Mellum-4b-base
JetBrains基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗DISCOVER & COMPARE
AI 모델 탐색 18
Mellum-4b-sft-all
JetBrains基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Mellum2.1-12B-A2.5B-Thinking
JetBrains> [!Note] > Mellum2.1 is a thinking model. Use it for complex agentic tasks, such as working in a repository, running commands, and calling tools, and for hard non-agentic problems in coding, math, and reasoning. Mellum2.1 is the next version of Mellum2 Thinking. The architecture is unchanged (a 12B mixture-of-experts model with 2.5B active parameters), and almost all of the work for this version went into post-training, primarily reinforcement learning (RL): As a result, Mellum2.1 handles agentic tasks much better than Mellum2. After millions of sandboxed runs in real environments during training, it explores a codebase, edits files, and checks its own changes.
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Mellum2.1-12B-A2.5B-Thinking-GGUF
JetBrainsThis repository contains **GGUF** builds of `JetBrains/Mellum2.1-12B-A2.5B-Thinking` in every quantization we publish, ready to run with `llama.cpp`, Ollama, LM Studio, and other GGUF-compatible runtimes. Each variant is one file; download the one you need. The repository also ships the model's **multi-token prediction (MTP) head** for speculative decoding in llama.cpp; see Speculative decoding with the MTP head. Mellum2.1 Thinking is a Mixture-of-Experts reasoning model (64 experts, 8 activated per token, 131,072-token context) that emits its chain of thought inside ` ... ` blocks before the final answer. For the full model description, evaluation results, and architecture details, see the original model card: **JetBrains/Mellum2.1-12B-A2.5B-Thinking**. KL divergence and top-token agreement are measured against the BF16 logits on Wikitext-2 (`n_ctx=512`); lower KLD / higher agreement means closer to the unquantized model.
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Mellum2-12B-A2.5B-Base
JetBrains> [!Note] > Use this checkpoint as the starting point for your own fine-tuning, alignment, or domain adaptation on top of the long-context base. For instruction-following or reasoning tasks out of the box, use Instruct or Thinking instead. The model uses a Mixture-of-Experts architecture with 64 experts and activates 8 experts per token. It uses a combination of sliding-window and full attention layers, with a context length of 131,072 tokens. This is the long-context base, produced from `Mellum2-12B-A2.5B-Base-Pretrain` by a layer-selective YaRN extension stage that re-maps RoPE frequencies on the global-attention layers only. It is the shared starting point for the released Instruct and Thinking variants.
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Mellum2-12B-A2.5B-Base-Pretrain
JetBrains基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Mellum2-12B-A2.5B-Instruct
JetBrains> [!Note] > Use this model when you want direct, low-latency answers without an explicit chain of thought — interactive chat, code assistance, tool use, and instruction following. If you need explicit reasoning before the answer (complex debugging, planning, multi-step agentic flows), use Thinking instead. The model uses a Mixture-of-Experts architecture with 64 experts and activates 8 experts per token. It uses a combination of sliding-window and full attention layers, with a context length of 131,072 tokens. It is produced from `Mellum2-12B-A2.5B-Base` by supervised fine-tuning followed by reinforcement learning with verifiable rewards (RLVR) on math, executable coding, tool use, instruction following, reasoning, and knowledge tasks. Mellum2 Instruct answers directly, without an externalized chain of thought.
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗This repository contains a **GGUF Q4_K_M** quantization of `JetBrains/Mellum2-12B-A2.5B-Instruct`, ready to run with `llama.cpp`, Ollama, LM Studio, and other GGUF-compatible runtimes. **This quantization (Q4_K_M):** 4-bit k-quant (medium). Strong quality/size trade-off (KLD ~0.106, 87% top-token agreement) — a good default. Mellum 2 Instruct is a Mixture-of-Experts assistant model (64 experts, 8 activated per token, 131,072-token context) that answers directly, without an externalized chain of thought. For the full model description, evaluation results, and architecture details, see the original model card: **JetBrains/Mellum2-12B-A2.5B-Instruct**.
