출처: https://x.com/EmperoAI/status/2106875094442430966 (@EmperoAI 출시 공지) — 세부는 저장소 README 기준 저장소: empero-org/brewery-ai (옛 homebrew-ai, 이전 링크는 리다이렉트) · Python · 2026-10-04 생성

개요

“모델을 직접 학습시키는 데 연구팀이 필요해선 안 된다”는 문제의식으로 나온 콘솔 에이전트다. 원하는 걸 말하면 베이스 모델 선택, 데이터 준비, 안전한 파라미터 설정, 학습을 대신 처리한다. 출시 때 이름은 Homebrew였는데, macOS 패키지 관리자와 헷갈린다는 이유로 0.2.0에서 Brewery로 바뀌었다.

동작 방식

  • 안내 역할인 brewmaster로 Claude, OpenAI 호환 모델, 로컬 모델 가운데 하나를 고른다. 초보·취미·빌더·전문가 수준에 맞춰 설명 깊이가 달라진다.
  • 텍스트 모델: qwen 3/3.5/3.6/3.8, Llama 3.x, Gemma 3·4. LoRA·QLoRA·풀 파인튜닝을 지원한다.
  • 학습 목표 연결: 연속 사전학습(CPT) → SFT → DPO처럼 단계를 이어 붙일 수 있다.
  • 이미지 모델: Qwen-Image 2.1용 LoRA.
  • 가드레일: 모델마다 하이퍼파라미터 가이드라인이 있고, 에이전트는 그 범위 안에서만 레시피를 제안한다. 실행 전에 메모리·시간·비용을 추정한다.
  • 데이터: Hugging Face 검색·미리보기, 로컬 파일, 함께 쓴 예시, 옵트인 합성 데이터, 자기 모델의 두 답 중 하나를 고르는 선호도 수집. 형식은 Empero Trace Format(ETF, .jsonl 하나)으로 통일한다.
  • 학습 장소: 자기 NVIDIA GPU나 SSH 서버. Runpod·Vast.ai 대여 가이드와 가격 추정이 있다.
  • 배포: 어댑터·병합 모델 내보내기, 모델 카드 자동 작성, 라이선스 준수 처리(Llama 명명, Gemma 약관), Hugging Face 업로드.

설치는 pip install "brewery-ai @ git+https://github.com/empero-org/brewery-ai" 후 brewery.

데모 모델

둘 다 Vast.ai의 RTX PRO 5000 한 장에서 한 세션으로 만들었고, brewmaster로는 openrouter의 xiaomi/mimo-v2.6-pro를 썼다.

  • Qwen3.5 2B 기반 “할머니 말투 레시피” 모델: 공개 레시피 데이터 정제 → 할머니 말투로 재작성 → LoRA SFT(826개, 약 2 에폭)
  • Qwen-Image 2.1 기반 2000년대 디카 사진풍 LoRA: 캡션 달린 사진 160장, 체크포인트마다 미리보기를 보고 step 500 선택

메모

  • 생성 1주 남짓의 초기 프로젝트이고 직접 돌려 보지는 않았다. 라이선스는 GitHub에서 NOASSERTION으로 표시된다.
  • 모델 관련 도구는 moc-ai-models 참고.