# Hugging Face 怎么用：查找、核对并下载开源模型

> Hugging Face 是一个网站，也是一家公司，用 git 仓库存放开放的 AI 模型、数据集和叫 Spaces 的演示应用。你按任务搜索，读模型的模型卡和许可证，再在浏览器里或用 `hf` 命令行下载文件。免费账号够用来入门，PRO 套餐会提高各项限额。

Mindket 编辑部 · 发布于 2026-11-06 · 更新于 2026-11-06 · https://mindket.com/cn/learn/tools/hugging-face

## 要点

- Hub 上有超过 2M 个模型，所以下载之前先按任务筛选，再核对许可证。
- 公开模型不用令牌也能下载，受限模型则需要账号和作者的批准。
- `hf download` 可以只下载单个文件，`--dry-run` 能在写入任何东西之前先预览。
- Hub 负责存放文件。运行模型要靠别的工具，比如 Transformers、Ollama 或托管的服务商。

## Hugging Face 是什么

Hugging Face 是一家公司，huggingface.co 是它的网站，也就是 Hub，大家在这里分享开放的 AI 模型、数据集和演示应用。Hub 上的一切都放在仓库里，仓库就是带版本管理的文件夹，有提交记录和分支，和 GitHub 仓库很像。[Hub 文档](https://huggingface.co/docs/hub/index)给出的数量是超过 2M 个模型、1.5M 个数据集和 1.5M 个 Spaces，Spaces 是它对托管演示应用的叫法。

你可以在浏览器里用它，也可以在 Python 里用 `huggingface_hub` 库，或者在终端里用它的 `hf` 命令。浏览和下载公开模型是免费的，有没有账号都行。PRO 套餐会提高速率限制，并附带每月可用于托管模型的额度，有些功能，比如托管 Gradio 演示，需要付费套餐。

## Hugging Face 适合做什么

- **为一件事找到开放模型**：在模型页面选一个任务，比如文本生成，再按许可证缩小范围。
- **核对能不能用**：每个模型页面都有模型卡，[许可证徽章](https://huggingface.co/docs/hub/repositories-licenses)在你围绕它开发之前就写明了许可证。
- **下载模型文件**：`hf download` 可以下载整个仓库，也可以只下载你的代码会读的配置和权重，[下载指南](https://huggingface.co/docs/huggingface_hub/guides/download)里有演示。
- **在 Python 里运行模型**：Transformers 的 `pipeline()` 一行就能[从 Hub 加载模型](https://huggingface.co/docs/transformers/pipeline_tutorial)并运行。
- **调用你电脑装不下的模型**：[Inference Providers](https://huggingface.co/docs/inference-providers/index)让同一个访问令牌能连到好几家托管服务商。
- **分享小型演示**：托管在 [Space](https://huggingface.co/docs/hub/spaces-overview) 上的 Gradio 应用会得到一个公开的网址。
- **发布你自己的模型**：一条命令 `hf upload`，就把模型文件夹传到你自己的仓库。

## 什么时候用 Hugging Face，什么时候换别的工具

想要开放模型背后的文件、许可证或代码，就找 Hugging Face。想要一个现成的助手来对话，直接去用聊天产品。

| 你要做的事 | 用 Hugging Face 吗？ | 或者试试 |
| --- | --- | --- |
| 找一个开放模型，核对它的许可证 | 用，Hub 就是干这个的 | Ollama 的模型库，只想要能在 Ollama 里跑的模型时用它 |
| 和助手聊天，或者起草文档 | 不用，这里没有可以聊天的对象 | ChatGPT、Claude 或 Gemini |
| 在自己的电脑上运行开放模型 | 它提供文件，运行要靠别的工具 | Ollama 或 LM Studio |
| 没有自己的 GPU，用代码调用开放模型 | 用，通过 Inference Providers | Ollama，适合小到能在家跑的模型 |
| 把一个小模型演示放到网页上 | 用，把 Gradio 应用放到 Space 上 | 演示只在你自己的电脑上用的话就不需要 |
| 不写代码，连接各个应用并自动执行步骤 | 不用 | n8n 或 Zapier |

