Sparrow Decider
Notas do quadrante
Ver o quadrante completoPontuação pela rubrica pública do quadrante (maturidade × capability; bolha = adoção). Revisamos conforme a evidência.
- Maturidade5.6/10
Modelos Apache-2.0 no HF, pacote pip (só numpy), runtime C99, guias de ESP32-S3 e ferramenta Strands, relatório de pesquisa. Projeto comunitário anônimo, explicitamente não AWS/Strands: sem suporte nem SLA.
- Capability7/10
Sem linha em placar. Noul / Choice / Score com temperatura por tipo, sem ECE. Autor: p50 de 64 ms (small) a 0,06 ms (nano) num núcleo de laptop; proxy JevBench 122/231; noul perto do acaso em todos os tamanhos.
- Adoção0/100
Criado em 23/10: 0 downloads e 0 likes no HF nos seis modelos, repo novo no GitHub. Sem integrações nem usuários encontrados.
Vendor claims
- 9.3 µs per decision on an ESP32-S3 (sparrow-pico); nano 3.5–3.8 ms on ESP32-S3; small 64 ms p50 on one Apple M4 Pro core[Claim do fornecedor — não verificado independentemente]
- sparrow-small-general: JevBench public 122/231 (local v1.5 proxy), MASSIVE domain/intent 0.673/0.599 vs Strands Decider 2B 0.86/0.871, RobotBench 24/55[Claim do fornecedor — não verificado independentemente]
publicado (OK do Fabricio 24/10 BRT). Notas calculadas do zero.
O que é
O Sparrow Decider (GitHub, Hugging Face, Apache-2.0, 23/10/2026) é uma família de modelos de decisão pequenos o bastante para um agente, um robô ou um microcontrolador. Respondem sim/não (noul), escolha única (choice) e escala (score) nos mesmos formatos do Strands Decider, do qual os tamanhos com encoder são destilados (professor Strands Decider 4B, 50% professor / 50% gabarito). “Unofficial community project. Not an AWS or Strands product.”
| Tamanho | Modelo | Arquivo | Entrada | Roda em |
|---|---|---|---|---|
| pico | compilado por dispositivo (ex. sparrow-pico-rover) |
~2 KB / pergunta | números, flags, enums | qualquer MCU |
| nano | sparrow-nano-general, sparrow-nano-robot |
2,2 MB / 1,11 MB | texto | ESP32-S3, Pi, laptop |
| micro | sparrow-micro-general |
7,6 MB | texto | Pi, laptop, ESP32-S3 de 16 MB |
| tiny | sparrow-tiny-general |
17,9 MB | texto | Pi, laptop |
| small | sparrow-small-general (encoder Ettin 68M + pointer head) |
47 MB | texto | Pi, laptop, Jetson |
pip install sparrow-decider (só numpy); sparrow-decider serve expõe POST /v1/systemone; um runtime C99 sem malloc roda os tamanhos menores em chips.
Limites
- Sem resultado em placar. Todo número é rodada local do próprio projeto.
- Sim/não fraco: o card diz que
noulno JevBench fica perto do acaso em todos os tamanhos; valor perto de 0,5 significa “não sei”. - Bem atrás do professor 2B em linguagem aberta (MASSIVE domínio 0,673 vs 0,86). Só inglês.
- Os autores dizem para nunca usar como única trava de segurança num sistema físico.
Claims do autor (UnverifiedClaim)
- 9,3 µs por decisão num ESP32-S3 de US$ 10 (pico); nano 3,5–3,8 ms no ESP32-S3; small p50 de 64 ms num núcleo de laptop (repo).
- small: JevBench público 122/231 (proxy local v1.5), RobotBench 24/55 (nano-robot 36/55) (card).
Notas (do zero, 24/10/2026)
- Capability 7,0 = tipos 10 × 0,30 + calibração 4 × 0,25 + latência 8 × 0,25 + acurácia 5 × 0,20 = 3,00 + 1,00 + 2,00 + 1,00 = 7,00. Tipos 10: noul/choice/score. Calibração 4: temperatura por tipo, sem ECE. Latência 8: bem abaixo de 100 ms em CPU (autor). Acurácia 5: sem placar, números do autor em arquivos públicos (regra de 20/10).
- Maturidade 5,6 = disponibilidade 8 × 0,30 + docs 7 × 0,25 + integrações 4 × 0,25 + suporte 2 × 0,20 = 2,40 + 1,75 + 1,00 + 0,40 = 5,55 → 5,6.
- Adoção 0 = engajamento 0 × 0,35 + ecossistema 0 × 0,35 + produção 0 × 0,30 = 0.