Hugging Face 入門：找模型、看授權、下載

Hugging Face 的 Hub 是目前開放模型最集中的地方，官方文件說上面有超過 200 萬個模型、150 萬個資料集，以及 150 萬個 AI 應用。它比較像一間圖書館：你到這裡找權重、讀說明、確認授權，再把檔案抓回自己的電腦或伺服器執行。

這篇帶你走完一輪：註冊與建立存取權杖、讀懂模型頁、用篩選欄找到要的檔案格式與授權、處理必須先同意條款的 gated 模型，再用官方指令與三行 Python 下載回本機。價格與限制以 2026 年 9 月 14 日查到的官網為準。

三個區：Models、Datasets 與 Spaces

Hub 的內容分成三種倉庫：Models 放權重與設定檔，Datasets 放訓練或評測資料，Spaces 是能在瀏覽器裡直接執行的示範應用。官方文件說三種都是 Git 倉庫，所以模型頁有版本、提交紀錄與差異比較，你下載到的永遠是某一個提交的內容。一個模型倉庫裡通常有權重檔、設定檔、分詞器檔案，以及一份叫 README.md 的說明。

要先分清楚兩件事：檔案能不能下載，和下載之後能怎麼用。前者看倉庫有沒有上鎖，後者看授權條款，兩者不一定一致。

開放權重（Open Weights）：能下載模型，還要確認什麼

開源 AI（Open Source AI）：公開哪些東西才算完整

註冊、存取權杖，還有哪些事不用登入

註冊在首頁右上角的 Sign Up，填電子郵件、密碼與使用者名稱。隱私政策寫明會蒐集你提供的電子郵件、密碼、使用者名稱、全名與付款資料，也會用 cookie 自動蒐集 IP 位址與裝置資訊，要刪除資料可以寫信給政策上的信箱；服務條款要求使用者至少年滿 13 歲。介面以官網當天版本為準。

登入後最該做的是建立存取權杖（token），路徑是設定頁的 Access Tokens 分頁，按 New token。官方文件列出三種角色：fine-grained 只授權到特定模型或組織，read 只能讀你本來讀得到的倉庫，write 另外加上寫入權限。官方建議一個用途發一個權杖，正式用途只用 fine-grained；權杖也可以放進 HF_TOKEN 環境變數。

# huggingface_hub 套件內含 hf 指令
pip install --upgrade huggingface_hub

# 開瀏覽器輸入短碼完成登入，權杖會存在本機
hf auth login

# 確認目前登入的是哪個帳號
hf auth whoami

下載公開模型其實不需要帳號。官方速率限制頁以 5 分鐘為一個時間窗分級：匿名使用者（以 IP 位址計算）是 API 500 次、檔案下載 3,000 次、網頁 100 次，免費帳號是 1,000、5,000、200，PRO 是 2,500、12,000、400。不登入照樣抓得到公開權重，只是配額較緊，官方也說沒帶權杖是被限流最常見的原因。

模型頁怎麼讀：模型卡、Files 與 gated 條款

模型頁上方有幾個分頁：Model card 是說明文件，Files and versions 是檔案清單、大小與提交歷史，Community 是討論與變更請求，倉庫是自己的才會多一個 Settings。頁面上還有 Downloads last month，以及標出任務類型、函式庫與授權的一排標籤；屬於官方支援函式庫的模型會多一個 Use in 某某函式庫的按鈕，直接給你載入用的程式碼。

模型卡就是倉庫裡的 README.md。官方文件說它是一份 Markdown，開頭用三個連字號包住的 YAML 放中繼資料：license 是授權代號，language 是語言，library_name 指定用哪個函式庫載入，pipeline_tag 是任務類型，base_model 指出它從哪個模型微調、量化、合併或做成轉接器而來。頁面上的授權標籤就是 license 欄位的顯示結果，不是有人逐條審查過的結論。

---
license: other
license_name: my-model-license
license_link: LICENSE
library_name: transformers
pipeline_tag: text-generation
base_model: some-org/some-base-model
---

