Hugging Face博主用ML Intern两天训出六个小模型，总花费约 103 美元
Hugging Face博客作者yvrjsharma记录了自己用HuggingChat的ML Intern功能，在几天内完成六个模型或LoRA的训练与发布，覆盖视觉问答、图像生成、视角控制、涂鸦编辑、提示改写和扩散蒸馏，GPU/CPU费用合计约 103 美元。
AI解读：Hugging Face博客作者yvrjsharma表示，因官方Qwen-Image 2.1提示改写模型是 9B、约需 20GB内存、生成前思考数千token，而Hub上只有该 9B模型的压缩副本，于是用ML Intern做了一个可在CPU运行的 0.8B版本，并称其 99.7% 输出有效、token用量约为教师模型的四分之一。
ML Intern的工作流程是：作者在HuggingChat中开启该模式并粘贴提示词，agent先规划、在花钱前询问预算、跑小测试、再训练、评估并在Hugging Face硬件上发布；每个模型最终以公开模型形式发布，评估结果写在模型卡中。
作者在GitHub公开了七个项目的提示词原文，并建议提示词包含一行想法、明确数据集/基座模型/训练脚本、已验证事实、训练前基线分数、带检查的冒烟测试、交付物和花费上限。
六个项目包括：柑橘病害视觉问答（Qwen3.5-2B微调后 335 张测试图准确率从 14.9% 升至 52.8%，约 1.90 美元）、Huggy LoRA（约 7.60 美元）、Viewpoint Orbit相机角度LoRA（约 16 美元）、Doodle-in LoRA（约 24.30 美元）、Pocket Rewriter 0.8B/2B（约 16.05 美元）、Agate 4步蒸馏（两次约 37 美元）。
这些数字来自博客作者逐项列出的会话GPU/CPU作业费用，合计约 103 美元；效果数据也是该作者在自己的测试集或指标上的报告，尚不构成对其他任务或模型的普遍验证。
Hugging Face博客作者yvrjsharma发布文章，记录自己用HuggingChat中的ML Intern功能，在几天内完成六个模型或LoRA的训练、评估与发布。
文章称这些项目的GPU和CPU作业费用合计约 103 美元，最低的citrus项目约 1.90 美元，最高的Agate 4步蒸馏两次运行约 37 美元。
ML Intern能做什么、成本怎么控制
作者说，每个项目都从HuggingChat里一条开启ML-intern模式的消息开始，最终以Hub上的公开模型结束，模型卡内附评估结果。ML-intern会规划工作、在花钱前询问预算、先跑小测试，然后在Hugging Face硬件上训练、评估并发布。
作者强调预算控制：ML-intern以零美元预算开始每项任务，执行付费作业前需要许可，因此提示词里的花费上限会被严格执行。若没有写明预算，agent会根据项目规模建议几条路径并让作者选择。
提示词方面，作者说首个citrus模型的提示词约 450 词，到第六个项目接近 2000 词；七个提示词已按原文发布在GitHub的yvrjsharma/ml-intern-prompts仓库。作者建议包含：一行想法和理由、数据集/基座模型/训练脚本、“已验证事实，不要重新推导”部分、训练前基线、带检查的冒烟测试、交付物和花费上限。
- 作者称citrus提示词中没有“已验证事实”部分，ML Intern仍产出了将Qwen3.5-2B准确率提高三倍以上的模型。
- 作者称 0.8B Pocket Rewriter的教师模型是 9B Qwen-Image 2.1改写模型，需约 20GB内存，生成前思考数千token。
六个项目及作者报告的结果
作者列出六项构建。第一项是柑橘病害视觉问答：用Project-AgML组织三个来源合并的 3017 张标注图像、覆盖 21 类病虫害和营养缺乏，微调Qwen3.5-2B；在 335 张测试照片上，基座模型命名正确问题 14.9% 的时间，在一张A10G上训练两个epoch后达到 52.8%，计算成本约 1.90 美元。
