Ao vivo 18/11 · Turma 318 nov às 19:00 MSK — aula prática gratuita de agentes de IA · Turma 3 ao vivo começa 23/11Aula 18/11 →Turma 3 (23/11)
LançamentoAnálise · No radarHabr AI→ original

Mellum, da JetBrains, roda localmente na IDE: em um MacBook M3 Pro, a nota foi 5 de 10

Agentes de nuvem como Claude Code, Codex e Cursor podem ficar fora do ar por causa de bloqueios, e as contas de tokens só aumentam. O autor de um guia no Habr montou uma alternativa num MacBook M3 Pro: o modelo Mellum2.1, da JetBrains, o LM Studio Bionic, o agente OpenCode e o ambiente OpenIDE. Tudo funciona sem internet e sem assinatura. Ele deu nota 5 de 10 para a combinação: dá conta de tarefas pequenas, mas ainda é lenta demais para as grandes.

Processado por IA de Habr AI; editado por Hamidun News
Mellum, da JetBrains, roda localmente na IDE: em um MacBook M3 Pro, a nota foi 5 de 10
Fonte: Habr AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHabr AI ↗
Editor-chefe
Dado-chave #1A Revolut migrou ~2000 engenheiros para o seu GLM; segundo a empresa, os custos caíram 90%
O Mellum2.1 é um MoEdos 12 bilhões de parâmetros, cerca de 2,5 bilhões ficam ativos por token
Dado-chave #3A build Q4_K_M pesa cerca de 8,1 GB, e os pesos são abertos, sob a licença Apache 2.0

Assistentes de programação na nuvem, como Claude Code, Codex e Cursor, são práticos enquanto o acesso funciona. Só que bloqueios acontecem, e as contas de assinatura e de tokens crescem. O autor de um guia no Habr decidiu testar uma alternativa: rodar o modelo direto no notebook e usá-lo como um agente comum dentro do ambiente de desenvolvimento.

Ele escolheu o modelo aberto Mellum2.1, da JetBrains, o aplicativo LM Studio Bionic para executá-lo, o agente OpenCode e a IDE chamada OpenIDE. O teste foi feito num MacBook com chip M3 Pro.

O autor deu nota 5 de 10 ao resultado: um pedido como "encontre o método e explique o que ele faz" é atendido sem internet e sem assinatura, mas as tarefas grandes andam devagar.

Por que manter o modelo na sua máquina

O principal argumento é a previsibilidade. Um agente de nuvem pode mudar de capacidades ou sair do ar sem aviso, e a conta de tokens pode disparar de repente. O autor cita o exemplo da Revolut: a empresa migrou cerca de 2000 engenheiros para o modelo GLM, rodando em servidores próprios, e manteve Claude Code e Codex só para tarefas específicas. Segundo a Revolut, os gastos com programação assistida por AI caíram cerca de 90%. São dados da própria empresa, sem verificação independente, mas a direção é clara.

Para o desenvolvedor comum, o modelo local oferece o mesmo em escala menor, principalmente quando a assinatura não é paga pelo empregador. Além disso, ele funciona no avião, no trem e em qualquer situação de conexão ruim.

Como a combinação funciona

O exemplo usa o Mellum2.1 12B A2.5B Thinking. A primeira versão do Mellum cuidava do autocompletar de código; na 2.1, a JetBrains melhorou especificamente o trabalho com repositórios: busca do código certo, edição de arquivos e verificação das alterações. O nome se lê assim:

  • 12B — cerca de 12 bilhões de parâmetros;
  • A2.5B — arquitetura MoE: a cada token, trabalham apenas cerca de 2,5 bilhões de parâmetros, então há menos cálculo, mas os pesos continuam carregados por inteiro na memória;
  • Thinking — o modelo raciocina antes de responder, e isso leva tempo.

Os pesos são abertos, sob a licença Apache 2.0. O autor usa a build oficial em GGUF com quantização Q4_K_M.