微調（Fine-tuning）：讓既有模型更適合你的任務

低秩適應（LoRA）：少量可訓練參數如何調整模型

有些模型擋在一道同意畫面後面，官方叫它 gated model。作者打開存取請求之後，使用者必須同意把使用者名稱與電子郵件分享給作者才拿得到檔案，作者還能加欄位要你填公司、國家，或勾選只作非商業用途；申請只能在瀏覽器裡送出，一定要先登入。

核准分自動與人工兩種：自動核准按下同意就拿得到檔案，人工核准要等作者處理，被拒絕之後不能再申請。官方也寫明作者隨時可以不預先通知就收回存取權。gated 模型還能額外擋掉歐盟國家的使用者，系統依 IP 位址判斷位置。拿到權限後在程式裡下載仍要帶權杖，通常先跑一次 hf auth login 就好。

Llama 模型家族：授權與版本

用篩選器與 Hub API 找到正確的檔案

Models 頁左側有一整排篩選欄：Tasks、Libraries、Languages、Licenses、Apps、Parameters 還有 Other。官方搜尋說明寫著篩選條件會寫進網址列，篩好可以直接複製分享。想找能給 llama.cpp、Ollama 或 LM Studio 用的量化檔，最直接的做法是用 GGUF 這個函式庫標籤篩選。Hub 另有全文搜尋，官方說它索引模型卡、資料集卡與 Spaces 的 app.py；習慣終端機的話，hf 指令一樣能搜尋、篩選並印出倉庫的檔案樹。

# 篩選條件會寫進網址，可以直接複製分享
# https://huggingface.co/models?library=gguf

# 搜尋、依作者篩選、只看不需要申請的倉庫
hf models ls --search "Qwen3" --author Qwen
hf models ls --no-gated --author google
hf models ls --apps llama.cpp --sort downloads --limit 10

# 看某個倉庫裡有哪些檔案、各佔多大
hf models ls openai/gpt-oss-20b --tree -h

GGUF 量化怎麼選：Q4_K_M、Q8_0、F16 的檔名、檔案大小與記憶體

量化（Quantization）：用較少位元執行模型的取捨

每一個倉庫都有對應的 API 網址，在網域後面接 api、models，再接組織名與模型名。回傳的 JSON 有 createdAt（建立時間）、lastModified、gated（要不要申請、自動還是人工）、downloads 與一組 tags，授權會以 license 開頭的標籤出現在 tags 裡。想確認上架時間與授權，這是最快的方法，公開倉庫也不用登入。

# 公開倉庫不需要權杖
curl -s https://huggingface.co/api/models/openai/gpt-oss-20b

# 只挑出建立時間、要不要申請，以及授權標籤
curl -s https://huggingface.co/api/models/meta-llama/Llama-3.1-8B-Instruct \
  | python3 -c "import json,sys; d=json.load(sys.stdin); print(d['createdAt'], d['gated'], [t for t in d['tags'] if t.startswith('license:')])"

舉例來說，2026 年 9 月 14 日查詢時，openai/gpt-oss-20b 的 createdAt 是 2025-08-04，tags 帶著 license:apache-2.0；meta-llama/Llama-3.1-8B-Instruct 的 createdAt 是 2024-07-18，gated 是 manual，授權標籤是 license:llama3.1。同一個模型的量化版本常由第三方重新上傳，建立日期與授權都要各自確認。

通義千問 Qwen：開放權重模型家族與 Qwen Studio

MiniMax M 系列模型：開放權重、授權條款與 API 價格

下載到自己的電腦：指令、Python 與快取位置

官方套件 huggingface_hub 帶的指令叫 hf。下載整個倉庫就給倉庫名稱，要單一檔案再加檔名；大倉庫可以用 include 與 exclude 只挑要的檔案，也可以先用 dry-run 看會下載幾個檔、總共多大。想放進指定資料夾而不是快取，用 local-dir。

# 先看看會下載什麼，不會真的抓
hf download openai/gpt-oss-20b --dry-run

# 整個倉庫
hf download HuggingFaceH4/zephyr-7b-beta

# 只要單一檔案
hf download openai-community/gpt2 config.json

# 只要 safetensors，排除半精度的那幾個檔
hf download stabilityai/stable-diffusion-xl-base-1.0 --include "*.safetensors" --exclude "*.fp16.*"

