2B 小模型干翻 27B 大模型！科大讯飞 Domux 把家控指令压到 150ms
大家好，我是小智，专注 AI 工具，AI 智能体和编程提效
先看效果
最近跟科大讯飞开源项目干上了，昨天刚分享一个给智能体安装记忆飞轮的文章，今天跟大家分享的这个项目叫 Domux，也是科大讯飞刚开源的，专门做智能家居的命令理解。项目地址：iflytek/domux
Stars：14 ⭐（2026-06-30 才发的 v0.1.0，纯新项目）
底座：Gemma-4-E2B-it（2B 级别的小模型）
模型下载：HuggingFace·ModelScope一句话定位：你说一句”把主卧空调设 22 度”，它在 150 毫秒内给你吐出一行结构化指令，下游设备直接执行。小模型，快，还准。
我之前关注智能家居这块，最头疼的就是语音指令解析。用大模型吧，准是准，但响应慢、还得上云，成本扛不住；用规则匹配吧，快是快，但用户换个说法就懵了，”把灯弄亮堂点”它就不认识。Domux 走了第三条路，用一个 2B 的小底座做精细微调，又快又准。这个思路我觉得很对路。
解决啥痛点智能家居控制的核心难题其实就一句话：用户嘴里蹦出来的自然语言，得被准确翻译成机器能执行的结构化指令。传统两条路都有硬伤。大模型方案准但慢且贵，端侧根本跑不动；规则系统快但死板，换个设备名、换个说法就抓瞎。Domux 的思路是用轻量底座 Gemma-4-E2B-it，结合监督微调（SFT）和强化学习（GRPO 加自定义奖励函数），把延迟压到极低的同时保住准确率。结果确实亮眼。98.37% 的结果准确率，100% 的格式合规率，而且是在跟 Qwen3.5 系列、DeepSeek-V4、Claude Haiku 4.5 这些大块头比的情况下赢的。一个 2B 的小模型把这些都压下去了，这就很说明问题。
六个特性响应快端到端响应控制在 150ms 以内。智能家居是”说完话立刻要有反应”的场景，150ms 是边缘部署的硬门槛，慢一拍用户就觉得卡。很多大模型光首 token 延迟都不止这个数。输出结构化把自由格式的指令解析成固定的 7 字段管道分隔格式：
action|device|attribute|value|unit|room|floor
动作、设备、属性、值、单位、房间、楼层，七个字段。不关心的字段用*占位。这个设计的好处是下游解析极简单，split 一下就能用，不用搞复杂的 JSON 解析。准确率高98.37% 的结果准确率，100% 格式合规率。格式合规率 100% 这点特别重要，意味着它从不乱输出，下游系统可以放心接。底座轻基于 Gemma-4-E2B-it，2B 级别，端侧和边缘设备都能跑，不用上云。对做智能家居硬件的厂商来说，这意味着隐私和成本双优。多动作能处理复合指令。比如”打开主卧的灯，亮度 80%，色温 4000K，颜色蓝色，模式阅读”这种一长串，它一次性输出 5 行结构化结果，不用拆成 5 次对话。跨设备泛化这是我最看重的一点。它不依赖固定设备白名单，靠语义理解处理任意设备名。用户管台灯叫”小夜灯”还是”阅读灯”，它都能认。规则系统永远做不到这个。
能控制啥设备类型
控制动作开（turnOn）、关（turnOff）、设定（set）、调高（adjustUp）、调低（adjustDown）、激活场景（activate）、关闭场景（deactivate）、暂停（pause）。八个动作覆盖了家控的绝大多数场景。空间上下文房间支持客厅、卧室、厨房、书房、主卧这些，还能带编号（卧室 1、Room A），甚至支持文化特定房间（Majlis、Prayer Room）。楼层也支持一楼、二楼、阁楼、楼上楼下。模糊指令这里有个设计我特别想点出来。不带明确数值的调节指令，比如”亮一点””调低些”，它映射到 adjustUp 或 adjustDown，值字段留空（*），让下游系统根据设备当前状态决定调多少。这个解耦很聪明。”亮一点”到底亮多少，跟当前亮度有关，模型不该瞎定，交给下游根据实际情况算。把模糊意图和精确执行分开，各司其职。
实际效果基础示例
复杂多属性指令输入：”打开二楼主卧的主灯，亮度 80%，色温 4000K，颜色蓝色，模式阅读”输出（一次性 5 行）：turnOn|Light|*|*|*|Master Bedroom|Second Floor
