رایگان» می‌تواند از اشتراک ماهانهٔ یک API گران‌تر دربیاید.
برای مقایسه، بد نیست قیمت‌های اکوسیستم خود جت‌برینز را هم بدانی (از صفحهٔ رسمی Junie): شروع رایگان با Junie Lite، بعد AI Pro ماهی ۸.۳۳ دلار به‌ازای هر کاربر (با پرداخت سالانه) و AI Ultimate ماهی ۲۵ دلار. و اگر کلاً بخواهی از دردسر سرور خلاص شوی، API تازه‌وارد Claude Haiku 5.5 از ۰.۱۰ دلار به‌ازای هر میلیون توکن ورودی شروع می‌شود — برای حجم‌های کم، از خرید GPU به‌صرفه‌تر است.
و یک جملهٔ صادقانه دربارهٔ تومان: رقم تومان را اینجا اختراع نمی‌کنیم. قیمت‌های بالا دلاری‌اند و نرخ ارز هر روز عوض می‌شود؛ خودت با نرخ روز حساب کن.
محدودیت‌ها: چهار چیزی که باید بدانی
۱. عددها خوداظهاری‌اند
مهم‌ترین محدودیت، خودِ بنچمارک‌هاست: همه را جت‌برینز گزارش کرده، با پایپ‌لاین خودش، و هنوز نه گزارش تکنیکال مستقلی آمده نه ارزیابی بی‌طرفی. Tech Insider هم همین را می‌گوید. پس «۴۷ در برابر ۵۰» را فعلاً یک ادعا بدان، نه یک واقعیت تثبیت‌شده.
۲. در تسک‌های سخت، Qwen جلوتر است
حتی با همان عددهای خود شرکت، Mellum 2.1 در مسئله‌های واقعاً سخت — SWE-bench Verified، SWE-bench Pro، Terminal-Bench — از Qwen3.5-9B عقب است. اگر کارت «حل مسئله‌های پیچیدهٔ چندمرحله‌ای» است، فعلاً Qwen گزینهٔ قوی‌تری به نظر می‌رسد.
۳. مدل thinking کندتر و پرمصرف‌تر است
چون Mellum 2.1 قبل از جواب، زنجیرهٔ استدلالش را هم تولید می‌کند، برای هر درخواست توکن بیشتری مصرف می‌کند و دیرتر به جواب نهایی می‌رسد. برای ایجنت‌هایی که صدها بار در روز صدا زده می‌شوند، این «مالیات تفکر» روی سرعت و هزینهٔ سخت‌افزار اثر می‌گذارد.
۴. API آماده ندارد و نسخهٔ ساده هنوز نیامده
برخلاف مدل‌های تجاری که یک کلید API می‌گیری و تمام، اینجا خودت باید زیرساخت بچینی. و نسخهٔ سبک GGUF برای Ollama و LM Studio هم هنوز رسماً نیامده («به‌زودی» به گفتهٔ بلاگ). اگر دنبال راه‌اندازی امروزِ بدون دردسری، این مدل امروزِ تو نیست.
نکته‌ای برای خوانندهٔ فارسی‌زبان
دانلود: مدل روی Hugging Face میزبانی می‌شود. جت‌برینز هیچ محدودیت جغرافیایی یا تحریمی برای دانلود اعلام نکرده؛ ما هم چیزی در این باره تأیید یا تکذیب نمی‌کنیم — اگر جایی به مشکل خوردی، همان صفحهٔ رسمی مدل مرجع است.
هزینه برای تیم‌های کوچک: صفر بودن قیمت مدل برای تیم‌ها و فریلنسرهایی که نمی‌خواهند قبض دلاری API بدهند جذاب است، ولی یادت باشد قبض برق و GPU جای قبض API را می‌گیرد. قبل از تصمیم، یک حساب سرانگشتی بکن: ماهی چند میلیون توکن مصرف داری؟
زبان فارسی: این مدل برای کد آموزش دیده، نه برای فارسی. جت‌برینز دربارهٔ کیفیتش در زبان‌های غیرانگلیسی چیزی اعلام نکرده؛ اگر کارت تولید متن فارسی است، این مدل انتخابت نیست.
اگر GPU نداری: عجله نکن. یا منتظر نسخهٔ GGUF بمان که روی سیستم‌های معمولی‌تر اجرا شود، یا برای شروعِ سریع سراغ APIهای ارزان تازه‌وارد مثل Haiku 5.5 برو و بعداً که زیرساخت داشتی به مدل محلی مهاجرت کن.
چیزهایی که هنوز روشن نیست
مثل خیلی از عرضه‌های این حوزه، چند سؤال مهم هنوز بی‌جواب مانده: جت‌برینز هنوز گزارش تکنیکال کاملی با جزئیات قابل تکرار منتشر نکرده؛ مصرف واقعی حافظه و حداقل سخت‌افزار لازم رسماً اعلام نشده؛ زمان دقیق عرضهٔ نسخهٔ GGUF برای Ollama و LM Studio معلوم نیست؛ و مشخص نیست آیا Mellum 2.1 قرار است به‌صورت پیش‌فرض داخل ایجنت Junie هم بیاید یا نه — در صفحهٔ اعلامیه هیچ اشاره‌ای به آن نیست.
