6月19日、RuntimeWireが「Hugging Face releases ML-Intern, its open-source agent for the model-training loop」と題した記事を公開した。ベータ公開以来12,000回以上使用され、3億トークン以上を生成——Hugging FaceのML研究自動化エージェント「ML-Intern」が6月18日に正式リリースを迎えた。論文調査からモデル訓練・評価ループまでを自律的にこなすこのエージェントは、研究インフラとしての実用段階に入りつつある。
ML-Internとは何か
ML-Internは、Hugging FaceのLewis TunstallとAksel Joonas Reediが開発し、6月18日にベータ版から正式リリースしたオープンソースエージェントである。ユーザーがプロンプトを与えると、エージェントが自律的に論文を調査し、データセットを取得・整形し、訓練ジョブを実行し、評価結果を読んで再訓練するという、機械学習研究の反復サイクル全体を担う設計だ。
Reediは本ツールを「Hugging Faceの研究者が実際に使っている研究ループのオープンソース実装」と説明している。リポジトリの引用ブロックには複数のHugging Face貢献者の名前が並んでおり、スタートアップの単独プロダクトではなく、Hugging Faceの研究インフラとしての位置づけが明確だ。
利用形態は2種類ある。GitHubリポジトリからCLIをローカルで動かす方法と、Hugging Face Spaces上でホストされているウェブアプリ（モバイル対応）を使う方法だ。
「コーディングアシスタント」ではなく「ポストトレーニングアシスタント」——そしてオープンソース戦略
ここがエンジニアとして最も注目すべき設計思想の違いだ。
Claude CodeやCodexといったツールは、基本的に「コードを書く補助」として位置づけられている。一方ML-Internは、何を訓練すべきか判断し、関連論文を探し、データセットを検査・整形し、ジョブを起動し、評価ログを読んで次の手を打つという、ML研究者が実際に行う一連の作業の流れそのものを代替しようとしている。
Tunstallはリリース後のXへの投稿で、「ML-Internはベータを卒業した」と述べ、ローンチ以来12,000回以上使用され、数百のモデルとデータセットがHugging Face Hub上に作成されたこと、生成されたトークンは3億を超え、その大半はKimi K2.6経由だったと明かした。Kimi K2.6はMoonshot AIが提供するコーディング・エージェント特化型モデルで、ML-InternのデフォルトバックエンドLLMとして採用されており、タスク実行の中心的な推論エンジンとして機能している。これらはHugging Face側の自己申告値であり、独立した第三者による検証数値ではないが、プロジェクトを実験から公共インフラへ移行させた判断の根拠となっている。
Hugging Faceはこれまで、Transformers・Diffusers・Safetensors・Datasets・TRL・PEFT・Accelerate・smolagentsといった内部MLインフラをオープンソース化し公共財にするというパターンを繰り返してきた。ML-Internはそのパターンの延長線上にある。Hub上の200万以上のモデル、50万以上のデータセット、100万以上のアプリケーションという既存インベントリへのルーティング層として機能する。
ML-Internはオープンソースだが、そのワークフローはInference、Spaces、Jobs、GPUを消費する設計になっている。Hugging FaceのTeam/Enterpriseプランは月額20ドル/ユーザーから、Inference Providerは45,000以上のモデルへの統合APIアクセスを提供し、GPUコンピュートは時間あたり0.60ドルからとなっている。ML-Internは開発者ツールであると同時に、Hub下層の有料コンピュートへの需要を生み出す仕組みでもある。
具体的な動作例（ただし検証は未了）
Reediは発表投稿の中で3つの事例を示している。
科学的推論タスクでは、エージェントがOpenScienceとNemoTron-CrossThinkを発見し、ARC・SciQ・MMLUから難易度フィルタ済みの7種類のデータセットを追加、Qwen3-1.7Bに対して12本のSFT（教師あり微調整）ジョブを実行した。結果としてGPQAスコアが10%から32%に向上し、所要時間は10時間未満だったとしている。Claude Codeが同タスクで22.99%とされる数字と比較する形で示された。
医療分野では、利用可能なデータセットを品質不足と判断したエージェントが自律的に合成データ1,100件を生成し、HealthBenchでCodexを60%上回る結果を出したと述べている。
競技数学では、GRPOスクリプト（強化学習ベースの訓練手法。HuggingFaceのTRLライブラリ経由で利用可能）を自ら記述し、Hugging Face Spaces上でA100訓練を起動。報酬崩壊（reward collapse）を検出してアブレーション実験を繰り返し、最終的に動く構成を見つけたとしている。
これらはいずれもローンチ投稿中の主張であり、独立したリーダーボードによる検証は行われていない。数字をそのまま信頼するより、「エージェントが研究ループのどの部分を担えるか」を示すデモとして読む方が適切だ。
残る課題：どこまでエージェントに自律性を委ねられるか
論文を読んで訓練スクリプトを書くのはリスクが低い。しかしGPUバジェットの消費、データセットの変換、合成医療データの生成、ベンチマーク手法の選択といった判断は、人間のレビューが必要な場面だ。サンドボックス内での実行、ローカルGPU不足時のジョブ起動、実行モニタリングを明示的に設計に組み込んでいることは、Hugging Face自身もそのラインを認識していることを示している。
ML-Internが目指す姿は、研究者を置き換えることではなく、研究者を「実験・コンピュートバジェット・評価基準のマネージャー」に引き上げることだ。そしてそのマネジメント層こそ、Hugging Faceが抑えたいレイヤーである。
詳細はHugging Face releases ML-Intern, its open-source agent for the model-training loopを参照していただきたい。
