那个不存在的模型，于是你自己造了一个

英文原标题：The model that didn't exist, so you made it yourself

本文为英文原文的机器翻译摘要，原文见：Hugging Face Blog ↗

• 作者Abubakar Abid在Hugging Face上通过ML Intern（ML-intern）智能体，用自然语言提示词在几天内创建了六个小型模型，每个都从HuggingChat消息开始，最终发布为Hub上的公开模型并附有评估。
• 第一个项目是将Qwen-Image 2.1的9B提示重写器蒸馏为0.8B版本，可在CPU上运行，有效输出率99.7%，token用量约为教师的四分之一，总计算成本16美元（包括用9B模型标注8,797个示例请求）。
• 提示词的关键要素包括：一行想法和原因、指定数据集/基础模型/训练脚本、'已验证事实，不要重新推导'部分、要求训练前基线、带检查的冒烟测试、明确交付物和成本上限（如'总花费上限12美元，超出前问我'）。
• 六个模型示例：柑橘病害VLM（Qwen3.5-2B微调，准确率从14.9%提升到52.8%，成本1.90美元）、Huggy角色LoRA（FLUX.2 klein base 4B，84张图，成本7.60美元）、相机角度LoRA（1,030个物体×24角度，成本16美元）、Doodle-in LoRA（6,042训练对，成本24美元）、Pocket Rewriter（0.8B和2B学生模型）。
• ML-intern的工作流程：规划任务、花费前询问预算、正式任务前运行小测试、然后训练、评估并在Hugging Face硬件上发布。

关键数据

• 0.8B模型有效输出率99.7%，token用量约为9B教师的四分之一
• 总计算成本16美元，包括标注8,797个示例请求
• 柑橘模型：基础模型准确率14.9%，微调后52.8%，成本约1.90美元
• Huggy LoRA：84张训练图，成本约7.60美元
• 相机角度LoRA：1,030个物体×24角度=24,722张透明图像，训练2,000步约90分钟，成本约16美元
• Doodle-in LoRA：6,042训练对，训练2,000步1小时38分钟，成本约24美元
• Pocket Rewriter：9B教师重写8,797个请求耗时2小时37分钟（约6.50美元），筛选后1,840个示例用于训练

为什么值得看：展示了如何用智能体以极低成本（几美元到几十美元）快速定制小型专用模型，为个人和小团队提供了可复用的提示词工程和自动化训练流程。