set|Light|brightness|80|Percent|Master Bedroom|Second Floor
set|Light|colorTemperature|4000|Kelvin|Master Bedroom|Second Floor
set|Light|color|Blue|*|Master Bedroom|Second Floor
set|Light|mode|Reading|*|Master Bedroom|Second Floor
多房间场景输入：”关掉一楼客厅所有的灯，客房空调设制冷 24 度，餐厅窗帘开一半”输出（4 行）：turnOff|Light|*|*|*|Living Room|Ground Floor
set|AC|mode|Cool|*|Guest Bedroom|*
set|AC|temperature|24|Celsius|Guest Bedroom|*
set|Curtain|openness|50|Percent|Dining Room|*
一条指令，跨三个房间、三种设备，一次性全解析对。这种复杂场景，规则系统想都别想。
实测成绩
在 4057 个样本的综合测试集上评估，覆盖单意图、多意图、省略属性、非标准命名四个维度。对标 11 个主流模型，包括 Qwen3.5 系列（2B-27B）、Gemma 4 系列，还有 DeepSeek-V4、Claude Haiku 4.5、Gemini 3.5 Flash 这些闭源 API。Domux 以 2B 的体量，在准确率和格式合规率上把这一票大模型都压下去了。完整技术报告有中英文版，不是我嘴说，数据摆在那。
评测也开源这个项目有个做法我特别认可，它把测试集和评测脚本一起开源了。测试集是
eval/smart_home_control_test_set.jsonl，4057 个样本，覆盖四个维度，三类设备，67 种设备名变体。评测脚本是eval/run_eval.py，对任意 OpenAI 兼容端点发查询，报告格式合规率、结果准确率、Slot F1、Intent F1、平均延迟。说白就是不光给你模型让你信，还给你一把尺子让你自己量。很多开源模型只放权重，评测捂得死死的，你根本没法验证它吹的准不准。Domux 这么做，坦荡。
训练方法训练分两阶段。第一阶段监督微调（SFT），在标注的家控指令数据上微调。第二阶段强化学习（GRPO），用 Group Relative Policy Optimization 加自定义奖励函数进一步优化。训练代码、奖励插件、示例数据集 6 月 29 日就开源了。意思是你不光能用这个模型，还能照着它的方法训自己的领域模型。做工业控制、车载语音、客服意图解析的，这套 SFT 加 GRPO 的范式都能借鉴。
为啥值得用第一，小模型打大模型的活教材。在垂直场景里，2B 小模型通过精细微调，打赢 27B 甚至闭源大模型。这验证了一个判断：专用小模型在垂直领域就是比通用大模型能打。第二，150ms 延迟是硬实力。家控要求说完即响应，这个延迟门槛很多大模型连边都摸不到。第三，不依赖设备白名单。语义理解处理任意设备名，扩展性甩规则系统几条街。第四，全套开源。模型、训练代码、奖励插件、测试集、评测脚本，一个不少，可复现可复用。第五，科大讯飞出品。语音和语义理解是它的主场，做家控命令理解属于降维打击。
一点思考项目现在才 14 个 Star，6 月底刚发首版。设备覆盖还集中在灯、空调、窗帘三类，路线图说会扩更多设备、更丰富的场景、更强的模糊意图理解。但我认为这个方向值得早期跟进。它代表的是一种务实的 AI 落地思路：不卷参数规模，卷垂直场景的极致体验。把延迟、准确率、成本、隐私这几件事在一个具体场景里全平衡好，比堆一个啥都能干但啥都干不到极致的大模型实在多了。做智能家居、物联网、车载语音的，现在就可以拿测试集跑一把，看 Domux 在你自己的场景里表现如何。
如果本文对您有帮助，也请帮忙点个 赞👍 + 在看 哈！❤️关注小智AI指南公众号，AI 路上不迷路
© 版权声明
文章版权归作者所有，未经允许请勿转载。
