# Hugging Face

> Компания и платформа-хаб для открытых моделей, датасетов и демо, а также набор библиотек — Transformers, Datasets, Tokenizers, PEFT, Accelerate.

Источник: https://llmdocs.ru/wiki/hugging-face/ · обновлено 2026-11-09 · лицензия CC BY-SA 4.0

- **Основана**: 2016, Нью-Йорк
- **Основатели**: Клеман Деланг, Жюльен Шомон, Тома Вольф
- **Продукты**: Hub (модели, датасеты, Spaces), библиотеки, Inference Endpoints
- **Ключевые библиотеки**: transformers, datasets, tokenizers, huggingface_hub, peft, accelerate, diffusers
- **Формат весов**: safetensors
- **Сайт**: huggingface.co
**Hugging Face** — компания и одноимённая платформа, ставшая центральным хранилищем открытых моделей [машинного обучения](https://llmdocs.ru/wiki/machine-learning.md). На **Hub** размещены миллионы моделей, сотни тысяч датасетов и интерактивных демо (Spaces) — от классических BERT до открытых [больших языковых моделей](https://llmdocs.ru/wiki/llm.md) Llama, Qwen, Mistral и DeepSeek. Вторая половина экосистемы — библиотеки на [Python](https://llmdocs.ru/wiki/python.md), прежде всего **Transformers**, позволяющие загрузить и запустить почти любую модель в несколько строк.[1]

## История

Компания основана в 2016 году в Нью-Йорке французскими предпринимателями и начинала с чат-бота для подростков (отсюда название — эмодзи 🤗 «обнимающее лицо»). В 2018 году команда выложила PyTorch-реализацию модели BERT, которая быстро превратилась в библиотеку `pytorch-transformers`, а затем `transformers` — единый интерфейс к десяткам архитектур [трансформеров](https://llmdocs.ru/wiki/transformer.md).[3] Вокруг библиотеки вырос Hub, и компания сменила профиль на платформу для открытого ИИ. Hugging Face также участвует в открытых исследованиях: модель BLOOM (проект BigScience), семейство SmolLM, наборы данных FineWeb.

## Hub

Hub устроен как «GitHub для моделей»: каждая модель, датасет или Space — это [Git](https://llmdocs.ru/wiki/git.md)-репозиторий с большими файлами в LFS-подобном хранилище.[1]

- **Карточка модели** (model card) — README с описанием, назначением, ограничениями, лицензией и метаданными для поиска.[4]
- **Версии** — коммиты и ветки; загрузку можно закрепить за конкретной ревизией.
- **Доступ** — открытые, закрытые и «gated» модели, требующие принять лицензию.
- **Spaces** — демо-приложения на Gradio, Streamlit или в [Docker](https://llmdocs.ru/wiki/docker.md).
- **Таблицы лидеров**, сравнение моделей, наборы (collections), обсуждения и pull request прямо в репозитории.

Для безопасности Hub продвигает формат **safetensors**: в отличие от `pickle`-файлов PyTorch, он хранит только тензоры и не может выполнить произвольный код при загрузке.[5] Файлы также сканируются на вредоносное содержимое.

```bash
pip install -U huggingface_hub
hf auth login                                   # токен для закрытых моделей
hf download Qwen/Qwen3-8B --local-dir ./qwen3   # скачать репозиторий
```

Скачанное кэшируется в `~/.cache/huggingface`; переменная `HF_HOME` меняет расположение, `HF_HUB_OFFLINE=1` включает автономный режим.[6]

## Библиотеки

| Библиотека | Назначение |
|---|---|
| `transformers` | модели и пайплайны для текста, изображений, звука; обучение через `Trainer` |
| `datasets` | загрузка и обработка датасетов с отображением в память (Apache Arrow) |
| `tokenizers` | быстрые токенизаторы на Rust (см. [Токен и токенизация](https://llmdocs.ru/wiki/tokenization.md)) |
| `huggingface_hub` | работа с Hub из кода и CLI |
| `peft` | эффективное дообучение: LoRA и другие адаптеры (см. [Fine-tuning и LoRA](https://llmdocs.ru/wiki/fine-tuning-lora.md)) |
| `accelerate` | запуск на многих GPU и в смешанной точности без переписывания кода |
| `diffusers` | диффузионные модели для генерации изображений и видео |
| `sentence-transformers` | модели [эмбеддингов](https://llmdocs.ru/wiki/embedding.md) для поиска |
| `trl` | дообучение по предпочтениям (DPO, RLHF) |

```python
from transformers import pipeline

clf = pipeline("sentiment-analysis", model="blanchefort/rubert-base-cased-sentiment")
print(clf("Документация наконец-то понятная!"))

chat = pipeline("text-generation", model="Qwen/Qwen3-0.6B", device_map="auto")
print(chat([{"role": "user", "content": "Что такое GIL?"}], max_new_tokens=200))
```

Transformers работает поверх [PyTorch](https://llmdocs.ru/wiki/pytorch.md); для продакшен-инференса языковых моделей чаще используют специализированные серверы — [vLLM, TGI, SGLang](https://llmdocs.ru/wiki/vllm.md), которые загружают модели прямо с Hub. Квантованные версии моделей в формате [GGUF](https://llmdocs.ru/wiki/gguf.md) для [локального запуска](https://llmdocs.ru/wiki/local-llm.md) тоже публикуются на Hub.

## Коммерческие услуги

Inference Endpoints (выделенные серверы для модели), Inference Providers (единый API к моделям у разных провайдеров), платные аккаунты PRO и Enterprise с приватными хранилищами и SSO.

## Доступность из России

Сайт и загрузка моделей работают с перебоями; распространённые обходы — зеркала (переменная `HF_ENDPOINT`), предварительное скачивание через сервер за рубежом и локальное хранение моделей.

## См. также

- [Трансформер (архитектура)](https://llmdocs.ru/wiki/transformer.md)
- [PyTorch](https://llmdocs.ru/wiki/pytorch.md)
- [Fine-tuning и LoRA](https://llmdocs.ru/wiki/fine-tuning-lora.md)
- [GGUF](https://llmdocs.ru/wiki/gguf.md)
- [MLflow](https://llmdocs.ru/wiki/mlflow.md)

## Источники

1. [Hugging Face Hub — документация](https://huggingface.co/docs/hub/index)
2. [Transformers — документация](https://huggingface.co/docs/transformers/index)
3. [Wolf et al. — Transformers: State-of-the-Art Natural Language Processing (2020)](https://aclanthology.org/2020.emnlp-demos.6/)
4. [Hugging Face — Model Cards](https://huggingface.co/docs/hub/model-cards)
5. [safetensors — документация](https://huggingface.co/docs/safetensors/index)
6. [huggingface_hub — CLI](https://huggingface.co/docs/huggingface_hub/guides/cli)