저자가 Qwen-Image 2.1의 90억 파라미터 프롬프트 재작성 모델을 대체할 경량판을 찾지 못해, HuggingChat의 'ML-Intern' 에이전트에게 직접 만들어 달라고 요청한 경험을 담은 글이다. 교사 모델이 8,797개 요청에 라벨을 붙이는 과정을 포함해 총 16달러의 비용으로 CPU에서 구동되는 0.8B 모델을 만들었고, 유효 출력률 99.7%에 교사 모델의 4분의 1 토큰만 사용했다. 이후 며칠에 걸쳐 감귤 질병 진단 VLM, Huggy 캐릭터 LoRA, 카메라 각도 LoRA, 낙서를 사물로 바꾸는 Doodle-in LoRA, 소형 텍스트-이미지 모델 증류(Agate 4-step) 등 총 5개 모델을 추가로 같은 방식으로 만들었으며, 전체 6개 프로젝트의 컴퓨팅 비용 합계는 약 103달러였다. 저자는 베이스라인 측정, 소규모 스모크 테스트, 지출 한도 명시가 핵심 프롬프트 요소라고 강조하며, 모든 프롬프트를 GitHub에 공개했다.

• •Qwen-Image 2.1용 90억 파라미터 프롬프트 재작성 모델의 경량 대체재를 ML-Intern 에이전트로 직접 제작
• •0.8B Pocket Rewriter 모델을 약 16달러 비용으로 제작, 유효 출력률 99.7%
• •감귤 질병 진단 VLM, Huggy LoRA, 카메라 각도 LoRA, Doodle-in LoRA, Agate 4-step 증류 등 총 6개 프로젝트 수행
• •전체 6개 프로젝트의 합산 컴퓨팅 비용은 약 103달러
• •베이스라인 측정·스모크 테스트·명시적 지출 한도를 프롬프트 설계의 핵심 요소로 강조, 전체 프롬프트 공개