Principais conclusões
- O controle da casa inteligente é uma tarefa restrita (analisar comando → chamar função), que modelos pequenos lidam bem
- Modelos pequenos (aproximadamente 1-4 bilhões de parâmetros) rodam com menor latência em hardware local modesto — uma iGPU/NPU capaz é suficiente
- A precisão de chamada de função importa mais do que a amplitude de conhecimento geral para esse trabalho específico
- Modelos maiores continuam úteis para perguntas abertas — uma configuração pode rotear para um separadamente, se necessário
- Para recomendações específicas e atuais, veja a lista curta dos melhores modelos LLM locais para o controle da casa inteligente
- Em eletrodomésticos inteligentes, modelos abaixo de 1 bilhão de parâmetros (p. ex. FunctionGemma, 270M) bastam para uma lista fixa de ações; de 1 a 4 bilhões toleram frases mais livres
Por que o pequeno vence o grande aqui
A latência é o fator decisivo para o controle por voz — um comando de casa inteligente precisa ser executado quase em tempo real, e um modelo pequeno em hardware local responde mais rápido do que um modelo grande responderia no mesmo hardware.
- Um modelo grande precisa de substancialmente mais computação por token gerado, o que se traduz diretamente em respostas mais lentas no mesmo hardware local — perceptível como um atraso entre falar um comando e a luz realmente acender.
- Comandos de casa inteligente são tipicamente curtos e estruturados ("apague as luzes do quarto", "ajuste o termostato para 20 graus"), o que não exige o raciocínio mais amplo ou a base de conhecimento que um modelo grande oferece.
- Executar um modelo pequeno localmente também significa menores requisitos de hardware — veja o guia do melhor hardware para uma casa inteligente local para entender como é uma máquina capaz de rodar modelos pequenos em comparação com o que uma máquina para modelos maiores exigiria.
A chamada de função é a capacidade-chave
A capacidade que realmente importa para o controle da casa inteligente é a chamada de função confiável — transformar linguagem natural em uma chamada corretamente estruturada para um serviço específico do Home Assistant, não a capacidade conversacional geral.
- Um modelo ajustado ou especificamente capaz em chamada de função pode mapear "deixe a sala de estar mais quente" de forma confiável para a chamada de serviço de controle climático correta, uma habilidade mais restrita e mensurável do que a qualidade de um chat aberto.
- É também aqui que o risco de alucinação aparece especificamente para casas inteligentes — veja o guia sobre como reduzir alucinações de LLM na automação residencial para saber como restringir um modelo às entidades realmente disponíveis.
- Avalie um modelo candidato pela precisão de chamada de função para sua lista específica de entidades, não por pontuações gerais de benchmark, ao escolher entre modelos pequenos.
Modelos pequenos para eletrodomésticos inteligentes
Em eletrodomésticos inteligentes, a faixa prática vai abaixo de 1 bilhão de parâmetros: um modelo de chamada de funções com 270 milhões de parâmetros consegue mapear comandos do dia a dia para uma lista fixa de ações, enquanto modelos de 1 a 4 bilhões toleram melhor frases soltas. A escolha depende de quantas ações o aparelho expõe e de quanta memória ele tem.
- FunctionGemma (Google, 270M): uma variante do Gemma 3 270M ajustada para chamada de funções. O Google cita a casa inteligente como caso adequado para aplicações com “um conjunto definido de ações” e recomenda fine-tuning para um comportamento consistente; é um modelo de comando para ação, não um modelo de chat.
- Home-FunctionGemma-270m (comunidade, 270M): um fine-tune do FunctionGemma para a API Assist do Home Assistant, quantizado para hardware com poucos recursos, como um Raspberry Pi. A ficha do modelo não traz benchmarks de precisão e ele segue a licença Gemma.
- Qwen3 0.6B–4B (Alibaba): uma família de modelos densos com suporte a chamada de ferramentas; o tamanho 4B está na seleção de modelos.
- Llama 3.2 1B e 3B (Meta): projetados para rodar no dispositivo, com suporte a chamada de ferramentas; o tamanho 3B também está na seleção.
- Gemma 3 1B/4B e Phi-4-mini (3,8B): opções de 1 a 4 bilhões de parâmetros quando os comandos são ditos de forma livre; Gemma 3 4B e Phi-4-mini estão na seleção.
- O modelo recebe texto, não áudio: uma etapa separada de fala para texto converte primeiro o comando falado em texto.
- Não encontramos uma comparação pública direta de chamada de funções para comandos de casa inteligente nesses tamanhos — teste cada candidato com a sua própria lista de entidades e com as suas frases antes de decidir.
Onde os modelos pequenos ficam aquém
Modelos pequenos são a escolha certa para a análise de comandos estruturados, não para perguntas abertas, raciocínio complexo em múltiplas etapas, ou tarefas que exijam amplo conhecimento de mundo.
