详细介绍
工具简介
HF-Mirror(域名 hf-mirror.com)是一个专门用于镜像 Hugging Face(huggingface.co)域名的公益项目。Hugging Face 是全球最大的 AI 模型与数据集托管平台,汇聚了海量开源大模型、图像生成模型、语音模型以及配套数据集,但由于网络访问限制,国内开发者在直接访问 huggingface.co 时经常遇到下载缓慢、连接中断甚至无法访问的问题。HF-Mirror 正是为解决这一痛点而生,它通过镜像方式将 Hugging Face 上的模型和数据集资源同步到国内可高速访问的服务器上,让 AI 开发者能够快速、稳定地获取所需资源。
作为一个非商业性质的公益项目,HF-Mirror 不向用户收取任何费用,运营依靠社区捐赠支持,网页左下角提供了捐赠入口。站点的核心目标非常明确:帮助国内 AI 开发者节省下载模型和数据集的时间成本,把精力真正投入到模型训练、推理和应用开发中去。无论是个人研究者、高校学生,还是企业 AI 团队,都可以借助 HF-Mirror 显著提升工作效率。
主要功能
模型与数据集镜像下载
HF-Mirror 最核心的功能是对 Hugging Face 上的模型(Models)和数据集(Datasets)进行镜像。用户可以直接在 hf-mirror.com 站内搜索自己需要的模型或数据集,进入对应的详情页后,在 Files and Version(文件与版本)区域选择并下载所需文件。镜像站会同步展示模型的更新时间、下载量、点赞数等元信息,帮助用户判断资源的热度与新鲜度。例如首页热门排行中可以看到 text-generation、image-to-3d、text-to-image、image-to-video、image-text-to-text 等多种任务类型的模型,覆盖了当前 AI 领域的主流方向。
热门排行榜
站点首页提供了一个实时更新的热门排行榜,分为全部、模型、数据集三个维度,并标注了更新时间(如示例中显示的 2026-11-12 02:28:36)。排行榜展示了每个资源的排名、名称、任务标签、更新时间以及下载量与点赞数,例如排名靠前的模型可能拥有 143.0k 的下载量和 653 个点赞,也有模型累计达到 2.8M 下载量和 11.5k 点赞。这一功能帮助开发者快速发现社区中炙手可热的模型和数据集,把握技术趋势。
hf CLI 命令行下载支持
除了网页下载,HF-Mirror 还支持通过 Hugging Face 官方命令行工具 hf CLI 进行下载。hf 命令行工具随 huggingface_hub Python 包一起安装,用户只需执行 python -m pip install -U huggingface_hub 即可安装或更新,随后运行 hf --help 确认命令可用。关键在于设置环境变量 HF_ENDPOINT 指向 https://hf-mirror.com:在 Linux / macOS 中使用 export HF_ENDPOINT=https://hf-mirror.com,在 Windows PowerShell 中使用 $env:HF_ENDPOINT = "https://hf-mirror.com"。如需长期生效,可将该环境变量写入 shell 配置文件。设置完成后,所有通过 huggingface_hub 生态发起的下载请求都会自动走镜像通道,极大方便了脚本化、批量化的模型拉取。
Codex Mirror 关联产品
HF-Mirror 首页还推广了同团队的新产品 Codex Mirror(codex-mirror.com),用于远程管理所有 Codex 会话。用户可以在手机或电脑浏览器中以原生体验在线使用 Codex,查看任务进度、继续提问、处理确认事项。该产品支持连接自己的电脑或使用免费云主机,费用方面自备 API Token 可免费使用,也可选购平台 Token(注册即赠额度)。这一关联产品为开发者提供了从模型下载到 AI 编程辅助的延伸服务。
使用方法
HF-Mirror 提供了两种清晰的使用路径,满足不同习惯的开发者:
- 网页下载:直接在浏览器打开 hf-mirror.com,在站内搜索目标模型或数据集名称,进入详情页后在 Files and Version 区域选择需要的文件进行下载。这种方式适合下载单个文件或少量资源的场景,操作直观、无需配置。
- hf CLI 下载:先通过 pip 安装或更新 huggingface_hub 包,确认 hf 命令可用;然后设置 HF_ENDPOINT 环境变量指向镜像站;之后即可使用 hf 命令行工具下载模型和数据集。这种方式适合需要批量下载、脚本自动化或在服务器环境中使用的开发者。
官方还提供了详细的图文教程(知乎专栏文章),对每一步操作都有说明,新手也能快速上手。对于不熟悉命令行的用户,网页下载是最低门槛的选择;而对于需要集成到训练流水线中的团队,环境变量加 CLI 的方式则更为高效。
产品优势
| 对比维度 | HF-Mirror | 直接访问 Hugging Face |
|---|---|---|
| 访问速度 | 国内高速镜像,下载稳定 | 受网络环境影响,时常缓慢或中断 |
| 费用 | 完全免费,公益项目 | 免费但网络成本高 |
| 资源覆盖 | 镜像模型与数据集,含热门排行 | 全量资源 |
| 使用方式 | 网页 + hf CLI 双通道 | 网页 + CLI |
总结来看,HF-Mirror 的优势主要体现在三个方面:速度快,通过国内镜像节点显著提升下载速度;稳定可靠,减少因网络问题导致的下载失败;零成本,作为公益项目不收取任何费用,依靠社区捐赠维持运营。此外,站点还提供热门排行榜和详细教程,降低了新手的使用门槛。
应用场景
- 大模型微调与训练:开发者需要下载基座模型(如各类 text-generation 模型)和配套数据集,HF-Mirror 可大幅缩短准备时间。
- 多模态应用开发:图像生成、图像转 3D、图像转视频、图文理解等模型均可通过镜像快速获取。
- 学术研究与教学:高校师生在实验室或校园网环境中稳定下载模型与数据集,便于复现实验。
- 企业 AI 团队:在 CI/CD 或训练流水线中通过 HF_ENDPOINT 环境变量统一走镜像,提升工程效率。
- 个人学习体验:AI 爱好者通过网页直接下载感兴趣的开源模型,低成本探索前沿技术。
目标用户
HF-Mirror 面向所有需要访问 Hugging Face 资源的国内用户,尤其是 AI 算法工程师、研究人员、高校师生、企业 AI 团队以及开源模型爱好者。对于网络条件受限但希望紧跟开源社区步伐的开发者来说,它是一个实用且可靠的基础设施型工具。


