Hugging Faceとは何か

Hub：AIのための「GitHub」

Hub（ハブ）上のリポジトリは、主に次の3種類です。URLもそれぞれ違います。

どれもGitのリポジトリなので、コミット履歴があり、特定の版（リビジョン）を指定して取り出せます。ただし数GB〜数百GBの重みをふつうのGitで扱うのは大変です。そこでHubは大きなファイルを別の保存領域に置き、Gitには「指し示すための小さなファイル」だけを残す仕組みを使っています。以前はGit LFSが使われていましたが、今は独自のストレージ方式 Xet が採用されています（Git LFSも互換性のため引き続き使えます）2026年10月時点。

このほか、バージョン管理のない、S3風に書き換え可能な保存場所「Storage Buckets」も用意されています。学習途中のチェックポイントやログ置き場のような用途向けです。

モデルのページを読む

モデルのページを開いたら、まず次の場所を見るクセを付けましょう。

flowchart TD
  A["モデルのページ"] --> B["Model card
説明書き"]
  A --> C["Files and versions
中身のファイル"]
  A --> D["右側の情報欄"]
  B --> B1["用途・制限・評価"]
  C --> C1["形式と量子化の種類"]
  D --> D1["ライセンス・ダウンロード数
派生モデル"]

モデルカード

モデルカード（model card）は、リポジトリにある README.md そのものです。先頭にYAML形式のメタデータ（ライセンス、対応言語、元になったモデル base_model など）があり、その下に本文が続きます。本文には、想定している用途、限界やバイアス、学習データ、評価結果などが書かれます。

メタデータの base_model を見ると、そのモデルが何から派生したか（微調整・量子化・マージなど）が分かります。ページ右側には、そのモデルから作られた派生モデルの一覧へのリンクも出ます。「公式のGGUF版はあるかな？」と探すときに便利です。

Files and versions

「Files and versions」タブでは実際のファイル一覧が見られます。.safetensors が並んでいれば元の形式、.gguf ならllama.cpp系のツール向けです（第4章・第5章）。GGUFファイルについては、Hub上でメタデータやテンソルの一覧を表示するビューアーもあります。

ライセンスとゲート付きモデル

「Hugging Faceにある＝自由に使える」ではありません。リポジトリごとにライセンスが設定されていて、モデルカードのメタデータ license: に書かれます。apache-2.0 や mit のような一般的なオープンソースライセンスもあれば、モデル独自のライセンスもあります。

表の値はHub APIで確認2026年10月時点。

Llama 3.1のように、ファイルを取得する前に「アクセス申請」が必要なモデルをゲート付きモデル（gated model）と呼びます。申請すると、ユーザー名とメールアドレスがモデルの作者に共有されます。承認は自動の場合と、作者が手動で判断する場合があります。承認されたら、ログインした状態（アクセストークンを使う）でダウンロードします。

データセットとSpaces

データセット

データセットのリポジトリには、翻訳、音声認識、画像分類、LLMの指示学習用データなど、さまざまなデータが置かれています。モデルと同じく「データセットカード」があり、多くのデータセットはブラウザ上の Dataset Viewer で中身の行を眺められます。Pythonからは datasets ライブラリで読み込めます。

Spaces

Spacesは、モデルを試せるデモアプリを公開する場所です。作り方（SDK）は Gradio、Docker、静的HTMLの3種類から選びます。話題の新モデルが出ると、作者や有志がSpaceを作ることが多く、インストールなしでブラウザから試せます。

GPUが必要なデモ向けには ZeroGPU という仕組みがあります。アプリが動くあいだだけGPUを割り当て、終わったら返す共有方式で、既存のZeroGPU Spaceは誰でも無料で使えます（1日の利用枠あり。有料のPROプランは枠が8倍）。一方で、自分でSpaceを作る条件は変わってきています。静的HTMLのSpaceは誰でも無料ですが、GradioやDockerのSpaceを作るには基本的に有料プランが必要で、無料の個人アカウントでもZeroGPU上のGradio Spaceは2つまで持てる、という整理です2026年10月時点。料金や枠はよく変わるので、作る前に公式ドキュメントを確認してください。

道具箱：transformers と仲間たち

Hugging Faceは、Hubと連携するオープンソースのライブラリも作っています。代表的なものを並べます。

ほかにも datasets（データ読み込み）、safetensors（安全な重みの保存形式。2026年4月にPyTorch Foundationへ移管）、diffusers（画像生成）、peft（LoRAなどの軽量微調整、第13章）などがあります。

transformers でテキスト生成を試す最小の例はこうです。

from transformers import pipeline

chat = pipeline("text-generation", model="Qwen/Qwen3.5-0.8B")
messages = [{"role": "user", "content": "日本の首都は？"}]
print(chat(messages, max_new_tokens=50))

初回はモデルが自動でダウンロードされ、~/.cache/huggingface/hub にキャッシュされます。2回目からはネットに取りに行きません。置き場所は環境変数 HF_HOME や HF_HUB_CACHE で変えられます。

hf コマンドでダウンロードする

ターミナルからHubを操作するのが hf コマンドです。以前は huggingface-cli という名前でしたが、2025年7月に hf へ改名されました。古い記事で huggingface-cli login を見かけたら、hf auth login に読み替えてください。

# インストール（pip のほか、公式インストーラや Homebrew もある）
pip install -U huggingface_hub

# ログイン（ゲート付きモデルや非公開リポジトリに必要）
hf auth login

# リポジトリ全体をダウンロード
hf download Qwen/Qwen3.5-0.8B

# GGUFリポジトリから、特定の量子化ファイルだけ取る
hf download ggml-org/Qwen3.5-0.8B-GGUF --include "*Q4_0.gguf" --local-dir ./models

# キャッシュの中身を確認・掃除
hf cache ls
hf cache rm model/gpt2

ダウンロードせずに使う：Inference Providers

大きなモデルを手元で動かすのは大変です。Inference Providers は、Hub上のモデルを提携先の推論サービス（Groq、Together、Fireworks、Cerebrasなど）経由でAPIとして呼べる仕組みです。Hugging Faceのアクセストークン1つで複数の事業者を使い分けられます。

OpenAI互換のAPIになっているので、OpenAIのクライアントの接続先を https://router.huggingface.co/v1 に変えるだけで使えます。モデル名の後ろに :fastest（速い順）や :cheapest（安い順）、事業者名を付けて、どこで動かすかを選べます。

料金は従量課金で、無料ユーザーには月ごとの無料クレジットがなく、使うにはクレジットの購入が必要です。PROユーザーには毎月2ドル分のクレジットが付きます2026年10月時点。

ニュース：Hugging Faceのいま

2026年は、Hugging Faceにとって大きな動きが続いた年でした。

• 2026年2月、llama.cppとGGUFを作ってきたggml.aiのチーム（Georgi Gerganov氏ら）がHugging Faceに合流しました。llama.cppは引き続きオープンソースで、技術的な方針もチームが決めるとしています（第7章）。
• 2026年9月3日、NVIDIAがHugging Faceを約129億ドル（12,930,300,000ドル）で買収することで合意したと発表しました。NVIDIAは、Hugging Faceはブランドを維持し、特定のハードウェアを必須としないオープンなプラットフォームであり続けると述べています。NVIDIAの米証券取引委員会（SEC）への届け出では、規制当局の承認などを条件に2027年前半の完了を見込んでおり、2026年10月時点ではまだ完了していません。