- Se você quer que seu assistente de casa inteligente também responda bem a perguntas gerais, uma configuração híbrida que roteia entradas do tipo comando para um modelo pequeno e perguntas abertas para um modelo maior (local ou não) é um padrão comum.
- Modelos pequenos são mais propensos do que os grandes a interpretar mal frases ambíguas — uma fraseologia de comando clara e consistente, junto com nomes de entidades bem delimitados, reduz esse risco mais do que aumentar o tamanho do modelo.
- Para automações além da simples análise de comandos — raciocinar entre vários sensores, decidir se um padrão incomum justifica uma notificação — um modelo maior pode realmente valer a latência adicional, dependendo de quão sensível ao tempo a automação é.
Como isso difere do guia de modelos recomendados
Este artigo explica por que modelos pequenos são a escolha arquitetural certa para o controle da casa inteligente; a lista curta de modelos recomendados sugere modelos atuais específicos para executar.
- Leia este artigo primeiro se quiser entender o raciocínio por trás da recomendação de modelos pequenos.
- Acesse o guia dos melhores modelos LLM locais para o controle da casa inteligente para modelos específicos e atualmente recomendados, e seus requisitos de hardware.
- Para opções de modelos de linguagem pequenos específicas para dispositivos móveis (um contexto de hardware diferente), veja o guia entre clusters sobre modelos LLM móveis.
Perguntas frequentes
Um modelo de linguagem pequeno é menos preciso do que um grande para o controle da casa inteligente?
Não necessariamente para essa tarefa específica — a precisão de chamada de função para comandos estruturados depende mais de quão adequado o modelo é para essa tarefa restrita do que da contagem total de parâmetros. Um modelo grande de propósito geral não é automaticamente melhor em analisar "apague as luzes" do que um modelo pequeno ajustado para isso.
Que tamanho conta como um modelo de linguagem "pequeno" aqui?
Aproximadamente 1 a 4 bilhões de parâmetros é a faixa prática discutida neste artigo — pequeno o suficiente para rodar de forma responsiva na GPU ou NPU integrada de um mini PC, sem precisar de uma GPU dedicada. Modelos para aparelhos vão ainda mais abaixo: o FunctionGemma do Google tem 270 milhões de parâmetros.
Posso executar um modelo pequeno em um Raspberry Pi?
Modelos muito pequenos podem rodar em um Pi, embora lentamente — veja o guia do melhor hardware para uma casa inteligente local para os trade-offs entre um Pi e um mini PC para essa carga de trabalho.
Preciso de um modelo diferente para perguntas abertas versus comandos?
Muitas configurações roteiam os dois de forma diferente — um modelo pequeno lida com a análise de comandos rapidamente, enquanto perguntas abertas podem ir para um modelo local ou em nuvem maior se você quiser capacidade conversacional mais ampla. Essa é uma escolha de arquitetura, não uma exigência.
Como isso se relaciona com a redução de alucinações na automação residencial?
Um modelo menor e bem delimitado, que só precisa mapear comandos para uma lista de entidades conhecida, é inerentemente menos propenso a inventar dispositivos ou interpretar mal o estado do que um modelo de propósito geral solicitado a raciocinar de forma mais ampla — veja o guia de redução de alucinações para as técnicas específicas.
Quais modelos pequenos específicos devo usar?
Este artigo cita modelos de exemplo na seção “Modelos pequenos para eletrodomésticos”; para a seleção focada em Home Assistant, com tags do Ollama e faixas de hardware, veja o guia dos melhores modelos LLM locais para o controle da casa inteligente.
Um modelo pequeno precisa de menos RAM?
Sim — uma contagem menor de parâmetros se traduz diretamente em requisitos de memória mais baixos, o que é parte do motivo pelo qual eles rodam bem no hardware integrado de um mini PC em vez de exigir uma GPU dedicada.
Quais modelos pequenos no dispositivo entendem comandos do dia a dia para eletrodomésticos inteligentes?
Pontos de partida comuns: o FunctionGemma do Google (270M) e seu fine-tune para Home Assistant, o Home-FunctionGemma-270m, para listas fixas de ações, e modelos de 1 a 4 bilhões de parâmetros como Llama 3.2 1B/3B, Qwen3 1.7B/4B, Gemma 3 1B/4B e Phi-4-mini para frases mais livres. Não encontramos uma comparação pública direta para comandos de casa inteligente nesses tamanhos — teste com a sua própria lista de entidades.
Um modelo de 270 milhões de parâmetros pode rodar em um dispositivo do porte de um eletrodoméstico?
O tamanho o torna candidato para hardware com poucos recursos: o modelo da comunidade Home-FunctionGemma-270m é quantizado para dispositivos como o Raspberry Pi. Meça memória e latência no seu próprio hardware; o Google recomenda fine-tuning para um comportamento consistente.