HuggingChat의 ML-intern이 약 16달러 상당의 커스텀 모델을 구축하다

Hugging Face가 HuggingChat 내부의 에이전트 모드인 ML-intern에 대한 상세한 기록을 발표했습니다. ML-intern은 사용자가 원하는 모델을 설명하는 프롬프트를 받으면, 프로젝트를 계획하고, 무언가를 실행하기 전에 지출 한도를 요청하며, 훈련 및 기준선(baseline) 대비 결과를 평가하고, 그 결과를 Hub에 모델 카드와 함께 게시합니다.

Hugging Face 팀원이 작성한 이 글은 며칠 동안 이렇게 구축된 여섯 가지 모델을 소개합니다. 3,017개의 주석이 달린 이미지로 Qwen3.5-2B를 파인튜닝(fine-tuned)한 감귤류 질병 비전 모델은 컴퓨팅 비용 약 $1.90으로 두 에포크(epochs)를 거치며 기준선 정확도 14.9%에서 52.8%로 향상되었습니다. 'Pocket Rewriter'는 9B 프롬프트 재작성 모델에서 증류된(distilled) 0.8B 모델로, 교사 모델 토큰의 4분의 1을 사용하고 CPU에서 실행되면서도 유효한 출력을 99.7%의 확률로 반환하며 비용은 약 $16입니다. 다른 예시로는 Qwen-Image 2.1용 카메라 각도 및 낙서 대체 LoRA와 260M 파라미터 텍스트-이미지 모델의 4단계 증류 버전이 있습니다. 여섯 가지 프로젝트 전체의 컴퓨팅 비용은 총 약 $103에 달했습니다.

ML-intern은 모든 작업을 제로 예산(zero budget)으로 시작하며, 사용자가 프롬프트에서 설정하는 지출 상한을 통해 명시적인 허가를 받아야 합니다 (예: