Conclusiones clave
- El control del hogar inteligente es una tarea acotada (analizar el comando → llamar a la función), que los modelos pequeños gestionan bien
- Los modelos pequeños (aproximadamente 1.000-4.000 millones de parámetros) funcionan con menor latencia en hardware local modesto — una iGPU/NPU capaz es suficiente
- La precisión de la llamada a funciones importa más que la amplitud del conocimiento general para esta tarea específica
- Los modelos más grandes siguen siendo útiles para preguntas abiertas — una configuración puede enrutar a uno por separado si es necesario
- Para recomendaciones actuales y específicas, consulta la lista breve de los mejores modelos LLM locales para el control del hogar inteligente
- En electrodomésticos inteligentes bastan modelos de menos de 1 mil millones de parámetros (p. ej. FunctionGemma, 270M) para una lista fija de acciones; de 1 a 4 mil millones toleran formulaciones más libres
Por qué lo pequeño gana aquí
La latencia es el factor decisivo para el control por voz — un comando de hogar inteligente necesita ejecutarse casi en tiempo real, y un modelo pequeño en hardware local responde más rápido de lo que lo haría un modelo grande en el mismo hardware.
- Un modelo grande necesita sustancialmente más cómputo por token generado, lo que se traduce directamente en respuestas más lentas en el mismo hardware local — perceptible como un retraso entre decir un comando y que la luz realmente se encienda.
- Los comandos del hogar inteligente suelen ser cortos y estructurados ("apaga las luces del dormitorio", "pon el termostato a 20 grados"), lo que no requiere el razonamiento más amplio ni la base de conocimiento que aporta un modelo grande.
- Ejecutar un modelo pequeño localmente también implica menores requisitos de hardware — consulta la guía del mejor hardware para un hogar inteligente local para ver cómo es un equipo capaz de ejecutar modelos pequeños frente a lo que necesitaría uno para modelos más grandes.
La llamada a funciones es la capacidad clave
La capacidad que realmente importa para el control del hogar inteligente es la llamada a funciones fiable — convertir lenguaje natural en una llamada correctamente estructurada a un servicio específico de Home Assistant, no la capacidad conversacional general.
- Un modelo afinado o especialmente capaz en la llamada a funciones puede asignar de forma fiable "haz que el salón esté más cálido" a la llamada de servicio de control climático correcta, una habilidad más acotada y medible que la calidad de un chat abierto.
- Aquí es también donde aparece específicamente el riesgo de alucinación para hogares inteligentes — consulta la guía sobre cómo reducir las alucinaciones de LLM en la automatización del hogar para saber cómo restringir un modelo a las entidades realmente disponibles.
- Evalúa un modelo candidato según la precisión de la llamada a funciones para tu lista específica de entidades, no según puntuaciones de benchmark generales, al elegir entre modelos pequeños.
Modelos pequeños para electrodomésticos inteligentes
En electrodomésticos inteligentes, el rango práctico se extiende por debajo de 1 mil millones de parámetros: un modelo de llamada a funciones de 270 millones puede asignar órdenes cotidianas a una lista fija de acciones, mientras que los modelos de 1 a 4 mil millones toleran mejor las formulaciones imprecisas. La elección depende de cuántas acciones expone el aparato y de su memoria.
- FunctionGemma (Google, 270M): una variante de Gemma 3 270M ajustada para llamada a funciones. Google menciona el hogar inteligente como caso adecuado para aplicaciones con «un conjunto definido de acciones» y recomienda el fine-tuning para un comportamiento consistente; es un modelo de orden a acción, no un modelo de chat.
- Home-FunctionGemma-270m (comunidad, 270M): un fine-tune de FunctionGemma para la API Assist de Home Assistant, cuantizado para hardware de pocos recursos como una Raspberry Pi. Su ficha no indica benchmarks de precisión y se rige por la licencia Gemma.
- Qwen3 0.6B–4B (Alibaba): una familia de modelos densos con soporte de llamada a herramientas; el tamaño 4B figura en la selección de modelos.
- Llama 3.2 1B y 3B (Meta): diseñados para ejecutarse en el dispositivo, con soporte de llamada a herramientas; el tamaño 3B también figura en la selección.
- Gemma 3 1B/4B y Phi-4-mini (3,8B): opciones de 1 a 4 mil millones de parámetros cuando las órdenes se formulan con libertad; Gemma 3 4B y Phi-4-mini figuran en la selección.
- El modelo recibe texto, no audio: un paso independiente de voz a texto convierte primero la orden hablada en texto.
- No encontramos una comparación pública directa de llamada a funciones para órdenes domóticas en estos tamaños: prueba cada candidato con tu propia lista de entidades y tus formulaciones antes de decidir.
Dónde los modelos pequeños se quedan cortos
Los modelos pequeños son la opción correcta para el análisis de comandos estructurados, no para preguntas abiertas, razonamiento complejo de varios pasos, ni tareas que requieran conocimiento amplio del mundo.
