허깅페이스 ML-Intern, 16달러로 경량 모델 제작
최근 30일 조회수 —좋아요 —핵심 요약
ML-Intern이 9B 모델을 대체할 CPU용 0.8B 모델을 기획·학습해 99.7% 유효 출력률을 기록했다.

허깅페이스(Hugging Face)가 자연어 지시만으로 모델의 기획부터 학습·평가·공개까지 맡기는 에이전트 ‘ML-Intern’ 활용 사례를 공개했다. 허깅챗(HuggingChat)에서 원하는 모델과 데이터셋, 기반 모델, 학습 스크립트, 예산을 설명하면 ML-Intern이 작업을 설계하고 소규모 시험을 거친 뒤 허깅페이스 하드웨어에서 모델을 학습해 허브에 게시하는 방식이다.1
커뮤니티 작성자는 Qwen-Image 2.1에 포함된 90억 매개변수(9B) 프롬프트 재작성 모델을 대신할 8억 매개변수(0.8B) 모델을 제작했다고 밝혔다. 원본은 약 20GB 메모리가 필요하지만 새 모델은 CPU에서 실행되며, 유효한 출력을 내는 비율은 99.7%였다. 출력 토큰은 교사 모델의 약 4분의 1로 줄었다. 9B 모델로 요청 예시 8,797건에 라벨을 붙이는 비용까지 포함한 전체 연산비는 16달러였다.
ML-Intern은 유료 작업 전 사용자에게 예산 승인을 받고, 먼저 짧은 학습으로 가중치가 실제로 바뀌었는지 확인할 수 있다. 다만 성능과 비용 수치는 독립 검증 결과가 아니라 허깅페이스 블로그에 실린 제작자의 사례다.
Footnotes
-
Hugging Face 블로그·커뮤니티, 「The model that didn’t exist, so you made it yourself」 ↩
읽기 목록은 이 브라우저에 저장됩니다.
출처
- The model that didn't exist, so you made it yourself — Hugging Face 블로그·커뮤니티 · 자료: 2026. 10. 8.
이 글은 위 출처를 근거로 자동 생성된 뒤 발행됐습니다. 원문을 함께 확인해 주세요. 교차 보도 없이 단독 출처로 작성됐습니다.