Hugging Face

Hugging Face는 AI 기업이자 오픈소스 커뮤니티로, Hub는 머신러닝 모델, 데이터셋, 데모 애플리케이션을 게시하고 검색하며 다운로드하는 중심 플랫폼입니다. 2026년 10월 기준 Hub에는 대규모 언어 모델 (LLM)과 비전 트랜스포머부터 음성, 로보틱스, 객체 탐지 체크포인트까지 310만 개가 넘는 모델과 100만 개의 데이터셋이 등록되어 있습니다. 또한 회사는 널리 사용되는 오픈소스 라이브러리를 관리하며, 그중 Transformers가 대표적입니다.

Clément Delangue, Julien Chaumond, Thomas Wolf는 2016년 뉴욕에서 포옹하는 얼굴 이모지에서 이름을 딴 청소년용 챗봇 앱 형태로 회사를 설립했습니다. 회사가 PyTorch로 포팅한 Google의 BERT는 2018년 11월에 공개된 뒤, 회사가 챗봇에서 오픈소스 도구로 전환하면서 Transformers로 발전했습니다. 2026년 9월 NVIDIA는 Hugging Face를 약 129억 달러에 인수하기로 합의했고, 규제 승인을 전제로 2027년 상반기에 거래가 완료될 것으로 예상되는 가운데 Hugging Face는 개방형 플랫폼으로서 브랜드를 유지합니다.

Hub#

Hub의 모든 모델, 데이터셋, Space는 전체 버전 기록을 포함하는 Git 저장소입니다. 가중치와 같은 대용량 파일은 Hugging Face의 스토리지 백엔드인 Xet에 저장됩니다. Xet은 데이터를 청크 단위로 중복 제거하므로 체크포인트를 수정해 업로드하면 변경된 청크만 전송됩니다. Hub는 세 가지 유형의 저장소를 호스팅합니다.

• 모델: 모델 가중치, 구성 파일, 그리고 라이선스, 학습 데이터, 평가 결과, 제한 사항을 기록한 메타데이터가 포함된 README인 모델 카드입니다. 많은 저장소가 코드를 실행하지 않고도 로드할 수 있는 형식인 safetensors로 가중치를 저장합니다. 게이트된 저장소에서는 다운로드 전에 사용자가 소유자의 약관에 동의해야 합니다.
• 데이터셋: 데이터셋 카드와 브라우저 내 뷰어가 포함된 데이터 파일입니다. datasets 라이브러리는 Apache Arrow를 통해 데이터를 로드하며, 다운로드하기에 너무 큰 데이터셋도 스트리밍할 수 있습니다.
• Spaces: Gradio, Docker 또는 정적 HTML로 구축한 호스팅 데모 앱이며, 브라우저에서 새 모델을 시험해 볼 수 있는 가장 빠른 방법인 경우가 많습니다.

Inference Providers는 Hub 모델에 대한 API 요청을 파트너 서버리스 제공업체로 라우팅하고, Inference Endpoints는 전용 하드웨어에 모델을 배포합니다. 일반적인 프로젝트는 다음과 같은 순서로 Hub를 이용합니다.

오픈소스 라이브러리#

• Transformers: 텍스트, 비전, 오디오, 멀티모달 작업을 위한 모델 정의와 사전 학습 가중치를 단일 API로 제공합니다. 여기에는 몇 줄의 코드로 작업을 실행하는 pipeline 함수도 포함됩니다. 현재 5번째 메이저 버전까지 출시되었습니다.
• Diffusers: 이미지, 비디오, 오디오를 생성하는 디퓨전 모델용 파이프라인입니다.
• Datasets 및 Tokenizers: 빠른 데이터 로딩과 처리 기능, 그리고 모델이 사용하는 토큰화 방식을 빠르게 구현한 Rust 라이브러리를 제공합니다.
• PEFT 및 TRL: LoRA와 같은 파라미터 효율 미세 조정 방법 및 언어 모델을 정렬하기 위한 직접 선호도 최적화와 같은 사후 학습 방법입니다.
• timm, LeRobot 및 smolagents: PyTorch 이미지 모델, 로봇 학습 데이터셋과 정책, 경량 AI 에이전트입니다.

Hub에서 모델 다운로드하기#

huggingface_hub 라이브러리는 리포지토리의 파일을 다운로드해 로컬에 캐시하므로 이후 호출에서는 캐시된 사본을 재사용합니다. Ultralytics는 Ultralytics/YOLO26 리포지토리에 YOLO26 체크포인트를 공개하며, 탐지, 세그멘테이션, 분류, 포즈 추정, 회전 박스용으로 각각 5가지 크기를 제공합니다.

from huggingface_hub import hf_hub_download
from ultralytics import YOLO

# Hub의 Ultralytics 저장소에서 YOLO26n 가중치를 다운로드합니다 (첫 호출 이후에는 캐시됨).
weights = hf_hub_download(repo_id="Ultralytics/YOLO26", filename="yolo26n.pt")

# 다운로드한 체크포인트를 로드하고 탐지를 실행합니다.
model = YOLO(weights)
results = model("https://ultralytics.com/images/bus.jpg")
results[0].save(filename="bus_detections.jpg")

hf_hub_download은 로컬 Hugging Face 캐시에 있는 yolo26n.pt의 경로를 반환하며, 저장된 이미지에는 버스 사진에서 YOLO26n이 탐지한 결과가 표시됩니다.

Hugging Face와 관련 플랫폼 비교#

• GitHub: Git 저장소에서 소스 코드를 호스팅합니다. Hugging Face Hub도 Git을 사용하며, 머신러닝 아티팩트에 필요한 기능인 수 기가바이트 규모의 가중치 저장소, 모델 및 데이터셋 카드, 데이터셋 뷰어, 호스팅 추론을 추가로 제공합니다.
• 모델 저장소: PyTorch Hub와 같은 프레임워크별 컬렉션은 하나의 라이브러리를 통해 모델을 불러옵니다. Hub는 다양한 라이브러리의 모델을 제공하며, 각 모델에는 해당 모델을 불러오는 라이브러리가 태그로 표시됩니다.
• 모델 레지스트리: 팀의 모델 버전, 단계, 배포 승인 상태를 추적하는 비공개 카탈로그로, 대개 MLOps 플랫폼 내부에서 운영됩니다.

실제 적용 사례#

• 오픈 모델 파인튜닝: 팀은 오픈 웨이트 LLM을 다운로드해 LoRA로 조정한 다음, 모델 전체를 다시 업로드하는 대신 작은 어댑터 파일을 Hub에 푸시합니다.
• 재현 가능한 연구: 논문은 가중치와 데이터셋을 Hub에 공개하며, Hugging Face의 논문 페이지는 각 논문을 해당 논문을 사용하는 모델, 데이터셋, Spaces에 연결합니다.
• 공개 학습 데이터: Common Crawl에서 수집한 영어 웹 텍스트를 정제하고 중복을 제거한 Hugging Face 데이터셋인 FineWeb은 공개 당시 15조 토큰에서 현재 18조 5천억 토큰 이상으로 규모가 커졌습니다.