JetBrains Mellum

JetBrains Mellum: La inteligencia local integrada con PSI

A partir del 13 de enero de 2026, Mellum se ha consolidado como el estándar de la industria para asistencia segura a desarrolladores en dispositivo. La arquitectura de 2026 aprovecha un diseño Sparse Mixture-of-Experts (MoE), que le permite mantener las capacidades de razonamiento de un modelo de 12B mientras activa solo 2B parámetros para tareas específicas (por ejemplo, refactorización de Java frente a Kotlin), asegurando que no se produzca throttling térmico en portátiles modernos de desarrollo 📑. La principal ventaja técnica sigue siendo su integración nativa con la Program Structure Interface (PSI), que permite una resolución de símbolos de nivel compilador, superando al contexto basado en tokens estándar 📑.

Arquitectura central y rendimiento en tiempo real

Mellum está optimizado para el estado de 'Flow', priorizando la capacidad de respuesta de la interfaz y la precisión predictiva.

• Conmutación Sparse MoE: Intercambia dinámicamente expertos especializados en función de la extensión del archivo y el manifiesto del proyecto, reduciendo el uso de VRAM en un 65 % en comparación con modelos densos de 7B 🧠.
• Sugerencia de siguiente edición (NES): Una capa predictiva propietaria que anticipa el siguiente cambio estructural lógico (por ejemplo, añadir un bloque try-catch o implementar una interfaz) antes de que el usuario comience a escribir 📑.
• Kernels específicos para hardware: Optimizados para el Neural Engine de Apple M4/M5 y los Tensor Cores de NVIDIA RTX serie 50, logrando tiempos de respuesta inferiores a 100 ms para completados multilínea 📑.

⠠⠉⠗⠑⠁⠞⠑⠙⠀⠃⠽⠀⠠⠁⠊⠞⠕⠉⠕⠗⠑⠲⠉⠕⠍

Capa de soberanía y cumplimiento

La arquitectura del modelo es un componente clave de la estrategia 'Air-Gapped AI' para sectores altamente regulados.

• Ejecución Zero-Egress: La inferencia es estrictamente local; el modelo no requiere conexión a internet para ofrecer sugerencias estructurales, y ningún código de usuario se utiliza para reentrenamiento global 📑.
• Almacenamiento cifrado de pesos: Los pesos del modelo (Safetensors) están vinculados criptográficamente a la licencia del IDE, evitando su extracción o ajuste fino no autorizado 🧠.

Guía de evaluación

Los arquitectos técnicos deben priorizar los siguientes pasos de validación:

• Profundidad de resolución de símbolos: Evaluar la capacidad de Mellum para sugerir métodos internos privados en monorepos complejos y verificar la eficiencia del grounding del grafo PSI 📑.
• Perfilado térmico de NPU/GPU: Medir el consumo energético durante sesiones de codificación de 1 hora en hardware objetivo (por ejemplo, MacBook Pro M4) para evaluar el impacto del conmutador MoE en la duración de la batería 🧠.
• Métricas CAR: Analizar la Tasa de Aceptación de Completados (CAR) en diferentes lenguajes para determinar en qué casos el modelo requiere fallback a modelos cloud de alto parámetro 📑.