模型發布
PostHog 開源 Jeeves 決策模型：基於 Qwen3.5-9B 具備推理能力，JevBench 跑分超越 Jev 達 0.935
Hacker News單一來源
尚未逐項核實
目前依單一來源整理，這是來源數量描述，不是對消息真假的判定。
PostHog 發布並開源具備推理能力的 Jev-style 決策模型 Jeeves。該模型基於 Qwen3.5-9B，加入 LoRA 與 pointer head，並配備 block-4 diffusion drafter，使用 SFT 與 CISPO 進行訓練，使其在給出決策機率前會先進行思考。
在跑分表現上，Jeeves 於未見過的測試資料準確率達 0.889，超越 Kev-9B（0.822）與 Jev（0.857）；在 JevBench 公開層級中得分 0.935（Jev 為 0.866），其中 JevBench hard 項目得分 0.865（Jev 為 0.730）。在內部測試集中，開啟思考功能的準確率為 0.840，關閉時則降至 0.804。
Jeeves 提供相容於 Jev 的 API，支援在單一請求中同時處理是非（noul）、多選（choice）與評分（score）問題。在單張 H100 (FP8) 上，不思考的請求延遲約 0.3 秒，開啟思考的中位數延遲為 3.3 秒，可透過限制推理鏈長度（max_think）來加速。官方已釋出模型權重、完整訓練程式碼與 train/dev/test 資料，並提供可直接替換 Jev Python SDK 的 jeeves_sdk。
讀原始報導社群討論
社群普遍質疑 Jeeves 長達 17 秒的 p90 延遲與自迴歸推理，完全違背 Jev 模型「快速、低成本」的初衷，且 MMLU 成績還掉了 10 分。網友實測（M5 Pro 48GB）100 筆推文分類耗時逾 30 分鐘，準確率 68 也低於 Jev 的 79。部分開發者建議不如直接用傳統 LLM 強制輸出 JSON，或依任務需求採用 Jev 與 LLM 的混合架構。