Hugging Face 10 月 8 日发表 ML Intern 实践案例，展示开发者如何委派模型训练任务。作者将 Qwen-Image 2.1 的 9B 提示词改写模型作为教师，制作了一个可在 CPU 运行的 0.8B 版本；包含教师标注 8,797 条请求在内，计算支出为 16 美元。
文章称，小模型在该任务评估中有 99.7% 的输出符合格式要求，生成 token 数约为教师的四分之一。这个数字衡量的是输出有效率，不能当作全部语义质量都达到同等水准。模型、评估说明和相关产物已在 Hugging Face Hub 公开。
ML Intern 的流程包括制定方案、执行小规模测试、训练、评估和发布；在运行付费任务前会先要求预算授权。文章还展示柑橘病害识别、角色图像 LoRA 等不同项目，说明明确的基线、测试集和费用上限能让训练委派更具体。这是新发表的实践案例，费用与效果对应文中的特定数据和模型配置。