Шесть моделей за пару дней: кейс ML Intern в HuggingChat

Готовой лёгкой модели на Hub не оказалось: официальный переписчик промптов для Qwen-Image 2.1 — 9B на ~20 GB памяти и тысячи токенов на один абзац. В HuggingChat с ML Intern автор описал задачу в чате; на следующий день на CPU уже крутился студент 0.8B — Pocket Rewriter с валидным выводом в 99,7% запросов и примерно четвертью токенов учителя. Разметка 8 797 примеров девятимиллиардной моделью вместе с обучением обошлась в USD 16.

За пару дней тот же цикл повторили ещё пять раз: каждый раз старт в чате, финал — публичная модель на Hub с оценкой в model card. Агент планирует шаги, спрашивает бюджет до платной джобы, гоняет короткий прогон перед полным обучением и отправляет задачи на железо Hugging Face.

Первый промпт

Семь шаблонов лежат в репозитории yvrjsharma/ml-intern-prompts на GitHub — от ~450 слов на первом проекте до ~2 000 на шестом. В заготовках baseline zero-shot до обучения, smoke test с проверкой, что веса после короткого прогона сдвинулись, и потолок расходов с явным «спроси перед превышением». Блок verified facts удерживает агента от повторной проверки того, что вы уже знаете.

Шесть проектов

• Citrus Doctor — Qwen3.5-2B по болезням цитруса: 14,9% → 52,8% на 335 фото, USD 1,90
• Huggy LoRA — персонаж HF на FLUX.2 klein 4B, 84 кадра; удачный чекпоинт на шаге 200, USD 7,60
• Viewpoint Orbit — LoRA ракурса Qwen-Image 2.1, 24 722 прозрачных кадра, USD 16
• Doodle-in — magenta-скибл заменяется объектом из промпта, 67,5% детекций, USD 24
• Pocket Rewriter — студенты 0.8B и 2B, GGUF 812 MB под CPU, USD 16
• Agate 4-step — дистилляция T2I на 260M параметров с 50 до 4 шагов, GenEval 0,536, USD 37

Суммарные списания по шести сессиям — около USD 103. Режим ML Intern включается в HuggingChat; без заданного лимита агент предложит пару сценариев по масштабу и дождётся выбора.

Источник: The model that didn't exist, so you made it yourself.