# Pesquisadores treinam modelo barato para organizar cuidados domiciliares

> A equipe destilou decisões em tempo real de um modelo de ponta em um Qwen3‑8B compacto, reduzindo a latência em 2,5 vezes e os custos sem perder precisão.

Oossa · 2026-10-14 · https://oossa.com/pt/researchers-use-gpt-5-4-nano-to-train-cheaper-home-care-scheduling-model

Keegan Wang e seus colegas mostraram como criar um assistente barato para organizar os horários de agências de cuidados domiciliares. Primeiro, coletaram decisões de segurança de sim ou não, em tempo real, do modelo grande GPT‑5.4‑nano. Em seguida, ajustaram um modelo Qwen3 compacto, com 8 bilhões de parâmetros, usando 11,6 mil dessas decisões. O modelo menor concorda com o modelo professor em 91,3% dos casos, é cerca de 2,5 vezes mais rápido e custa uma fração do valor do original.

## Os fatos

- Artigo publicado em 14 de outubro de 2026
- O Qwen3‑8B ajustado com 11,6 mil decisões alcança concordância de 0,913 com o GPT‑5.4‑nano

## Por que importa

Agências de cuidados domiciliares podem usar um modelo mais rápido e barato sem comprometer a qualidade das decisões.

## Fontes e referências

1. [Iterate on an LLM, Serve on an SLM](https://arxiv.org/abs/2610.14576) – arXiv, 2026-10-14

Última atualização: 2026-10-14