## Hugging Face 怎么一步步使用

这六步不需要账号，从模型列表一路走到受限模型，每一步都配了一张网站的截图。

1. 打开 [huggingface.co/models](https://huggingface.co/models)。在 **Tasks**（任务）下点 **Text Generation**（文本生成），再打开 **Sort**（排序）选 **Most downloads**（下载最多）。列表只剩文本生成模型，下载最多的排在最前面。
   ![Hugging Face 的模型页面，Text Generation 任务和 Sort: Most downloads 按钮都用金色圈出。列表第一项是 openai-community/gpt2。](https://mindket.com/blog/screens/hugging-face-hub-1-models-page.webp?v=06434f7bd913)
2. 在页面顶部的搜索框里输入 `gpt2`，下方会弹出匹配的模型菜单，`openai-community/gpt2` 排第一。点开它。
   ![页面顶部的搜索框用金色圈出，里面输入了 gpt2。下方菜单列出模型，openai-community/gpt2 高亮排在第一位。](https://mindket.com/blog/screens/hugging-face-hub-2-search-box.webp?v=d28f4af7c2d1)
3. 打开后就是这个模型的模型卡。模型名下面的标签写着它的任务、能加载它的库和许可证。围绕任何模型开发之前，先找到 **License**（许可证）徽章，这个模型写的是 `mit`。
   ![openai-community/gpt2 的模型页面。模型名下面的标签里，License: mit 用金色圈出。](https://mindket.com/blog/screens/hugging-face-hub-3-model-card.webp?v=d90ce0cc1b40)
4. 点 **Model card**（模型卡）旁边的 **Files and versions**（文件和版本，窗口窄时只显示 **Files**）。这里就是仓库本身：`config.json` 只有 665 字节，存的是设置，`model.safetensors` 存权重，大小 548 MB。
   ![openai-community/gpt2 的 Files 标签用金色圈出，下面是仓库的文件列表，其中有 config.json、model.safetensors 和 pytorch_model.bin。](https://mindket.com/blog/screens/hugging-face-hub-4-files-tab.webp?v=70a8f6b79682)
5. 回到 **Model card**，点 **Use this model**（使用此模型）。菜单里 Libraries 下有 **Transformers**，Notebooks 下有 Google Colab 和 Kaggle，Local Apps 下有 vLLM 这类本地应用。
   ![gpt2 页面上的 Use this model 按钮用金色圈出，菜单已展开：Transformers、Google Colab、Kaggle、vLLM、SGLang 和 Docker Model Runner。](https://mindket.com/blog/screens/hugging-face-hub-5-use-this-model.webp?v=cb7380141bda)
6. 有些模型要先同意条款，才会开放文件。不登录，直接打开 [google/gemma-2-2b](https://huggingface.co/google/gemma-2-2b)，页面上的方框写着必须接受条件才能访问文件，方框底部有 **Log in**（登录）和 **Sign Up**（注册）两个按钮。
   ![google/gemma-2-2b 的模型页面。Access Gemma on Hugging Face 方框用金色圈出，写着要接受条件，方框底部有 Log in 和 Sign Up 两个按钮。](https://mindket.com/blog/screens/hugging-face-hub-6-gated-model.webp?v=6d7fe7c0a76e)

*huggingface.co 截图，拍摄于 2026 年 11 月 6 日。*

> 本页顶部的视频教程会在屏幕上演示这些步骤。登录、创建访问令牌和用 hf 命令下载，第 1 课里都有讲。

## 动手试一个例子

这两行命令先安装库，再预览下载 GPT-2 会取回哪些文件。预览不会写入任何东西，公开模型也不需要令牌，所以可以放心先试。[下载指南](https://huggingface.co/docs/huggingface_hub/guides/download)说明了这个参数。

````bash
pip install -U "huggingface_hub"
hf download openai-community/gpt2 --dry-run
````

- 输出会列出仓库里的文件，以及每个文件会增加多少字节。硬盘上不会多出任何东西。
- 在文档自己的示例里，这个仓库有 26 个文件。体积大多来自同一个模型为别的工具另存的副本，你的运行结果可能列出不同的数字。
- 加上你要的文件名，比如 `hf download gpt2 config.json model.safetensors`，就只下载这几个文件。

## 让结果更好的小技巧

- 先按任务筛选，再按许可证筛选，然后打开模型卡。徽章背后的字段，[模型卡文档](https://huggingface.co/docs/hub/model-cards)里有解释。
- 仓库里把同一份权重存成好几种格式时，下载 `safetensors` 那一份。Transformers 文档说较老的 `.bin` 文件不安全。
- 清理硬盘用[命令行指南](https://huggingface.co/docs/huggingface_hub/guides/cli)里的命令：`hf cache ls` 列出已存的内容，`hf cache rm` 删除你指定的。
- 每台机器、每个应用各建一个[访问令牌](https://huggingface.co/settings/tokens)，作废其中一个时，其余照常工作。
- 老教程里写的是 `huggingface-cli login`。[v1.0 迁移指南](https://huggingface.co/docs/huggingface_hub/concepts/migration)把这个名字列为已移除，现在的命令是 `hf auth login`。

## 需要知道的限制

- 未登录的请求拿到的是最低的[速率限制](https://huggingface.co/docs/hub/rate-limits)，按 IP 地址在每个 5 分钟窗口里计算。超过限制，Hub 会返回 429 错误，通常是因为没有带令牌。
- [受限模型](https://huggingface.co/docs/hub/models-gated)只有在作者批准申请之后才会开放，而且作者以后可以收回权限。围绕它开发之前，先记下一个开放的替代品。
- 许可证徽章只写明是哪种许可证，判断不了你的用法是否合规。模型要进入任何收费产品之前，先把条款读完。
- 在 Space 上托管 Gradio 演示并不是对所有人免费。Spaces 那一课会说明需要哪种套餐。

