Gradio
Gradio 是 Hugging Face 的开源 Python 库，几行代码把任意函数变成可分享的 ML Web 演示。本文详解功能、与 Streamlit 对比、Spaces 部署。
| 基本信息 | 详情 |
|---|---|
| 开发公司 | Hugging Face（2019 年由 Abubakar Abid 在斯坦福创立，2021 年 12 月被收购） |
| 上线时间 | 2019 年 |
| 官网 | https://gradio.app/ |
| 支持平台 | Python 库（跨平台）；部署到 Hugging Face Spaces |
| 价格 | 开源免费（Apache 2.0） |
| 核心定位 | 几行 Python 把任意函数变成可分享的机器学习 Web 演示 |
Gradio 是一个开源 Python 库，把任意 Python 函数包成 Web 界面。你写好模型预测函数，告诉它输入输出是什么类型，它就给你生成一个能上传、能交互、能分享链接的网页应用，前后端全包。
它诞生于一个很具体的麻烦。2019 年，斯坦福博士生 Abubakar Abid 训练了一个心脏超声图识别模型，想拿给合作的心脏科医生测试。医生不懂 Python，没法自己跑模型。Abid 拉上三个室友 Ali Abdalla、Ali Abid、Dawood Khan，做了一个能替代 CSS、JavaScript 和 Web 托管的库，让 ML 工程师只用 Python 就能搭演示。第一篇论文标题说得很直白--让访问任何 ML 模型像分享一个 URL 一样简单。
为什么它在 ML 圈这么流行？因为模型好不好，光看测试集指标不够，得让领域专家和真实用户上手试。但多数 ML 工程师不会前端，从零搭 Web demo 是个坎。Gradio 把这个坎削平了，而且免费、开源、能一键部署到 Hugging Face Spaces 上公开分享。GitHub 上 4.2 万多颗星，每月超百万开发者用，PyPI 周下载量 330 万。
核心功能
Interface 三行起手
gr.Interface(fn=predict, inputs="image", outputs="label").launch() 三行代码就是一个完整 Web 应用，带文件上传、预测展示、分享链接。这是 Gradio 最核心的价值--最低门槛把模型变成可交互界面。
30+ 预置组件
图像、音频、视频、文本框、聊天框、DataFrame、图表、文件、画廊等三十多个输入输出组件。每个组件自动处理渲染、校验、数据转换，你不用操心前端那一摊。
Blocks 自定义布局
gr.Blocks 给更复杂的需求，灵活的组件系统搭多标签、多模型、自定义排版的界面。Interface 适合快速原型，Blocks 适合正式产品。
ChatInterface 对话组件
专门给 LLM 的对话界面组件，支持流式响应、消息历史、自定义样式，搭 LLM 原型特别顺手。这两年大模型火了，这块用得最多。
自动生成 API
每个 Gradio 应用自动生成一套 REST API 和 Python 客户端。别的应用能直接调你的 Gradio 应用，等于你的 demo 同时是个可调用的服务。
Hugging Face Spaces 一键部署
推到 Spaces 就能免费托管，拿到公开链接分享给任何人。Spaces 还支持 GPU 实例，跑推理重的模型也行。这让分享 ML demo 跟推个 Git 仓库一样简单。
适合谁
适合 ML 研究者、数据科学家、想给非技术同事展示模型的工程师，以及搭 LLM 原型的开发者。从模型调试、内部演示到对外展示都适用，被 Google、Amazon、Meta 等公司的从业者广泛使用。
不适合谁？要做复杂、生产级、多页面的 Web 应用--那是 Streamlit 或 Dash 的地盘，Gradio 更专注"模型输入输出"这个模式。需要重度前后端定制的企业级 Web 产品，Gradio 的灵活度也有限。
同类竞品对比
| 对比项 | Gradio | Streamlit | Dash | Flask |
|---|---|---|---|---|
| 定位 | ML 模型演示 | 数据应用 | 仪表盘 | 通用 Web 框架 |
| 上手门槛 | 极低（3 行） | 低 | 中 | 高 |
| ML 组件 | 30+ 内置 | 需自己搭 | 需自己搭 | 全自己写 |
| 自动 API | 有 | 无 | 无 | 无 |
| 一键分享 | Spaces 托管 | 社区云 | 需自部署 | 需自部署 |
| 适合场景 | 模型演示 | 数据看板 | 复杂可视化 | 完整 Web 应用 |
FAQ
Gradio 免费吗？
完全免费开源，Apache 2.0 协议。pip install gradio 就能用，部署到 Hugging Face Spaces 也免费，公开链接随便分享。
跟 Streamlit 怎么选？
要快速给单个模型做可交互演示，Gradio 更合适，组件针对 ML 任务预置好。要做多页面的数据应用和仪表盘，Streamlit 更顺手。两者定位不同，不是非此即彼。
能部署到生产环境吗？
能。每个应用自动生成 REST API，可被其他系统调用。但 Gradio 主打"演示和原型"，重度生产级 Web 应用还是建议套正式后端。Spaces 也支持 GPU 实例跑推理。
不会前端能用吗？
能，这就是它的全部意义。你只用 Python 写函数和声明输入输出类型，前端渲染、文件上传、交互全由组件自动处理。
怎么接入 Hugging Face 上的模型？
一行 gr.load("模型名", src="models") 就能调用 Hub 上的模型，Gradio 自动推断输入输出并调用推理 API，你本机不用装模型依赖。也能用 transformers 的 pipeline 包装自定义模型。
支持哪些模型类型？
图像分类、文本生成、语音转文字、翻译、表格预测、聊天等等，主流 ML 任务都有对应组件。还能把多个模型串起来做 pipeline 演示。
更新动态
近半年 Gradio 持续围绕 LLM 演示和 Spaces 生态迭代，组件库与自动 API 能力稳步扩展，仍是 ML demo 领域的事实标准。
客户评论
汇总评分：Product Hunt 5.0/5 · GitHub 4.2 万+ 星
"对想展示工作又不想学 Web 开发的 ML 研究者，Gradio 拆掉了整个前端门槛。"--Modern Data Tools 评测（2026）
"Gradio 让访问任何 ML 模型像分享一个 URL 一样简单。"--2019 年创始论文
"被 Hugging Face 收购后，它继续作为独立开源库运营，现在是 Spaces 上绝大多数 demo 的底层。"--AI Wiki 词条
参考来源
- ▸Gradio 官网 | Build and share ML demos,官方文档与组件说明
- ▸Hugging Face 博客 | Gradio is joining Hugging Face,2021 年收购公告
- ▸arXiv | Gradio: Hassle-Free Sharing and Testing of ML Models in the Wild,2019 年创始论文
- ▸GitHub | gradio-app/gradio,开源仓库，4.2 万+ 星