Jeeves 是一个具有扩散起草功能的推理 Jev-style 分类器，采用 SFT 和 CISPO 训练。它具有一个 9B Jev-like 模型（Qwen3.5-9B，LoRA，指针头），思考后再决定，使用块-4 扩散起草器。该模型在域外测试数据上的表现优于 Kev-9B 和 Jev（0.889 对比 0.822 和 0.857），并在 Jev Bench 公开类别上（0.935 对比 0.866）。它通过 Jev 兼容的 API 支持是/否、多选和评分问题。推理无需思考约 0.3 秒，在单张 H100 GPU 上思考的中位时间为 3.3 秒。Jeeves 在难 Jev Bench 项目上实现了更高的准确率（0.865 对比 0.730），且对不可知答案的不确定性更低（0.055 对比 0.090）。该模型运行在 CUDA（Hopper 以 FP8 核心）上，并包含完整的训练代码和数据。快速启动需要 Python 3.12 和 CUDA GPU。权重可通过 Hugging Face 下载并服务，或使用融合检查点。示例请求展示用于部门、升级和挫败度评分的结构化输出，以及置信度和概率。