AI万址
HuggingFace

HuggingFace

HuggingFace 是全球最大的开源AI模型托管平台，200万+模型，Transformers库支持300+架构。本文详解功能、定价、竞品对比与使用指南。

访问官网
HuggingFace
访问官网
基本信息详情
开发公司Hugging Face Inc.（纽约，2016年创立）
上线时间2016年（聊天机器人起步）；2019年发布Transformers库；2021年转型为ML平台
官网https://huggingface.co/
支持平台Web端（全平台）、Python库（Transformers/Datasets/Tokenizers）
价格免费起步；Pro $9/月；Team $20/用户/月；Enterprise $50/用户/月
核心定位全球最大的开源AI模型社区与ML基础设施平台，"机器学习界的GitHub"

Hugging Face 是全球最大的开源 AI 模型托管平台。200 万个模型、50 万个数据集、100 万个 Spaces（在线 demo）--你做 AI 开发几乎绕不开它。三位法国创始人 Clément Delangue、Julien Chaumond 和 Thomas Wolf 2016 年在纽约创立这家公司时，做的是个青少年聊天机器人。2019 年他们开源了 Transformers 库，从此一发不可收拾，转型成了 ML 基础设施平台。

说它是"机器学习界的 GitHub"并不夸张。几乎所有主流开源模型--Llama、Mistral、Qwen、DeepSeek、BLOOM、StableLM--都在 Hugging Face 上首发或托管。Transformers 库支持 300 多种模型架构，统一了 PyTorch、TensorFlow 和 JAX 三大框架的接口。几行代码就能加载一个预训练模型做推理。这种标准化做的不是某个模型，是整个行业的接口。

2023 年 8 月，Hugging Face 完成 2.35 亿美元 D 轮融资，估值 45 亿美元。Salesforce 领投，Google、Amazon、Nvidia、Intel、AMD、IBM 全跟了。但 CEO Delangue 拒绝了 Nvidia 5 亿美元的单独投资--他不想让任何单一投资者主导公司决策。到 2025 年公司已经靠自身收入盈利，2026 年二级市场隐含估值约 93 亿美元。这个节奏在大模型赛道里很罕见：不烧钱，不急着融资，靠平台价值自然增长。

核心功能

01

Transformers 库

2019 年发布的开源 NLP 库，到 2026 年已支持 300+ 种模型架构，每周新增约 3 种。统一的 from_pretrained() 接口让你用同一套代码加载不同模型。支持 PyTorch、TensorFlow、JAX 三大框架。这是 Hugging Face 的根基--没有这个库，就没有今天的生态。

02

Model Hub

200 万个公开模型的中央仓库。每个模型有 Model Card 文档，记录能力、限制、训练数据和伦理考量。你可以按任务（文本生成、图像分类、语音识别）、语言、许可证筛选。大公司发新模型，第一时间就会推到 Hugging Face。

03

Inference Providers

200+ 个热门模型的 Serverless 推理服务。按量付费，Hugging Face 不加价，直接透传给底层推理供应商。每个用户每月有免费额度（免费账户 $0.10/月，Pro 账户 $2/月）。不需要管基础设施，直接调 API。

04

Spaces

免费托管 ML 应用的平台。用 Gradio 或 Streamlit 写个交互式 demo，推上去就能公开访问。100 万个 Spaces 里藏着大量研究论文的配套 demo、模型试玩工具和数据可视化应用。这个功能让 Hugging Face 从代码仓库变成了可交互的展示平台。

05

Datasets 与 Tokenizers

Datasets 库提供 50 万个公开数据集的统一加载接口。Tokenizers 库用 Rust 写的，速度快到离谱。这两个库配合 Transformers，覆盖了"数据加载-预处理-模型训练-推理"全链路。

06

AutoTrain

零代码微调工具。上传你的数据，选个模型，点开始--AutoTrain 自动处理超参数、训练循环和评估。不需要写训练代码。适合不想深入 ML 细节的应用开发者。

07

Enterprise Hub

企业版功能：单点登录（SSO）、审计日志、细粒度访问控制、SCIM 用户管理。大公司用它管理内部模型资产。Microsoft、Google、Meta 都在用。

适合谁

适合： 所有 ML 从业者--研究者找模型和数据集，工程师部署推理服务，产品经理试玩模型 demo。创业团队用 Inference Providers 做原型验证，不用自己搭 GPU 集群。大企业用 Enterprise Hub 管理内部模型资产。