جمع‌بندی: امتحانش کن یا صبر کن؟
امتحانش کن اگر GPU یا سرور داری و می‌خواهی یک ایجنت کدنویسی خصوصی، بدون قبض API و با لایسنس تجاریِ آزاد راه بیندازی؛ برای ساب‌ایجنت‌های سریع و کارهای روتین کد، ترکیب سرعت و رایگان بودنش وسوسه‌کننده است. صبر کن اگر منتظر نسخهٔ سادهٔ Ollama هستی یا کارت حل مسئله‌های خیلی پیچیده است — فعلاً Qwen3.5-9B در آن میدان جلوتر است و ارزیابی‌های مستقل هم هنوز نیامده‌اند. و اگر اصلاً حوصلهٔ سرور نداری، مسیر APIهای ارزان مثل Haiku 5.5 امروز برایت منطقی‌تر است. به‌طور خلاصه: Mellum 2.1 یک «رایگانِ جدی» است، نه یک «معجزهٔ رایگان».
سؤال‌های پرتکرار
Mellum 2.1 واقعاً رایگان است؟
بله، برای دانلود و استفاده — حتی تجاری — رایگان است چون لایسنس Apache 2.0 دارد. ولی هزینهٔ اجرایش (کارت گرافیک، سرور، برق) با خودت است؛ API پولی رسمی هم برایش وجود ندارد.
با Ollama می‌شود اجراش کرد؟
تقریباً. فایل‌های سبک GGUF (۷ تا ۸.۱ گیگابایت، به گزارش MarkTechPost) در هاگینگ‌فیس دیده شده‌اند، ولی وبلاگ رسمی جت‌برینز لیست شدن در Ollama و LM Studio را «به‌زودی» اعلام کرده. امروز راه رسمی و پشتیبانی‌شده، موتور vLLM است.
با Mellum 2 چه فرقی کرده؟
معماری همان است؛ تفاوت در آموزش تقویتی در محیط‌های واقعی نرم‌افزاری است. نتیجه به ادعای شرکت: SWE-bench Verified از ۲.۰ به ۴۷.۰ و Terminal-Bench از ۰.۶ به ۱۷.۴ رسیده — یعنی از مدلی که عملاً کار ایجنتیک نمی‌کرد به مدلی که می‌کند.
Mellum 2.1 بهتر است یا Qwen3.5-9B؟
بستگی به کارت دارد. با عددهای اعلامی خود جت‌برینز، Qwen در تسک‌های سخت (SWE-bench، Terminal-Bench) جلوتر است و کانتکست بزرگ‌تری هم دارد؛ Mellum 2.1 سبک‌تر و سریع‌تر است و فقط ۲.۵ میلیارد پارامتر فعال دارد. هر دو رایگان و اوپن‌سورس‌اند.
روی لپ‌تاپ معمولی اجرا می‌شود؟
به‌زودی، ولی نه امروزِ امروز. ریپوی GGUF در هاگینگ‌فیس نسخه‌های ۷ تا ۸.۱ گیگابایتی دارد (به گزارش MarkTechPost) و حداقل سخت‌افزار لازم هم رسماً اعلام نشده. اگر سیستمت کارت گرافیک معمولی دارد، منتظر لیست رسمی Ollama بمان.
ربطش با Junie چیست؟
ربط مستقیمی اعلام نشده. Junie ایجنت کدنویسی خود جت‌برینز است که از مدل‌های مختلف — از جمله مدل‌های محلی Ollama و LM Studio — پشتیبانی می‌کند، ولی جت‌برینز نگفته Mellum 2.1 داخل Junie تعبیه می‌شود. این دو را قاطی نکن.
از ایران می‌شود دانلودش کرد؟
مدل روی Hugging Face میزبانی می‌شود و جت‌برینز هیچ محدودیت جغرافیایی اعلام نکرده. ما وضعیت دسترسی از ایران را به‌طور مستقل تأیید نکردیم؛ مرجع، همان صفحهٔ رسمی مدل است.
منابع
وبلاگ جت‌برینز — Mellum2.1 Gets to Work: A Fast Open Model for Coding Agents (اکتبر ۲۰۲۶)
Hugging Face — کارت مدل Mellum2.1-12B-A2.5B-Thinking
MarkTechPost — JetBrains Releases Mellum2.1: A 12B MoE Open Model for Coding Agents (۸ اکتبر ۲۰۲۶)
Tech Insider — JetBrains Mellum 2.1: 12B MoE Coding Model (۸ اکتبر ۲۰۲۶)
OOSSA — JetBrains launches Mellum2.1, a 12B open model for coding assistants (۸ اکتبر ۲۰۲۶)
رویترز — Anthropic launches third Claude 5.5 model, expanding AI lineup before planned IPO (۷ اکتبر ۲۰۲۶)
AI Weekly — Anthropic releases Claude Haiku 5.5, cutting prices by 75% (۷ اکتبر ۲۰۲۶)
جت‌برینز — صفحهٔ رسمی Junie (قیمت‌گذاری)
