产品简介
Hugging Face 是全球最大的 AI 开源社区和模型托管平台，被称为「AI 界的 GitHub」。平台拥有超过 1800 万开发者，托管 300 万+ 开源模型、50 万+ 数据集和 100 万+ AI 应用 demo（Spaces），几乎所有重要的开源 AI 模型都会在 Hugging Face 上发布。
Hugging Face 不仅是模型仓库，还提供 Transformers 等核心开源库、Inference API、训练平台（AutoTrain）等开发工具链，是 AI 开发者的必备平台。
🔥 2026/9/3 被 NVIDIA 收购：NVIDIA 宣布以约 129.3 亿美元收购 Hugging Face，对价含约 119 亿美元现金与最高 10 亿美元员工股权留任计划，预计 2027 年上半年完成交割，尚待监管批准。黄仁勋承诺 Hugging Face 将作为独立业务单元运营，保持平台中立开放，不强制绑定 NVIDIA 算力。此前 2026 年 5 月，Hugging Face 完成 5 亿美元 D 轮融资，投后估值 80 亿美元。同时 Spaces 已全面接入 MCP（Model Context Protocol）：任何 AI 应用/机器人（如 Reachy Mini）可直接通过 MCP 调用 Spaces 上的公开工具（语音、视觉、生成、外部模型），把 Hugging Face 从「模型仓库」升级为「AI 工具市场」。
核心功能
- 200 万+开源模型：全球最大的 AI 模型库，涵盖 NLP、CV、音频、多模态等各领域
- Spaces 应用托管：托管和分享 AI 应用 demo，Gradio/Streamlit 应用一键部署，支持 MCP 协议和实时语音等新功能
- Transformers 库：最流行的 AI 模型库，几行代码即可加载和使用任何模型
- Inference API：通过 API 调用平台上的模型，无需自己部署
- Datasets 数据集：10 万+开源数据集，方便模型训练和评测
- AutoTrain：无需代码的模型微调工具，上传数据即可训练
适合谁用
以下类型的用户会特别受益于 Hugging Face：
- AI 研究者和开发者寻找和使用开源模型
- 企业团队评估和部署开源 AI 方案
- AI 学习者的模型实验和练习
- 开源模型的分享和社区协作
- 快速构建 AI 应用原型
优点亮点
- 最大的模型库：几乎所有重要开源模型都在这里
- 完全免费：基础功能和大量资源免费使用
- Transformers 库生态：Python AI 开发的标准库
- 社区活跃：论文复现、讨论、协作氛围好
- Spaces 方便：快速分享 AI demo，支持 MCP 协议和实时语音等新功能
价格与方案
Hugging Face 基础功能完全免费（模型下载、Spaces 托管、社区功能）。Pro $9/月（更多 Spaces 资源、私有模型、提前体验新功能）。Enterprise Hub 按需报价（企业级安全、SSO、审计）。Inference Endpoints 按 GPU 使用量计费。
总结与建议
Hugging Face 是 AI 开发者的「必备平台」，无论你是想找模型、分享项目还是学习 AI，都绕不开它。对开发者来说，它的地位就像 GitHub 之于软件开发。被 NVIDIA 以 129.3 亿美元收购后，平台承诺继续保持中立开放，开发者生态短期不受影响。非技术用户可能用不上，但如果你涉及 AI 开发工作，不注册 Hugging Face 说不过去。
版本演进
- Hugging Face Changelog 新增两项动态：Jobs 页面新增 Resources 面板，可实时显示 C （2026-09-25）：Hugging Face Changelog 新增两项动态：Jobs 页面新增 Resources 面板，可实时显示 CPU、RAM、GPU、VRAM 使用情况；LeRobot 数据集页面新增 episode 预览功能，支持多摄像头同步播放与悬停预览。
- Hugging Face 发布 Workflow1111，用 gr.Workflow 复刻 AUTOMATIC1111 主要功能 （2026-09-10）：Hugging Face 发布 Workflow1111，用 gr.Workflow 以 73 个节点、11 条媒体管线在单一工作流画布上重建 AUTOMATIC1111 的大部分功能，覆盖文生图、高分辨率修复、图生图、LLM 写提示词、图像反推提示词、检测生成 inpaint 蒙版、提示词矩阵、放大与背景移除、ControlNet 式标注器、PNG Info 与图生视频。画布节点由 fn、model、space、dataset 四种算子构成，约三分之二可断网运行；每个输出节点自动成为类型化 REST API 端点（共 9 个），也可作为 MCP 工具供 Claude Code、Cursor 等客户端调用。工作流已在 Hugging Face Space 上线，可在线体验、复制改造或在自己 GPU 上运行。