Quantizar significa armazenar os pesos com menos precisão: o arquivo fica menor e ocupa cerca de 8,1 GB. Se houver memória sobrando, vale testar 6 ou 8 bits e comparar as respostas nas suas próprias tarefas. Uma ressalva importante: o tamanho do arquivo não é toda a memória necessária.

Também é preciso espaço para o contexto, o sistema, o navegador e a própria IDE. Em Macs com Apple Silicon, a memória é compartilhada entre processador e GPU, então tudo isso disputa os mesmos gigabytes. Para outros computadores, o autor recomenda o serviço canirun.

ai, mas a velocidade real é melhor conferir por conta própria.

A cadeia funciona assim. O LM Studio Bionic baixa e executa o modelo e sobe uma API local compatível com a da OpenAI no endereço http://127.0.0.1:1234/v1. O OpenCode se conecta a ela, e pode ser instalado, por exemplo, via Homebrew. Depois, esse mesmo agente é conectado ao OpenIDE. A vantagem é que as regras do projeto e os servidores MCP configurados no OpenCode funcionam também dentro da IDE: não é preciso montar um agente separado para o ambiente. Ao lado ficam Git, cliente de bancos de dados, depuração e Docker. O OpenCode sozinho não faz nada disso: não tem cliente de banco de dados, é incômodo para navegar pelos arquivos e mostra os diffs de forma imperfeita.

O Mellum não é obrigatório. Modelos das famílias Qwen ou Gemma também servem e, com bastante memória, o Muse Glimmer, da Meta. O essencial é verificar se há suporte a chamada de ferramentas: para um agente, saber escrever código no chat não basta.

O que deu certo na prática

A avaliação é honesta: 5 de 10. Para cumprir uma tarefa, o agente precisa consultar o modelo várias vezes: ler arquivos, fazer a edição e verificá-la. Num notebook, esses passos são lentos. Em hardware mais potente, segundo o autor, o resultado será bem melhor, mas, para as tarefas grandes do dia a dia, ele ainda não migra para modelos locais.

A conclusão prática: a pilha local já serve como reserva para o caso de bloqueio da nuvem, para trabalho offline e para tarefas pequenas. Ela ainda não substitui os agentes de nuvem no trabalho sério, sobretudo num notebook de classe média. Se quiser experimentar, comece pela build de 4 bits, meça a velocidade no seu próprio repositório e só então decida se precisa de um hardware mais potente. Para equipes, o caso da Revolut mostra um modelo possível: "modelo próprio para a rotina, nuvem para o que é complexo". No próximo artigo, o autor promete analisar as opções gratuitas de nuvem: limites e conexão com a IDE.

História

Perguntas frequentes sobre a notícia

Por que manter o modelo na sua máquina?

O principal argumento é a previsibilidade. Um agente de nuvem pode mudar de capacidades ou sair do ar sem aviso, e a conta de tokens pode disparar de repente. O autor cita o exemplo da Revolut: a empresa migrou cerca de 2000 engenheiros para o modelo GLM, rodando em servidores próprios, e manteve Claude Code e Codex só para tarefas específicas. Segundo a Revolut, os gastos com programação assistida por AI caíram cerca de 90%. São dados da própria empresa, sem verificação independente, mas a direção é clara.

Como a combinação funciona?

O exemplo usa o Mellum2.1 12B A2.5B Thinking. A primeira versão do Mellum cuidava do autocompletar de código; na 2.1, a JetBrains melhorou especificamente o trabalho com repositórios: busca do código certo, edição de arquivos e verificação das alterações.

O que deu certo na prática?

A avaliação é honesta: 5 de 10. Para cumprir uma tarefa, o agente precisa consultar o modelo várias vezes: ler arquivos, fazer a edição e verificá-la. Num notebook, esses passos são lentos. Em hardware mais potente, segundo o autor, o resultado será bem melhor, mas, para as tarefas grandes do dia a dia, ele ainda não migra para modelos locais. A conclusão prática: a pilha local já serve como reserva para o caso de bloqueio da nuvem, para trabalho offline e para tarefas pequenas.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
O que você acha?
Carregando comentários…