第二项是角色Huggy的LoRA：在FLUX.2 klein base 4B上使用 84 张带说明的图训练，每 100 步保存检查点并用同一组提示词出图，第 200 步Huggy完全符合设定，从第 500 步起风格开始渗入无关提示；该LoRA也能在 4 步蒸馏版klein上使用，成本约 7.60 美元。
第三项是相机角度LoRA：ML-intern在CPU上以 24 个角度渲染 1030 个Google Scanned Objects中的家庭物品，共 24722 张透明图，成本几美分；最终确定 461 个训练对象和 40 个测试对象，1844 对训练前后图像覆盖 23 条相机指令，在一张A100上训练 2000 步约 90 分钟（约 3.75 美元），整个项目约半天、48 个作业，总计算成本约 16 美元。
第四项是Doodle-in LoRA：用LaMa修复模型从Open Images真实照片中移除一个对象并在原位置画涂鸦，未修改照片作为目标；ML-intern构建了 6042 对训练数据和 160 对测试集，其中 40 对来自 23 个训练中未出现的对象类别；在一张A100上训练 2000 步约 1 小时 38 分钟（约 4 美元），在 48 对测试数据上选第 500 步，与Viggle turbo LoRA以 6 步配合时 67.5% 的对象在绘制位置被检测到，每次编辑 4.7 秒，23 个未见类别对象命中率 65.0%，其余 64.2%；项目耗时略超一天、59 个作业，总计算成本约 24.30 美元。
第五项是Pocket Rewriter：ML-intern先通过Inference Providers用小指令模型生成 8797 条短图像请求，约三分之一要求引号内精确文本，许多为非英语；9B教师在一张A100上 2 小时 37 分钟重写全部请求（约 6.50 美元），过滤后 1840 条选入训练集；0.8B和 2B学生分别在一张A10G上训练 12 和 18 分钟（合计 0.75 美元），0.8B还以 812MB GGUF文件在CPU运行；项目约 11 小时、24 个作业，总计算成本约 16.05 美元。作者称 0.8B版本 99.7% 输出有效，token用量约为教师模型四分之一。
第六项是Agate 4步蒸馏：Logolabs的Agate Preview 002是 260M参数文生图模型，原本需要 50 步带引导，即每张图 100 次网络前向；ML-intern先缓存 155000 张训练图latent、把引导烘焙进模型，再把步数从 16 降到 8 再到 4，全部在A100上完成；4 步学生在GenEval和FID上击败同一 4 步运行的教师，随后导出ONNX供浏览器使用。第一次运行约 13 小时、22 美元；作者又让agent用教师 16 步生成 24000 对图像微调学生约一小时，GenEval从 0.509 升至 0.536，教师 50 步为 0.563，第二次约 8 小时；两次合计约 37 美元。
- Huggy LoRA的基座为FLUX.2 klein base 4B，训练数据为 84 张Chunte/huggy_for_training数据集中的带说明图。
- Viewpoint Orbit LoRA基于Qwen-Image 2.1，作者称发布几天后社区还没有同类相机角度LoRA。
- Doodle-in LoRA训练中保留了每张源图的作者和许可证记录。
- Agate 4步模型被导出为ONNX并可在浏览器运行。
- 总计算成本约 103 美元，来自各会话报告的GPU和CPU作业费用。
作者给出的使用方式与范围限制
作者说ML-intern位于HuggingChat，用户可打开ML-intern模式并粘贴提示词；示例提示词可免费复制。作者建议从“你希望存在但还不存在的模型”和一个已有或能描述的数据集开始，给一个小预算，要求基线和冒烟测试，并在提高上限前阅读返回结果。
需注意，这些项目结果均由博客作者报告，测试集、指标和成本口径来自其个人会话记录。例如柑橘准确率提升基于 335 张测试照片，Doodle-in的 67.5% 和Agate的GenEval对比也限于各自设定的测试条件。这些数字不能直接推广到其他数据集、硬件或任务。