# 放到指定資料夾，而不是快取
hf download adept/fuyu-8b --local-dir ./fuyu

from huggingface_hub import hf_hub_download, snapshot_download

print(hf_hub_download(repo_id="google/pegasus-xsum", filename="config.json"))
print(snapshot_download(repo_id="lysandre/arxiv-nlp"))

沒有指定資料夾時檔案會進快取。快取位置由 HF_HOME 決定，預設是家目錄底下的 .cache/huggingface，模型與資料集存在它下面的 hub 子資料夾，權杖也放同一個目錄。硬碟快滿時，hf cache ls 列出快取了哪些倉庫、各佔多少空間，hf cache rm 刪掉指定倉庫，hf cache prune 清掉沒被分支或標籤指到的舊版本與中斷下載的暫存檔。

閱讀完整文字說明

由上而下的五段流程圖。第一段是搜尋與篩選：Models 頁左欄可選 Tasks、Libraries、Languages、Licenses 等篩選欄，要找 GGUF 量化檔就用函式庫標籤篩選，篩選條件會寫進網址列。第二段是讀模型頁：Model card 看說明，Files and versions 是檔案與提交歷史，標籤列顯示任務、函式庫與授權，授權標籤來自模型卡的 YAML。第三段是確認授權與 gated：授權代號是 other 就要去讀倉庫裡的 LICENSE 檔，標籤不是法律意見；gated 模型要登入並按同意，作者可以設自動或人工核准。第四段是下載：hf auth login 之後用 hf download，先加 --dry-run 看檔案大小，預設會存進 HF_HOME 指定的快取，要指定資料夾用 --local-dir。第五段是本機執行：GGUF 檔交給 llama.cpp、Ollama、LM Studio 或 GPT4All，safetensors 交給 transformers 之類的函式庫載入。圖下方註記：下載公開模型不需要帳號，gated 模型一定要登入。

下載回來的檔案交給誰執行取決於格式。官方 GGUF 說明頁列出四個能直接吃 GGUF 的開源工具：llama.cpp、LM Studio、GPT4All 與 Ollama；safetensors 這類檔案則常用 transformers 之類的函式庫載入。先決定用哪個工具再挑檔案，比先抓一堆權重省事。

Ollama 入門：Windows、Mac 安裝與第一個模型

LM Studio 入門：圖形介面跑本機模型

Spaces、方案價格與上傳自己的模型

Spaces 是 Hub 的第三個區，放的是能在瀏覽器裡直接執行的示範應用，官方提供 Gradio、Docker 與純靜態 HTML 三種 SDK。開別人的公開 Space 來試用不用付錢也不用登入，這是在下載幾十 GB 權重之前，先確認一個模型行不行的最省事方法。

自己建立 Space 就有條件。官方文件寫著：靜態 Space 對所有人免費；會跑運算的 Gradio 與 Docker Space 需要付費方案才能建立，個人帳號要 PRO，組織要 Team 或 Enterprise；狀態正常的免費個人帳號仍可放最多 2 個跑在 ZeroGPU 上的 Gradio Space。每個 Space 預設 16 GB 記憶體、2 個 CPU 核心與 50 GB 非永久磁碟，預設的 CPU Basic 硬體不收費，升級按小時計價，CPU Upgrade 每小時 0.03 美元。

方案頁當天列出 PRO 每月 9 美元，Team 每位使用者每月 20 美元，Enterprise 每位使用者每月 50 美元。方案頁沒有另外列免費方案的價目卡，但速率限制頁把 Free user 當成一個層級，所以一般帳號本身不用付費；官網沒有新台幣定價，金額以官網為準。

想把自己微調或量化的模型放上去，建立倉庫的入口是網站上的 New 選單。官方入門文件說 License 欄位可以先留白，之後再到模型卡的 YAML 補上；代號用 other 的時候，把授權全文放進倉庫的 LICENSE 檔，並在 license_name 給它一個名字。模型若是從別人的權重微調而來，上游授權的條款會跟著走。

• AI 工具
• 教學
• AI 寫程式與本機模型