- NVIDIA 宣布以 129.3 亿美元收购 Hugging Face，承诺维持开放平台 （2026-09-03）：NVIDIA 宣布已达成最终协议，以约 129.3 亿美元（约合 870.9 亿元人民币）收购 Hugging Face，对价含约 119 亿美元现金与最高 10 亿美元的员工股权留任计划，交易预计 2027 年上半年完成交割，尚待监管批准。黄仁勋表示 Hugging Face 将作为独立业务单元运营，保持平台中立开放：开发者可自由选择模型、框架、云服务商与计算平台，NVIDIA 算力不作为绑定要求，平台继续支持多云与多加速器部署。平台目前有超 1800 万开发者，托管 300 万+ 模型、50 万+ 数据集与 100 万+ 应用，超 20 万家企业使用。
- Hugging Face 发布 @huggingface/kernels，提供 207 个 WebGPU 内核用于浏览器 （2026-09-01）：Hugging Face WebAI 团队发布 @huggingface/kernels 库及 207 个以独立仓库形式托管在 Hub 上的 WebGPU 内核（Apache-2.0），每个内核带 manifest、正确性测试、基准用例和 WGSL 着色器模板。
- 测量语音识别中的基准优化：Hugging Face 新测试揭示 ASR 模型"刷分"现象 （2026-08-21）：Hugging Face 最新研究引入三项测试量化语音识别中的基准优化（benchmaxxing）现象。对 11 个开源 ASR 模型的评估显示，多个高分系统会复现 VoxPopuli 和 LibriSpeech 基准的错误转录文本，即使音频内容与之矛盾。部分模型甚至依赖声学线索识别基准来源，导致其得分高估了真实转录能力。
- Hugging Face 发布 LFM2.5 系列 DSpark 草稿模型，推理速度最高提升 3.18 倍 （2026-08-20）：Hugging Face 发布 LFM2.5 系列三款模型的 DSpark 草稿模型检查点，通过投机解码在不改变输出质量的前提下，GPU 吞吐最高提升 3.18 倍，端侧最高 2.87 倍。草稿模型约 300M 参数，LFM2.5-2.6B 函数调用延迟平均降低 57%，已开源支持 llama.cpp 和 SGLang。
- SGLang 宣布 Day-0 支持 NVIDIA Nemotron 3.5 Lightning （2026-08-11）：SGLang 宣布对 NVIDIA Nemotron 3.5 Lightning 提供 Day-0 支持，该开源模型为 30B 总参数、3B 激活参数的混合专家架构，支持最长 1M token 上下文，可从 Hugging Face 下载 BF16 和 NVFP4 权重。模型支持 MTP、DFlash、DSpark 三种投机解码技术，并可通过 OpenAI 兼容 API 接入智能体工作流。
- FeyNoBg 发布：开源自动背景去除模型，在四项基准上达到 SOTA （2026-07-28）：Feyn Labs 推出 FeyNoBg，一个用于自动背景去除的 SOTA 模型。它在八个基准测试中的四项上取得最佳 S-measure 分数，其余四项与领先者差距在 2% 以内。该模型基于 BiRefNet 架构，参数量从 222M 扩展至 263M，同时开源了训练库 NoBg，模型和代码分别可在 Hugging Face 和 GitHub 获取。
- 微软 MagenticLite 模型全面开源 （2026-07-22）：MagenticLite 的模型现已完全开源。 此前在 Microsoft Foundry 上提供的 MagenticBrain 和 Fara 1.5，现已在 Hugging Face 上开放权重。 该应用、测试工具以及堆栈中的每个模型现已全部开放。
- 上海科学智能研究院开放科学多模态基础模型"神珍" （2026-07-20）：上海科学智能研究院开放科学多模态基础模型"神珍"，总参数约110亿，可处理DNA、RNA、蛋白质、小分子、地球系统和医学影像六类数据。在生物序列20项任务中，该模型9项取得最优结果；医学影像分割平均Dice得分91.20，在7种参评方法中最优。模型权重及代码已在星河启智、Hugging Face和GitHub开放。