Qwen 3.6-27B가 코딩한 효율적인 Hugging Face 모델 검색 유틸리티

안녕하세요 여러분. 이미 알고 계신 분들도 있겠지만, 최근 Hugging Face의 모델 검색 기능에 문제가 있었습니다. (지금은 해결된 것 같지만요). 저 또한 특정 모델의 새로운 파생 양자화 모델 (derivative quants)이나 파인튜닝 (finetunes) 모델을 찾으려 할 때 표준 검색 인터페이스를 사용하는 데 어려움을 겪는 경우가 많았습니다. 또한 양자화 유형 (quant type)별로 검색을 정교화하는 작업은 때때로 너무 제한적이거나, 반대로 너무 많은 검색 결과를 불러오기도 했습니다. 저는 날짜 범위와 파라미터 수 (parameter counts)를 더 정밀하게 설정하고 싶었습니다.

기본적으로 저는 다음과 같은 작업을 쉽게 수행할 수 있는 방법을 원했습니다: "이 날짜 범위 내에서, 이 파라미터 수 사이의 모든 모델을 찾아 저자별로 정리해줘". Hugging Face에서도 상당한 수고를 들여 이를 수행할 수 있지만, 클릭 한 번만 잘못해도 검색 파라미터가 모두 날아가 버리곤 합니다.

또한 저는 Qwen 3.6-27B가 웹 앱을 코딩하는 데 얼마나 유능한지 스스로 테스트해보고 싶다는 생각도 들었습니다. 그래서 Qwen 3.6-27B를 이용해 저의 Hugging Face 문제를 해결해 보기로 했고, OpenCode를 실행하여 몇 가지 가이드 프롬프트 (guided prompts)를 입력한 뒤 작업을 맡겼습니다.

다음은 (여러 번의) 개선 과정과 정렬을 올바르게 맞추기 위한 약간의 수동 코딩을 거친 후의 결과물입니다.

네, 이것은 90%가 바이브 코딩 (vibe-coded)된 것이지만, "AI 슬롭 (AI slop, AI가 생성한 저품질 콘텐츠)" 느낌을 최소화하기 위해 README는 90%를 제가 직접 작성했습니다.

혹시 다른 분들에게도 유용할지 몰라 이곳에 공유합니다. 이 도구는 Hugging Face 검색 유틸리티의 완전한 대체재라기보다는 보조 도구로 생각하는 것이 좋습니다. 매칭된 모델들은 베이스 모델 (base model) 저자, 해당 저자의 베이스 모델, 그다음 파생 저자 (derivative authors), 마지막으로 파생 모델 순으로 정리됩니다. 모든 결과는 캐싱 (cached)되며, Hugging Face API 엔드포인트 (API end-point)를 어느 정도 절약하며 사용하도록 설계되었습니다. 첫 번째 검색 시에는 테이블을 표시하기 위해 꽤 많은 호출을 수행하지만, 그 이후에는 추가 세부 정보를 수집하기 위해 API를 "조금씩 (sip)" 사용합니다.

이것은 JS가 포함된 단일 HTML 파일입니다. 그냥 다운로드하여 브라우저에서 파일을 열기만 하면 됩니다.

저장소(Repo)는 여기에 있습니다: https://github.com/stew675/streamlined-hf-model-search

검색 화면 스크린샷은 다음과 같습니다: