HF

HF

免费Web
访问官网

HF-Mirror是HuggingFace国内公益镜像站,帮助AI开发者快速稳定下载模型与数据集,支持网页与CLI两种方式。

HF访问官网

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:

  1. 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。
  2. 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。

核心功能

1
模型镜像下载
对 Hugging Face 上的各类模型进行国内镜像,用户可在站内搜索模型名称,进入详情页在 Files and Version 区域选择文件下载,覆盖文本生成、图像生成、图像转 3D、图像转视频、图文理解等主流任务类型,下载快速稳定。
2
数据集镜像下载
同步镜像 Hugging Face 上的数据集资源,支持在站内检索并下载,方便开发者为模型训练和微调准备数据,减少因网络问题导致的下载失败和时间浪费。
3
热门排行榜
首页提供实时更新的热门排行,分全部、模型、数据集三个维度展示排名、任务标签、更新时间、下载量和点赞数,帮助开发者快速发现社区热门资源,把握技术趋势。
4
hf CLI 命令行支持
兼容 Hugging Face 官方 hf 命令行工具,通过设置 HF_ENDPOINT 环境变量指向镜像站,即可让所有 huggingface_hub 下载请求走镜像通道,适合批量下载和脚本自动化场景。
5
网页搜索与浏览
提供站内搜索功能,用户可快速定位目标模型或数据集,详情页展示更新时间、下载量、点赞数等元信息,帮助判断资源热度与新鲜度,操作直观无需配置。
6
详细使用教程
官方提供图文教程,详细说明网页下载和 hf CLI 两种方式的操作步骤,包括环境变量设置方法(Linux/macOS 与 Windows PowerShell),新手也能快速上手。
7
Codex Mirror 关联服务
首页推广同团队 Codex Mirror 产品,支持在手机或电脑浏览器远程管理 Codex 会话,查看进度、继续提问、处理确认,可连接自己电脑或使用免费云主机,自备 API Token 可免费使用。

优缺点分析

优点
+下载速度快且稳定,通过国内镜像节点显著改善 Hugging Face 资源访问体验,减少连接中断和下载失败
+完全免费,作为公益项目不收取任何费用,依靠社区捐赠运营,对个人开发者和学生非常友好
+使用方式灵活,同时支持网页直接下载和 hf CLI 命令行下载,兼顾新手与工程化团队需求
+提供热门排行榜和详细教程,帮助用户发现优质资源并快速上手,降低使用门槛
缺点
-资源覆盖依赖镜像同步,可能存在部分模型或数据集更新滞后于 Hugging Face 官方源的情况
-作为公益项目,长期运营依赖捐赠支持,服务稳定性和可持续性存在一定不确定性
-功能相对单一,主要聚焦下载镜像,不提供在线推理、模型托管等 Hugging Face 平台上的其他能力

适用人群

AI 算法工程师与研究人员高校师生及科研人员企业 AI 开发团队开源模型爱好者与个人开发者需要批量拉取模型的数据科学从业者

常见问题

Q: HF-Mirror 是什么?和 Hugging Face 有什么关系?
HF-Mirror 是一个公益性质的镜像站,域名 hf-mirror.com,专门用于镜像 Hugging Face(huggingface.co)的模型和数据集资源。它不是 Hugging Face 官方产品,而是由社区维护的公益项目,目的是帮助国内 AI 开发者绕过网络访问障碍,快速稳定地下载所需资源。用户可以把它理解为 Hugging Face 在国内的高速缓存入口。
Q: 使用 HF-Mirror 需要付费吗?
不需要。HF-Mirror 是公益项目,所有下载服务完全免费,不向用户收取任何费用。项目运营依靠社区捐赠支持,网页左下角提供了捐赠入口,感兴趣的用户可以自愿支持。对于预算有限的学生和个人开发者来说,这是一个非常友好的选择。
Q: 如何在命令行中配置 HF-Mirror 下载?
首先安装或更新 huggingface_hub 包:python -m pip install -U huggingface_hub,然后运行 hf --help 确认命令可用。接着设置环境变量 HF_ENDPOINT 为 https://hf-mirror.com:Linux/macOS 使用 export HF_ENDPOINT=https://hf-mirror.com,Windows PowerShell 使用 $env:HF_ENDPOINT = "https://hf-mirror.com"。如需长期生效,可将该变量写入 shell 配置文件。配置完成后,所有通过 huggingface_hub 发起的下载都会自动走镜像通道。
Q: HF-Mirror 上的模型和 Hugging Face 官方同步吗?
HF-Mirror 会对 Hugging Face 上的模型和数据集进行镜像同步,大部分热门资源都能及时获取。但由于镜像机制的特性,个别资源可能存在更新滞后于官方源的情况。如果发现所需资源尚未同步或版本较旧,可以稍后再试,或关注站内资源的更新时间信息。对于时效性要求极高的场景,建议结合官方源使用。
Q: 网页下载和 hf CLI 下载应该选哪种?
两种方式各有适用场景。网页下载适合下载单个文件或少量资源,操作直观、无需任何配置,新手首选。hf CLI 下载适合需要批量下载、脚本自动化或在服务器环境中使用的开发者,配置一次环境变量后即可长期高效使用。如果只是偶尔下载一两个模型,网页方式更省事;如果是团队工程化使用,建议采用 CLI 方式。