LFM2.5-350M-home-assistant-sft

LFM2.5-350M-home-assistant-sft

把“关掉电视”这样的日常家居指令变成结构化的工具调用，并先检查设备状态。这是一个 3.5 亿参数的模型，适合智能家居开发者和爱好者。

由 OrdenWills 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这是一个小型智能家居模型，由 OrdenWills 基于 LiquidAI 的 LFM2.5-350M 微调。它接收一条口语化的指令和你设备的当前状态，回复正确的工具调用。如果什么都不用做，它会用纯文字说明。模型卡称它为预览版。

适合谁：适合想要一个小模型、通过工具调用控制灯、门、恒温器、电视、风扇、音箱和场景的智能家居爱好者和开发者。

行业 | 谁在用 | 怎么用 | 例子
智能家居 | Home Assistant 用户 | 把文字指令变成设备动作 | 关掉正开着的东西，只有亮灯的房间会收到调用
软件 | 应用开发者 | 在较低配置的硬件上用小模型做结构化工具调用 | 根据一条指令和设备列表生成工具调用
爱好 | 本地 AI 爱好者 | 在家里运行 3.53 亿参数的模型 | 测试撤销和多设备指令

想要通用聊天模型的人可以跳过它，因为它是为家居控制训练的。

用在哪里：

• 智能家居环境，比如作者修改过的 GitHub 上的 Home Assistant 项目
• 任何能加载 GGUF 文件的应用，因为仓库提供 GGUF 和 Safetensors
• Windows、macOS 或 Linux，装有 Python，用来下载文件

使用场景 | 适合谁 | 你会得到什么
设备控制 | 家庭用户 | 针对正确的灯、门、风扇、电视或音箱的工具调用
撤销和追问 | 开发者 | 根据最近操作日志推出的反向调用
做不到的请求 | 构建者 | 设备未连接时，给出明确的意图不清回复

如何设置：你需要先准备几样东西。

• Python 和 pip，用于 Hugging Face hub 工具
• 能运行 GGUF 文件的运行环境，或作者的 Home Assistant 项目
• 4-bit 版本估计约 177 MB，F16 约 707 MB

1. 用 pip 安装 hub 工具。
2. 下载仓库文件。
3. 选一个 GGUF 文件，模型卡说这些最稳定。
4. 在你的运行环境或作者的 Home Assistant 设置里加载它。

pip install -U huggingface_hub
hf download OrdenWills/LFM2.5-350M-home-assistant-sft

Title: 该选哪个 GGUF 文件
文件类型 | 用途
F16 | 完整的 16 位文件
Q4_K_M | 模型卡为大多数人推荐，用一点细节换速度和体积
Q8_0 | 三个里质量最好的

如何使用：你把一条普通指令和设备的当前状态一起发给模型，它会回复一个工具调用或一句简短的文字。模型卡的示例里出现了下面这些工具名。

工具 | 作用
toggle_lights | 打开或关闭房间里的灯
control_speaker | 在房间的音箱上播放媒体
intent_unclear | 报告请求无法完成，并给出原因，比如设备不受支持

示例：你说“Turn off what's on”，并传入设备状态。模型会读取这些状态，为每个亮着灯的房间发出一个工具调用。如果所有灯都已经关了，它会用纯文字回复，不发出任何工具调用。

新手与专家：如果你是新手，可以把它想成把日常语句翻译成设备命令的翻译器。下载一个 GGUF 文件，试一个简单请求，比如关掉一盏灯，看看它写出的工具调用。

往底层看，模型先在一小段思考轨迹里推理，并在打开 JSON 块之前用固定短语收尾，要么是需要行动，要么是不需要行动。遇到复合指令，它先数出调用数量，再并行全部发出。模型卡报告它在 V14 测试中，59 个边缘情况类别的总体准确率为 98.5%。它在恒温器最低最高温度的情况上得分 52.0%，在上下文日志追问上得分 84.0%。

指令和设备状态输入
模型在简短的思考轨迹里推理
决定是否需要行动
输出工具调用或纯文字

注意事项：

• License: Apache 2.0。
• Cost to run: 没有提到 API 密钥或付费服务。模型卡链接了一个你要自己运行的 Home Assistant 设置。
• Data it reaches: 你传入的设备状态和最近的操作。接入智能家居后，它的工具调用可以操作真实设备。
• Not for: 通用聊天，或依赖 Safetensors 版本，因为模型卡称它是预览版，并建议用 GGUF 文件以求稳定。

Title: V14 部分类别的准确率
thermostat_min_max: 52.0 %
contextual_log_followups: 84.0 %
current_track_queries: 100.0 %
mixed_device_undo: 100.0 %
speaker_volume_controls: 100.0 %

Hugging Face 上的数据（2026年11月13日）

• 任务：text generation
• 参数量：353M
• Weights: about 707 MB in F16; about 177 MB at 4-bit (estimate)
• Formats: Safetensors, GGUF
• 最近 30 天下载：2,229
• 点赞：8
• 许可证：apache-2.0
• 语言：en
• 基于：LiquidAI/LFM2.5-350M
• 标签：safetensors, gguf, lfm2, smart-home, home-automation, tool-calling, function-calling, unsloth, lora, text-generation, conversational

链接

• 模型：https://huggingface.co/OrdenWills/LFM2.5-350M-home-assistant-sft
• 文件：https://huggingface.co/OrdenWills/LFM2.5-350M-home-assistant-sft/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download OrdenWills/LFM2.5-350M-home-assistant-sft

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。