## YouTube 教程

- [What is Hugging Face? - Models, Datasets & Spaces](https://www.youtube.com/watch?v=qP9mbY3wuWk) (Hugging Face)
- [Hugging Face Tutorial for Beginners](https://www.youtube.com/watch?v=3xLTD5wSBEs) (Prof. Ryan Ahmed)
- [What Is Hugging Face and How To Use It](https://www.youtube.com/watch?v=3kRB2TXewus) (Angel Poon)
- [Deploying AI Models with Hugging Face – Hands-On Course](https://www.youtube.com/watch?v=R8h_gpSpEVU) (freeCodeCamp.org)

## 深入学习 Hugging Face

- [Hugging Face 教程：查找、核对并下载开源模型](https://mindket.com/cn/learn/hugging-face/hugging-face-hub)
- [Transformers pipeline 教程：用 Python 在 CPU 或 GPU 上运行开源模型](https://mindket.com/cn/learn/hugging-face/transformers-pipeline)
- [Hugging Face 推理 API：用 Inference Providers 调用托管的开源模型](https://mindket.com/cn/learn/hugging-face/hugging-face-inference-providers)
- [Hugging Face Spaces 与 Gradio 教程：做一个演示并托管上线](https://mindket.com/cn/learn/hugging-face/gradio-spaces)

## 常见问题

### Hugging Face 免费吗？

基础功能免费。注册账号、浏览和下载公开模型都不花钱。PRO 套餐会提高速率限制，并附带每月可用于托管模型的额度，免费账号没有每月额度，但可以自己购买。

### 下载模型需要账号吗？

公开模型不需要。受限模型要有账号和作者的批准，未登录的下载还会拿到最低的速率限制。有免费账号加访问令牌就能解除这些限制，写脚本时这是更好的默认做法。

### 什么是模型卡？

它是模型仓库的 README，显示在模型页面的上方。开头的一段元数据决定了许可证徽章、任务标签和各种筛选器，下面的正文说明这个模型适合做什么、怎么用。

### 什么是受限模型？

作者要求你先提交申请、文件才会开放的模型。你登录后同意他们的条件，自动审批时文件马上开放。人工审批要等作者处理，而且作者以后可以随时取消你的访问权限。

### 怎样从 Hugging Face 下载模型？

在模型页面点 **Files and versions**，可以在浏览器里下载单个文件，也可以运行 `hf download` 加上仓库名。加上文件名就只下载这些文件，加 `--dry-run` 先预览。

### Hugging Face 上的模型能用在我卖的产品里吗？

要看模型卡上的许可证。`apache-2.0` 和 `mit` 这样的许可证比较宽松，`cc-by-nc-4.0` 禁止商用，`license: other` 则指向你必须读完的自定义条款。

### Hugging Face 和 Ollama 有什么区别？

Hugging Face 存放模型文件和加载它们的代码。Ollama 下载模型并在你的电脑上运行，还能用 `ollama run hf.co/{username}/{repository}` 从 Hub 拉取 GGUF 仓库。

## 资料来源

- [Hugging Face Hub documentation](https://huggingface.co/docs/hub/index) (2026-11-05 查阅)
- [Hugging Face Hub: Model cards](https://huggingface.co/docs/hub/model-cards) (2026-11-05 查阅)
- [Hugging Face Hub: Licenses](https://huggingface.co/docs/hub/repositories-licenses) (2026-11-05 查阅)
- [Hugging Face Hub: Gated models](https://huggingface.co/docs/hub/models-gated) (2026-11-05 查阅)
- [Hugging Face Hub: User access tokens](https://huggingface.co/docs/hub/security-tokens) (2026-11-05 查阅)
- [Hugging Face Hub: Rate limits](https://huggingface.co/docs/hub/rate-limits) (2026-11-05 查阅)
- [huggingface_hub: Command Line Interface (CLI)](https://huggingface.co/docs/huggingface_hub/guides/cli) (2026-11-05 查阅)
- [Hugging Face: Download files from the Hub](https://huggingface.co/docs/huggingface_hub/guides/download) (2026-11-05 查阅)
- [huggingface_hub: Migrating to v1.0](https://huggingface.co/docs/huggingface_hub/concepts/migration) (2026-11-05 查阅)
- [Hugging Face Hub: Spaces overview](https://huggingface.co/docs/hub/spaces-overview) (2026-11-05 查阅)
- [Inference Providers overview](https://huggingface.co/docs/inference-providers/index) (2026-11-05 查阅)
- [Transformers: Pipeline](https://huggingface.co/docs/transformers/pipeline_tutorial) (2026-11-05 查阅)

[开始这一课](https://mindket.com/cn/learn/hugging-face/hugging-face-hub)