ソフトウェア開発ツール大手のJetBrainsが、自然言語とコードの両方を扱える新しいAIモデル「Mellum2」を公開した。総パラメータ数は120億だが、実際に動作するパラメータは1トークンあたり25億に抑えられており、同規模モデルと比べて2倍以上の推論速度を実現している。この設計は、リアルタイム性が求められる開発現場のAI活用に一石を投じるものだ。

この記事を一言でいうと

JetBrainsがApache 2.0ライセンスで公開したMellum2は、高速推論に特化した120億パラメータのMoEモデル。コード補完にとどまらず、ルーティングやRAG、サブエージェントなど多段階のAI処理を低遅延で実行できる点が最大の特徴となる。

なぜ話題なのか

AIを使ったソフトウェア開発では、コード補完やドキュメント要約、検索結果の整理、ツール選択といった処理が連続して呼び出される。こうした多段階の処理は遅延に敏感であり、巨大モデルを使うと応答速度やコスト面で現実的でないケースが多い。

Mellum2は「必要な時に必要なだけ動く」アーキテクチャによって、推論速度を確保しながらも汎用的な言語理解とコード生成の性能を両立させている。オープンソースライセンスで提供されるため、企業が自社環境に導入しやすい点も注目を集めている。

一般読者や企業にどう関係するのか

企業の開発現場では、すでにコード補完AIが日常的に使われ始めている。Mellum2のようなモデルが普及すれば、補完の応答がより速くなり、開発者の思考の流れを妨げない支援が実現する。

さらに、社内のコードベースを検索して必要な情報を要約する「RAGパイプライン」や、複数のAIを連携させる際の「ルーティング・調整役」としても活用できる。日本企業でいえば、レガシーシステムの保守・改修を効率化する内部ツールや、開発生産性を高めるプライベートAI基盤の構築に適している。オンプレミス環境での動作を前提とした設計思想も、データを社外に出せない業種にとっては重要な要素となる。

AI業界の構造で見ると何が変わるのか

現在のAIモデル開発は、巨大な汎用モデルを追求する方向と、用途を絞って効率を高める方向に二極化しつつある。Mellum2は後者の流れを加速させる存在といえる。

特にMoE（Mixture-of-Experts）アーキテクチャの採用は、クラウド推論コストを抑えながらモデルの表現力を維持する手法として、今後さらに広がることが予想される。OpenAIやGoogleなど大手が提供する大規模モデルに対し、JetBrainsのような開発ツール企業が自社の領域に最適化したモデルを直接提供する動きは、AIの供給構造に新たな競争軸をもたらす。モデル開発が「より賢く」から「より速く、より安く、より制御しやすく」へと重心を移す兆候といえる。

一次情報から確認できる事実

  • Mellum2は総パラメータ数12B、アクティブパラメータ数2.5BのMoEモデルである
  • 自然言語とコードの両方を扱うテキスト・コード特化型モデルであり、マルチモーダルには対応していない
  • 同規模モデルと比較して2倍以上の推論速度を達成している
  • ライセンスはApache 2.0で、プライベート展開が可能である
  • 主な用途として、ルーティング、RAGパイプライン、要約、サブエージェント、高スループットのコーディング機能が挙げられている
  • モデルはHugging Face上でダウンロード可能であり、詳細な技術レポートも公開されている

関連企業・関連技術

  • JetBrains：IDEや開発ツールで知られるチェコのソフトウェア企業。Mellumシリーズは元々コード補完用に開発された
  • Mixture-of-Experts（MoE）：全パラメータの一部だけを推論時に活性化するモデル設計手法。MistralやDeepSeekなどのモデルでも採用されている
  • Hugging Face：モデルの配布・共有プラットフォーム。オープンソースAIの流通基盤として機能している
  • RAG（検索拡張生成）：外部データを検索してから回答を生成する手法。企業内データ活用の中心技術となりつつある

今後の論点

Mellum2の実用性は、公開ベンチマークのスコアだけでなく、実際の開発ワークフローに組み込んだ際の体感速度や統合の容易さで評価されるべきだろう。JetBrainsが自社IDEとの連携をどこまで深めるのか、またサードパーティによる活用事例がどれだけ生まれるかが、モデルの真価を左右する。加えて、コードと自然言語の両方を扱う特化型モデルが、汎用大規模モデルに対してどの領域まで優位性を発揮できるのか、実運用データの蓄積が待たれる。