Hugging Face国内可以用吗？2026年设置镜像的3种方法

国内可以直接使用 Hugging Face 官方站点，但下载模型和数据集时速度较慢，推荐通过镜像站 hf-mirror.com 加速。该镜像是一个公益项目，专门为国内 AI 开发者提供稳定、快速的模型与数据集下载通道。下面介绍 2026 年设置镜像的 3 种方法，均基于 hf-mirror.com 的现有功能。

方法一：网页直接下载

打开 hf-mirror.com 主页，在搜索框输入需要的模型或数据集名称。进入模型详情页后，点击 "Files and Versions" 标签，即可找到各个文件的下载链接。这种方法适合偶尔下载少量模型，无需安装任何工具，直接通过浏览器保存文件即可。注意选择与框架版本匹配的权重文件。

方法二：使用 huggingface-cli 命令行工具

先安装依赖：pip install -U huggingface_hub。然后设置环境变量，让 huggingface-cli 将请求转发到镜像站。Linux/macOS 执行 export HF_ENDPOINT=https://hf-mirror.com，Windows PowerShell 执行 $env:HF_ENDPOINT = "https://hf-mirror.com"。之后用 huggingface-cli download 模型名 即可自动从镜像下载。对于需要批量下载或集成到 CI/CD 的场景，这个方法很实用。

方法三：通过集成算力平台使用镜像

部分国内算力平台已与 hf-mirror.com 合作，内置了镜像加速。例如趋动云（平台主页有 “HF Mirror x 趋动云” 入口），用户注册后创建项目，在模型选择阶段可以直接从镜像拉取，无需手动配置环境变量。这种方式更适合在云端进行模型训练或推理，省去了本地配置的麻烦。

三种方法覆盖了从轻量使用到深度集成的不同需求。方法一适合临时下载，方法二适合开发者日常使用，方法三适合需要算力资源的企业或团队。无论选择哪种，都不需要额外操作网络设置——Hugging Face 官方主站本身可访问，镜像只是让下载更快。如果您只是测试，直接访问官方站也能完成基本操作。

安装核心库（Transformers、Datasets、Tokenizers）时，建议先创建 Python 虚拟环境，再执行 pip install transformers datasets tokenizers。配合镜像设置，训练和推理的效率会明显提升。2026 年这些方法仍然有效，镜像站会持续维护，让国内用户能顺畅使用全球最大的 AI 模型社区。