- Si quieres que tu asistente de hogar inteligente también responda bien a preguntas generales, una configuración híbrida que enrute la entrada tipo comando a un modelo pequeño y las preguntas abiertas a un modelo más grande (local o no) es un patrón común.
- Los modelos pequeños son más propensos que los grandes a malinterpretar frases ambiguas — una redacción de comandos clara y consistente, junto con nombres de entidades bien delimitados, reduce este riesgo más que aumentar el tamaño del modelo.
- Para automatizaciones más allá del simple análisis de comandos — razonar a través de varios sensores, decidir si un patrón inusual justifica una notificación — un modelo más grande puede realmente valer la latencia adicional, dependiendo de lo sensible al tiempo que sea la automatización.
En qué se diferencia de la guía de modelos recomendados
Este artículo explica por qué los modelos pequeños son la elección arquitectónica correcta para el control del hogar inteligente; la lista breve de modelos recomendados sugiere modelos actuales específicos para ejecutar.
- Lee primero este artículo si quieres entender el razonamiento detrás de la recomendación de modelos pequeños.
- Ve a la guía de los mejores modelos LLM locales para el control del hogar inteligente para modelos específicos y actualmente recomendados, junto con sus requisitos de hardware.
- Para opciones de modelos de lenguaje pequeños específicas de dispositivos móviles (un contexto de hardware diferente), consulta la guía intercluster sobre modelos LLM móviles.
Preguntas frecuentes
¿Es un modelo de lenguaje pequeño menos preciso que uno grande para el control del hogar inteligente?
No necesariamente para esta tarea específica — la precisión de la llamada a funciones para comandos estructurados depende más de qué tan adecuado es un modelo para esa tarea acotada que del número total de parámetros. Un modelo grande de propósito general no es automáticamente mejor al analizar "apaga las luces" que un modelo pequeño ajustado para ello.
¿Qué tamaño cuenta aquí como un modelo de lenguaje "pequeño"?
Aproximadamente entre 1.000 y 4.000 millones de parámetros es el rango práctico que se trata en este artículo — lo bastante pequeño para funcionar de forma ágil en la GPU o NPU integrada de un mini PC, sin necesitar una GPU dedicada. Los modelos para aparatos van aún más abajo: FunctionGemma de Google tiene 270 millones de parámetros.
¿Puedo ejecutar un modelo pequeño en una Raspberry Pi?
Los modelos muy pequeños pueden ejecutarse en una Pi, aunque lentamente — consulta la guía del mejor hardware para un hogar inteligente local para ver los compromisos entre una Pi y un mini PC para esta carga de trabajo.
¿Necesito un modelo diferente para preguntas abiertas frente a comandos?
Muchas configuraciones enrutan ambos de forma diferente — un modelo pequeño gestiona el análisis de comandos rápidamente, mientras que las preguntas abiertas pueden ir a un modelo local o en la nube más grande si quieres una capacidad conversacional más amplia. Esto es una elección de arquitectura, no un requisito.
¿Cómo se relaciona esto con la reducción de alucinaciones en la automatización del hogar?
Un modelo más pequeño y bien delimitado que solo necesita asignar comandos a una lista de entidades conocida es inherentemente menos propenso a inventar dispositivos o malinterpretar el estado que un modelo de propósito general al que se le pide razonar de forma más amplia — consulta la guía de reducción de alucinaciones para las técnicas específicas.
¿Qué modelos pequeños específicos debería usar?
Este artículo cita modelos de ejemplo en la sección «Modelos pequeños para electrodomésticos»; para la selección centrada en Home Assistant con etiquetas de Ollama y niveles de hardware, consulta la guía de los mejores modelos LLM locales para el control del hogar inteligente.
¿Necesita un modelo pequeño menos RAM?
Sí — un menor número de parámetros se traduce directamente en menores requisitos de memoria, lo cual es parte de por qué funcionan bien en el hardware integrado de un mini PC en lugar de requerir una GPU dedicada.
¿Qué modelos pequeños en el dispositivo entienden órdenes cotidianas para electrodomésticos inteligentes?
Puntos de partida habituales: FunctionGemma de Google (270M) y su fine-tune para Home Assistant, Home-FunctionGemma-270m, para listas de acciones fijas, y modelos de 1 a 4 mil millones de parámetros como Llama 3.2 1B/3B, Qwen3 1.7B/4B, Gemma 3 1B/4B y Phi-4-mini para formulaciones más libres. No encontramos una comparación pública directa para órdenes domóticas en estos tamaños: prueba con tu propia lista de entidades.
¿Puede un modelo de 270 millones de parámetros ejecutarse en un dispositivo de tipo electrodoméstico?
Su tamaño lo convierte en candidato para hardware de pocos recursos: el modelo comunitario Home-FunctionGemma-270m está cuantizado para dispositivos como la Raspberry Pi. Mide memoria y latencia en tu propio hardware; Google recomienda el fine-tuning para un comportamiento consistente.