Jeeves é um classificador estilo Jev com um drafter de difusão, treinado com SFT e CISPO. Possui um modelo de 9B tipo Jev (Qwen3.5-9B, LoRA, head pointer) que pensa antes de decidir, usando um drafter de difusão block-4. O modelo supera o Kev-9B e Jev em dados de teste fora do domínio (0.889 contra 0.822 e 0.857) e nos níveis públicos do Jev Bench (0.935 contra 0.866).

Suporta perguntas sim/não, múltipla escolha e rating via API compatível com Jev. A inferência leva ~0,3s sem pensar e 3,3s mediana com pensar em uma GPU H100. Jeeves alcança maior precisão em itens difíceis do Jev Bench (0.865 contra 0.730) e menor incerteza em respostas desconhecidas (0.055 contra 0.090).

O modelo roda em CUDA (Hopper para kernel FP8) e inclui código completo de treinamento e dados. O início rápido requer Python 3.12 e uma GPU CUDA. Os pesos podem ser baixados e servidos via Hugging Face ou checkpoints fundidos.

Exemplos de solicitação mostram saídas estruturadas para departamento, escalonamento e pontuação de frustração com confiança e probabilidades.