PostHog lança o Jeeves, modelo de decisão aberto de 9B que raciocina antes de decidir

Fonte · Ficha do modelo: Jeeves

A PostHog publicou o Jeeves em 29 de setembro de 2026, com pesos no Hugging Face e todo o código e os dados de treino. O modelo é um Qwen3.5-9B com LoRA de rank 16 e um pointer head, treinado primeiro com fine-tuning supervisionado e depois com RL via CISPO, para escrever uma cadeia de raciocínio antes que um head treinado pontue as opções. Uma temperatura ajustada no dev transforma as pontuações em probabilidades. Autor: Nicholas P. Waltz; o README cita o Kev como inspiração.

Serve Noul, Choice e Score via /v1/systemone, traz o jeeves_sdk como substituto direto do SDK Python da TypeSafe e roda em CUDA ou Apple Silicon. Um drafter de difusão bloco 4 acelera as cadeias (176 tokens/s para uma pergunta numa H100, segundo o README). O repo passou de 400 estrelas em quatro dias.

Os números (UnverifiedClaim). Nos 231 itens públicos do JevBench, a PostHog reporta 0,935 contra 0,866 do Jev (camada difícil 0,865 vs 0,730) e ECE 0,037 vs 0,049. No próprio split de teste held-out, 0,889 vs 0,857 do Jev e 0,822 do Kev-9B, com as colunas do Jev e do Kev tiradas das tabelas do Kev, em itens diferentes. Fica atrás do Jev em MMLU (0,793 vs 0,900). O raciocínio vem ligado: mediana de 3,3 s e p90 de 17,1 s numa H100; sem raciocínio, cerca de 0,3 s e 0,775 no dev.

Como listamos. Catálogo como lora-adapter, 6,1 de maturidade / 6,8 de capability / 14 de adoção. O repo no GitHub diz MIT e os pesos no Hugging Face dizem Apache-2.0; a divergência está sinalizada na ficha.