Hugging Face 저자 유브라지 샤르마(Yuvraj Sharma)와 아부바카르 아비드(Abubakar Abid)가 2026년 10월 8일, HuggingChat의 ML-intern을 활용해 며칠 동안 맞춤형 모델 6종을 만든 과정을 담은 가이드를 공개했습니다. 에이전트는 작업을 계획하고 유료 작업 전에 예산을 요청한 뒤, 소규모 시험 실행과 학습·평가를 거쳐 Hugging Face 하드웨어로 모델을 공개합니다. 소개된 프로젝트의 연산 비용은 모두 합쳐 약 103달러였습니다.

샤르마는 프롬프트에 목표, 데이터셋, 기반 모델, 학습 스크립트를 명시하고 확인된 정보를 따로 정리해 에이전트가 같은 정보를 다시 찾지 않게 했다고 설명했습니다. 그는 학습 전에 기준 점수를 확인하고, 전체 작업 비용을 지불하기 전 설정을 점검하는 소규모 시험 실행을 권했습니다. 프롬프트에는 결과물과 지출 한도도 정하며, ML-intern은 작업마다 예산을 0달러로 시작해 유료 작업 전에 허가를 구합니다. 첫 시트러스 모델 프롬프트는 약 450단어였고, 여섯 번째 프로젝트에서는 약 2,000단어에 가까워졌습니다.

시트러스 병해 모델을 위해 팀은 Project-AgML 데이터셋 3개를 합쳐 해충·질병·영양 결핍·처리법 21개 범주를 담은 주석 이미지 3,017장을 만들었습니다. Qwen3.5-2B를 미세 조정한 결과, A10G 한 대에서 2회 학습한 뒤 테스트 사진 335장에서 문제를 정확히 맞힌 비율이 기반 모델의 14.9%에서 52.8%로 올랐으며 비용은 약 1.90달러였습니다. 별도의 Huggy 저차원 적응은 설명문이 붙은 그림 84장과 FLUX.2 klein base 4B를 사용했습니다. 200단계 체크포인트가 처음으로 모델 본래 화풍을 제대로 구현했고, 500단계부터는 관련 없는 프롬프트에도 그 화풍이 나타났습니다. 연산 비용은 약 7.60달러였습니다.

Viewpoint Orbit 카메라 각도 저차원 적응은 생활용품 1,030개를 24개 각도에서 렌더링해 투명 이미지 24,722장을 만들었습니다. 학습에는 물체 461개와 23개 카메라 지시문에 따른 전후 이미지 쌍 1,844개를 썼으며, 물체 40개는 시험용으로 제외했습니다. A100 한 대에서 약 90분 동안 2,000단계를 학습했고 프로젝트 비용은 약 16달러였습니다.

Doodle-in 저차원 적응 데이터셋은 물체를 지운 사진과 자홍색 대체 표시를 짝지은 학습 쌍 6,042개, 시험 쌍 160개로 구성됐습니다. 시험 데이터에는 학습에서 제외한 23개 물체 범주의 사례 40개가 포함됐습니다. A100 한 대에서 1시간 38분 동안 2,000단계를 학습한 뒤 선택한 500단계 체크포인트를 Viggle turbo 저차원 적응과 6단계로 함께 사용하자, 편집당 4.7초 만에 표시된 위치에 물체를 배치한 비율이 67.5%였습니다. 미학습 범주의 성공률은 65.0%, 나머지 범주는 64.2%였고 비용은 약 24달러였습니다.

Pocket Rewriter는 9B 프롬프트 재작성 교사 모델을 0.8B와 2B 학생 모델로 증류했습니다. 생성된 요청 8,797개 중 선별한 예시 1,840개를 사용했습니다. 0.8B 버전은 99.7%의 비율로 유효한 출력을 내고, 교사 모델 토큰의 약 4분의 1을 사용합니다. CPU에서 쓸 수 있는 812MB GGUF 파일로 제공되며 프로젝트 비용은 약 16.05달러였습니다.

260M 매개변수 텍스트-이미지 모델인 Agate Preview 002에서는 ML-intern이 이미지 생성 단계를 50회에서 4회로 줄였습니다. 첫 실행에서는 학습 이미지 155,000장을 잠재 표현으로 저장했으며, 4단계 학생 모델은 GenEval과 FID에서 4단계 교사 모델을 앞섰습니다. ONNX로 내보낸 모델은 브라우저에서 사용할 수 있게 됐습니다. 두 번째 실행에서는 교사가 만든 이미지 쌍 24,000개를 추가했고, GenEval 점수는 0.509에서 0.536으로 향상됐습니다. 50단계 교사 모델의 점수는 0.563이었으며, 학생 모델은 연산량의 4분의 1을 사용했습니다. 두 실행 비용은 약 37달러였고, 6개 모델의 프로젝트 비용표 합계는 약 103달러입니다.