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Mellum2-12B-A2.5B-Instruct-GGUF-Q8_0
JetBrainsThis repository contains a **GGUF Q8_0** quantization of `JetBrains/Mellum2-12B-A2.5B-Instruct`, ready to run with `llama.cpp`, Ollama, LM Studio, and other GGUF-compatible runtimes. **This quantization (Q8_0):** 8-bit. Effectively lossless — KL divergence from BF16 is ~0.016 and it keeps BF16's top token 95% of the time. Mellum 2 Instruct is a Mixture-of-Experts assistant model (64 experts, 8 activated per token, 131,072-token context) that answers directly, without an externalized chain of thought. For the full model description, evaluation results, and architecture details, see the original model card: **JetBrains/Mellum2-12B-A2.5B-Instruct**.
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Mellum2-12B-A2.5B-Instruct-SFT
JetBrains基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Mellum2-12B-A2.5B-Thinking
JetBrains> [!Note] > Use this model when you want explicit chain-of-thought before the final answer — complex debugging, multi-step planning, agentic workflows, and math- or reasoning-heavy tasks. For direct, low-latency answers without reasoning traces, use Instruct instead. The model uses a Mixture-of-Experts architecture with 64 experts and activates 8 experts per token. It uses a combination of sliding-window and full attention layers, with a context length of 131,072 tokens. It is produced from `Mellum2-12B-A2.5B-Base` by supervised fine-tuning (loss computed only on the final assistant turn) followed by reinforcement learning with verifiable rewards (RLVR) on a harder data mix that includes a long-form math subset. The model emits its reasoning inside ` ... ` blocks before the final answer.
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Mellum2-12B-A2.5B-Thinking-SFT
JetBrains> [!Note] > Research artifact: the SFT-only intermediate checkpoint of the Thinking training pipeline. Use it to study or build on the reasoning SFT stage in isolation, run post-training experiments (preference tuning, RLVR, etc.), or compare against the final RL-tuned variant. For production-quality reasoning use Thinking instead. Mellum2 Thinking (SFT) is the supervised-fine-tuning-only intermediate checkpoint of the Mellum2 Thinking training pipeline, released by JetBrains as a research artifact. The model uses a Mixture-of-Experts architecture with 64 experts and activates 8 experts per token. It uses a combination of sliding-window and full attention layers, with a context length of 131,072 tokens.
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Qwen3.8-3.6-27B-blend
JetBrains基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Qwen3.8-3.6-27B-blend-GGUF
JetBrains**Unofficial JetBrains derivative.** This model was prepared by JetBrains using Qwen models developed by Alibaba Cloud. This release is not affiliated with, sponsored by, or endorsed by Alibaba Cloud or Alibaba Group. *Tasks completed versus output tokens on JetBrains’ 100-task internal coding benchmark. Reasoning settings differ between configurations; see the article for methodology and context.* Read Making Local AI Smarter and Faster for the Junie Local release story, coding evaluations, token-efficiency results, and MTP runtime experiments.
번역 대기 중 · 원문 표시
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Qwen3.8-3.6-27B-blend-MLX-4bit
JetBrains基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Qwen3.8-3.6-27B-blend-MTP-MLX-4bit
JetBrains基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗일치하는 모델 없음
제공사, 분류, 입출력 조건을 조정하세요. 새 모델이 계속 등록됩니다.
COST EXPLORER
좋은 모델, 명확한 비용.
월간 토큰 사용량으로 예상 API 비용을 비교하세요.
1 M = 100만 토큰 · USD
동일 채널의 기본 텍스트 토큰 요금 비교
동일 채널의 기본 텍스트 토큰 요금 비교
수집된 백만 토큰당 USD 요금입니다. 캐시 할인, 구간 요금, 추가 추론 출력, 세금은 제외됩니다. 최신 요금은 출처에서 확인하세요.
MODEL HANDBOOK
이해하고 선택하세요
API 요금은 어떻게 비교하나요?+
입력, 출력, 캐시 요금을 구분하고 동일 작업량으로 비교하세요. 이미지, 음성, 영상은 개수, 시간, 해상도로 과금될 수 있습니다.
오픈 웨이트는 무료 상업 이용을 뜻하나요?+
반드시 그렇지는 않습니다. 버전별 라이선스, 상업 이용 제한, 정책을 확인하세요. 자체 호스팅에는 연산 및 유지 비용도 듭니다.
1위 모델이 나에게 가장 적합한가요?+
순위는 작업, 버전, 평가 방식에 따라 다릅니다. 실제 업무로 정확도, 지연, 안정성, 비용을 비교하세요.