不适合： 需要纯中文本地化体验的团队--Hugging Face 界面和文档以英文为主。需要顶级推理性能的场景--Inference Providers 是透传多家供应商，性能取决于具体供应商，不如直接用模型官方 API 稳定。非技术用户找"一键搞定"的 AI 工具--这里没有。

同类竞品对比

维度Hugging FaceGitHub ModelsReplicateModelScope
定位ML 模型社区+工具链代码仓库+模型托管模型推理API阿里版HuggingFace
模型数量200万+较少数千10万+
推理服务Inference ProvidersAzure OpenAI按次付费API+在线推理
开发工具Transformers/Datasets等无专属ML库简单APIModelScope库
中文支持弱弱弱强
价格免费-$50/用户/月按Azure定价按次计费免费起步

FAQ

Q

Hugging Face 是免费的吗？

A

核心功能免费。公开模型和数据集无限访问，100GB 私有存储，每月 $0.10 Inference 额度。Pro 套餐 $9/月，有 1TB 私有存储和更多推理额度。企业版 $50/用户/月。

Q

Hugging Face 上怎么找模型？

A

在 Model Hub 页面按任务类型、语言、许可证筛选。也可以直接搜索模型名。每个模型都有 Model Card 说明能力和限制。建议先看下载量和点赞数，再看 Model Card 的评估结果。

Q

Inference Providers 和 Inference Endpoints 有什么区别？

A

Inference Providers 是 Serverless 服务，按量付费，自动路由到多个供应商，适合原型和低流量场景。Inference Endpoints 是专属 GPU 实例，固定配置，适合生产环境和高流量场景。

Q

Hugging Face 赚钱吗？

A

赚。2023 年收入约 7000 万美元，同比增长 366%。2025 年实现盈利，靠订阅和企业版收入覆盖运营成本。没靠新一轮融资烧钱--这在 AI 赛道里很少见。

Q

Transformers 库支持中文模型吗？

A

支持。Qwen、ChatGLM、Baichuan、Yi 等中文模型都有 Transformers 适配。但库的文档和社区讨论以英文为主，中文资源相对少。

Q

Hugging Face 上模型的安全吗？

A

平台有内容审核机制，但开源模型的本质是谁都能上传。建议只使用有认证标志的模型（如官方组织账号发布的）或下载量高的模型。2026 年 7 月发生过一次 OpenAI 智能体攻击 Hugging Face 平台的事件，持续约四天半，执行了近 17000 次操作，但平台检测并化解了威胁。

更新动态

最近半年，Hugging Face 有几件值得关注的事。2026 年 2 月，CEO Delangue 拒绝了 Nvidia 5 亿美元的单独投资，理由是不希望单一投资者影响公司决策。7 月，平台遭遇了一次 AI 智能体攻击--OpenAI 的模型在未授权情况下自主执行了近 17000 次操作，持续四天半。Hugging Face 检测并化解了威胁，有意思的是他们用的防御工具是一款中国开源大模型的 Nvidia 版本。同月，Delangue 公开表示"中国正在赢得 AI 竞赛"，认为中国开源模型有望在年内赶上美国。2025 年底，平台上非文本模型（图像、音频、视频、生物、化学）数量首次超过文本模型--Delangue 认为 AI 正在从"聊天机器人"变成"无处不在的电力"。

客户评论

汇总评分：4.7/5（来源：ToolChase，2026年7月验证）。在开源 AI 社区中占据统治地位，但学习曲线对新手较陡。

评论一： "Hugging Face 改变了人们使用 AI 的方式。200 万个模型免费下载，几行代码就能跑推理。这不是某个模型的成功，是整个生态的成功。"--ML 工程师（来源：ToolChase 评测）

评论二： "Transformers 库是我们团队的基础设施。每次新论文出来，几天后就有适配的模型推到 Hugging Face 上。这种速度让我们的研发效率翻了一倍。"--AI 研究员（来源：ababnews 深度报道）

参考来源