Hugging Face решила проверить, можно ли поручить ИИ рабочий процесс ML-инженера. В HuggingChat появился ML Intern — агент, которому достаточно описать задачу обычным языком: он сам изучает материалы, подбирает данные и модели, пишет код и запускает вычисления.
Но начинать работу вслепую ему нельзя. Принцип research first требует сначала изучить статьи и документацию. При дообучении агент проверяет датасет, архитектуру и библиотеки, а перед дорогим запуском на GPU проводит тест.
Дальше ML Intern выбирает инструмент, оценивает результат и решает, что делать следующим шагом. Ему доступны научные статьи, GitHub, документация Hugging Face, датасеты и облачные вычисления. За один запуск можно использовать до 300 интеграций, а система замечает повторения, если агент застрял.
Результатом становится не просто ответ: ML Intern может создать репозиторий модели или датасета, запустить Hugging Face Job, опубликовать приложение в Spaces и собрать панель Trackio.
По умолчанию агент работает на GLM-5.2 через Novita, но доступны GPT, Claude, Kimi, MiniMax, GLM и DeepSeek через Hugging Face Inference Providers. Его можно подключить к Ollama, vLLM, LM Studio или llama.cpp.
Есть бета-API, частично совместимый с OpenAI Responses API. Исходный код опубликован на GitHub под лицензией Apache 2.0.
ML Intern показывает, куда движутся ИИ-агенты: от ответа на запрос к выполнению задачи. Если они станут надёжнее, часть рутины ML-инженеров может перейти от написания кода к постановке задач и контролю.
