文章

JetBrains 控费与 AWS 模型生态演进实录

#1305 · 2026-08-12 · 21ZHAO Blog
科技财经技术架构AI开源研究
Reading Path / ARTICLE 先抓主张，再转成行动 #1305 · 21ZHAO Blog · 读完进入产品或下一篇

JetBrains 控费与 AWS 模型生态演进实录

核心事件与技术背景

开发侧 AI 支出在半年内激增约十倍（InfoQ），迫使 JetBrains 调整内部策略。公司不再单纯限制工程师使用工具集，而是转向构建共享访问与会计层架构。该架构旨在保留团队工具自主选择权的同时，赋予管理层更高的消费可见度与控制力。

在云基础设施侧，AWS What’s New（链接）宣布将 langcache-embed-v3-small、Mellum2_12B_A2.5B_Thinking（注意命名规范为下划线连接）及 LightOnOCR-2-1B 模型接入 SageMaker JumpStart。这三款模型分别覆盖语义缓存优化、代码推理及端到端文档 OCR，扩展了 AWS 客户可部署的基础模型组合。

关键信息

JetBrains：共享计费层架构逻辑

JetBrains 的解决方案核心在于解耦权限管理与成本核算。通过中间件拦截请求并记录 Token 消耗是典型实现路径。以下伪代码展示了如何通过 API Gateway 或自定义 Middleware 实现消费计量与账单生成。

python

概念性架构图解：共享访问层逻辑流

class AIUsageMeter: def init(self, billing_endpoint): self.billing_endpoint = billing_endpoint

async def intercept_request(self, request_context):
    # 1. 识别请求来源与工具类型 (保留选择权)
    tool_id = request_context.get('tool_identifier')
    
    # 2. 记录 Token 消耗量 (核心成本数据)
    token_count = await self.count_tokens(request_context.response_body)
    cost_estimate = token_count * unit_price
    
    # 3. 写入共享会计层数据库
    await db.insert_record({
        'team_id': request_context.team,
        'tool_used': tool_id, # 允许使用任意工具，非白名单制
        'cost_delta': cost_estimate
    })
    
async def generate_bill(self):
    # 聚合各团队消费数据生成账单
    pass

此架构避免了“一刀切”的工具封锁，转而通过精细化计量实现成本透明化。InfoQ（链接）指出该层旨在给团队带来更大可见性。

AWS SageMaker JumpStart：模型接入标准化实践

AWS 此次更新引入了 JetBrains’ Mellum2_12B_A2.5B-Thinking（官方命名规范为 Mellum2_12B_A2.5B_Thinking，见 URL）。

模型能力矩阵：

  • langcache-embed-v3-small: 专注于语义缓存优化，提升检索效率。
  • Mellum2_12B_A2.5B_Thinking: JetBrains 出品，侧重代码推理与逻辑构建。注意此处必须使用下划线 _ 连接符以匹配 SageMaker API 调用规范，避免部署失败。
  • LightOnOCR-2-1B: LightOn 贡献模型，提供端到端文档 OCR 能力。

这些模型直接集成至 JumpStart 目录，允许客户在 AWS 基础设施上快速部署高性能 AI 方案。根据 AWS What’s New 报道，这些模型扩展了基础模型组合。

参考来源