Hugging Face 저자 유브라지 샤르마(Yuvraj Sharma)와 아부바카르 아비드(Abubakar Abid)가 2026년 10월 8일, HuggingChat의 ML-intern을 활용해 며칠 동안 맞춤형 모델 6종을 만든 과정을 담은 가이드를 공개했습니다. 에이전트는 작업을 계획하고 유료 작업 전에 예산을 요청한 뒤, 소규모 시험 실행과 학습·평가를 거쳐 Hugging Face 하드웨어로 모델을 공개합니다. 소개된 프로젝트의 연산 비용은 모두 합쳐 약 103달러였습니다.

샤르마는 프롬프트에 목표, 데이터셋, 기반 모델, 학습 스크립트를 명시하고 확인된 정보를 따로 정리해 에이전트가 같은 정보를 다시 찾지 않게 했다고 설명했습니다. 그는 학습 전에 기준 점수를 확인하고, 전체 작업 비용을 지불하기 전 설정을 점검하는 소규모 시험 실행을 권했습니다. 프롬프트에는 결과물과 지출 한도도 정하며, ML-intern은 작업마다 예산을 0달러로 시작해 유료 작업 전에 허가를 구합니다. 첫 시트러스 모델 프롬프트는 약 450단어였고, 여섯 번째 프로젝트에서는 약 2,000단어에 가까워졌습니다.

시트러스 병해 모델을 위해 팀은 Project-AgML 데이터셋 3개를 합쳐 해충·질병·영양 결핍·처리법 21개 범주를 담은 주석 이미지 3,017장을 만들었습니다. Qwen3.5-2B를 미세 조정한 결과, A10G 한 대에서 2회 학습한 뒤 테스트 사진 335장에서 문제를 정확히 맞힌 비율이 기반 모델의 14.9%에서 52.8%로 올랐으며 비용은 약 1.90달러였습니다. 별도의 Huggy 저차원 적응은 설명문이 붙은 그림 84장과 FLUX.2 klein base 4B를 사용했습니다. 200단계 체크포인트가 처음으로 모델 본래 화풍을 제대로 구현했고, 500단계부터는 관련 없는 프롬프트에도 그 화풍이 나타났습니다. 연산 비용은 약 7.60달러였습니다.

Viewpoint Orbit 카메라 각도 저차원 적응은 생활용품 1,030개를 24개 각도에서 렌더링해 투명 이미지 24,722장을 만들었습니다. 학습에는 물체 461개와 23개 카메라 지시문에 따른 전후 이미지 쌍 1,844개를 썼으며, 물체 40개는 시험용으로 제외했습니다. A100 한 대에서 약 90분 동안 2,000단계를 학습했고 프로젝트 비용은 약 16달러였습니다.

Doodle-in 저차원 적응 데이터셋은 물체를 지운 사진과 자홍색 대체 표시를 짝지은 학습 쌍 6,042개, 시험 쌍 160개로 구성됐습니다. 시험 데이터에는 학습에서 제외한 23개 물체 범주의 사례 40개가 포함됐습니다. A100 한 대에서 1시간 38분 동안 2,000단계를 학습한 뒤 선택한 500단계 체크포인트를 Viggle turbo 저차원 적응과 6단계로 함께 사용하자, 편집당 4.7초 만에 표시된 위치에 물체를 배치한 비율이 67.5%였습니다. 미학습 범주의 성공률은 65.0%, 나머지 범주는 64.2%였고 비용은 약 24달러였습니다.

Pocket Rewriter는 9B 프롬프트 재작성 교사 모델을 0.8B와 2B 학생 모델로 증류했습니다. 생성된 요청 8,797개 중 선별한 예시 1,840개를 사용했습니다. 0.8B 버전은 99.7%의 비율로 유효한 출력을 내고, 교사 모델 토큰의 약 4분의 1을 사용합니다. CPU에서 쓸 수 있는 812MB GGUF 파일로 제공되며 프로젝트 비용은 약 16.05달러였습니다.

260M 매개변수 텍스트-이미지 모델인 Agate Preview 002에서는 ML-intern이 이미지 생성 단계를 50회에서 4회로 줄였습니다. 첫 실행에서는 학습 이미지 155,000장을 잠재 표현으로 저장했으며, 4단계 학생 모델은 GenEval과 FID에서 4단계 교사 모델을 앞섰습니다. ONNX로 내보낸 모델은 브라우저에서 사용할 수 있게 됐습니다. 두 번째 실행에서는 교사가 만든 이미지 쌍 24,000개를 추가했고, GenEval 점수는 0.509에서 0.536으로 향상됐습니다. 50단계 교사 모델의 점수는 0.563이었으며, 학생 모델은 연산량의 4분의 1을 사용했습니다. 두 실행 비용은 약 37달러였고, 6개 모델의 프로젝트 비용표 합계는 약 103달러입니다.