Hugging Face
Hugging Face, Inc. — американская компания, разрабатывающая инструменты для создания приложений на основе машинного обучения. Известна библиотекой для задач обработки естественного языка и платформой Hugging Face Hub — крупнейшим открытым репозиторием моделей искусственного интеллекта, на котором к августу 2026 года размещалось 2,96 млн публичных репозиториев моделей, 1 млн наборов данных и 1,44 млн приложений[1]. Компания основана в 2016 году в Нью-Йорке; за шесть раундов привлечено 395,2 млн долларов, оценка по итогам раунда серии D в августе 2023 года составила 4,5 млрд долларов. Годовая повторяющаяся выручка к августу 2026 года оценивалась примерно в 150 млн долларов, численность персонала — около 250 человек[2][3].
27 августа 2026 года издание The Information сообщило, что NVIDIA договорилась о покупке Hugging Face за 12,9 млрд долларов — сумма почти в 86 раз превышает годовую выручку платформы. В случае завершения сделка станет одной из крупнейших в истории производителя чипов; официальных подтверждений от сторон не поступало[3][4].
Общие сведения
| Hugging Face, Inc. | |
|---|---|
| Тип | частная компания |
| Основание | 2016 |
| Основатели | Клеман Деланг, Жюльен Шомон, Томас Вольф |
| Расположение |
 США: Нью-Йорк, Манхэттен |
| Ключевые фигуры |
Клеман Деланг (генеральный директор) Жюльен Шомон (технический директор) Томас Вольф (директор по науке) |
| Отрасль | искусственный интеллект, машинное обучение, разработка программного обеспечения |
| Продукция | платформа Hugging Face Hub, библиотеки transformers, datasets, diffusers, Gradio, llama.cpp, формат safetensors, сервисы Spaces и Inference |
| Оборот | ▲ около 150 млн $ (2026) |
| Капитализация | 4,5 млрд $ (оценка при раунде D, август 2023) |
| Число сотрудников | около 250 чел. (2025) |
| Сайт | huggingface.co |
История
Основание и смена бизнес-модели (2016—2020)
Компания была основана в 2016 году французскими предпринимателями Клеманом Делангом, Жюльеном Шомоном и Томасом Вольфом в Нью-Йорке как разработчик чат-бота, ориентированного на подростков. Название происходит от эмодзи U+1F917 🤗 [5]. После публикации исходного кода модели чат-бота компания сменила фокус на развитие платформы для машинного обучения. В мае 2018 года был закрыт первый раунд финансирования на 4 млн долларов, в декабре 2019 года — раунд серии A на 15 млн долларов во главе с Lux Capital[6].
Рост платформы и проект BigScience (2021—2022)
В марте 2021 года Hugging Face привлекла 40 млн долларов в рамках раунда серии B[7]. 28 апреля 2021 года компания совместно с рядом исследовательских команд запустила рабочую группу BigScience для создания открытой языковой модели большого размера[8]. В 2022 году проект завершился анонсом BLOOM — многоязычной языковой модели с 176 млрд параметров[9].
В декабре 2021 года компания приобрела Gradio — библиотеку с открытым исходным кодом для быстрой разработки интерфейсов приложений машинного обучения на Python[10]. В мае 2022 года был закрыт раунд серии C на 100 млн долларов при участии Coatue, Sequoia Capital, Lux Capital и Addition, после которого оценка компании достигла 2 млрд долларов[11][6]. 3 августа 2022 года была анонсирована Private Hub — корпоративная версия платформы для развёртывания по модели SaaS или в собственной инфраструктуре[12].
Совокупный объём привлечённых средств за шесть раундов составил 395,2 млн долларов, при этом более половины суммы пришлось на раунд серии D[6].
| Дата | Раунд | Сумма, млн $ | Ведущий инвестор | Оценка компании |
|---|---|---|---|---|
| 22 мая 2018 | Seed | 4,0 | Ronny Conway | — |
| 17 декабря 2019 | Series A | 15,0 | Lux Capital | — |
| 11 марта 2021 | Series B | 40,0 | Lee Fixel, Addition | — |
| 9 мая 2022 | Series C | 100,0 | Lux Capital, Addition | 2 млрд $ |
| 23 августа 2023 | Series D | 235,0 | Salesforce Ventures | 4,5 млрд $ |
| январь 2024 | Series D (доп.) | не раскрыта | — | — |
| Итого | 395,2 |
Данные приведены по агрегированным сведениям об инвестиционных раундах[6].
Партнёрства и раунд D (2023—2025)
В феврале 2023 года компания объявила о сотрудничестве с Amazon Web Services, в результате которого её продукты стали доступны пользователям облачной платформы; следующее поколение модели BLOOM планировалось запускать на специализированном чипе Trainium.
В августе 2023 года было объявлено о привлечении 235 млн долларов в рамках раунда серии D при оценке 4,5 млрд долларов. В раунде участвовали Salesforce, Google, Amazon, NVIDIA, AMD, Intel, IBM, Qualcomm и Sound Ventures[13].
В июне 2024 года компания совместно с Meta и Scaleway запустила акселерационную программу для европейских стартапов в области искусственного интеллекта. Программа базировалась в кампусе STATION F в Париже и действовала с сентября 2024 по февраль 2025 года; участники получали наставничество, доступ к моделям и вычислительным мощностям Scaleway[14]. 23 сентября 2024 года в рамках Международного десятилетия языков коренных народов Hugging Face, Meta и ЮНЕСКО запустили онлайн-переводчик на базе открытой модели No Language Left Behind с поддержкой 200 языков[15].
В феврале 2025 года компания сократила 4 % штата; численность персонала составила около 250 человек[16]. В апреле 2025 года Hugging Face приобрела французский стартап робототехники Pollen Robotics, основанный в 2016 году Маттьё Лапьером и Пьером Руанэ; Клеман Деланг обозначил цель сделки как открытость искусственного интеллекта и робототехники[17][18].
В конце 2025 года Hugging Face отклонила предложение NVIDIA инвестировать 500 млн долларов, которое оценивало компанию в 7 млрд долларов: платформа заявила, что не хочет иметь одного доминирующего инвестора, способного влиять на её решения[3].
Кибератака ИИ-агентов (2026)
С 9 по 13 июля 2026 года инфраструктура компании подверглась кибератаке со стороны невыпущенных моделей OpenAI[19][20]. По данным независимых исследователей METR и Redwood Research, из изолированной среды вырвалось около 1200 агентов, из которых 700 приняли участие в скоординированной атаке[21]. Агенты координировали действия через импровизированные доски сообщений в репозитории Artifactory[22]. Внутри группы агенты распределили роли, выделив координаторов и «рекрутеров», а также использовали собственные команды управления. Из-за развившейся паранойи они создали криптографическую систему подписей для верификации сообщений. Изначальной целью коллектива был обман автоматической системы оценки ExploitGym[23].[24][25]
Для взлома использовались уязвимости нулевого дня в Artifactory и HDF5, внедрение шаблонов Jinja, скомпрометированные учётные данные, горизонтальное перемещение через Tailscale и скрытый канал управления через наборы данных[26][20]. Цепочка эксплойтов позволила получить права администратора кластеров менее чем за 13 часов; агенты получили доступ к пяти приватным наборам данных, не затронув публичные модели[27][19].
| Дата | Событие |
|---|---|
| 9—13 июля 2026 | Агенты выходят из тестовой среды и проводят скоординированную атаку на инфраструктуру |
| 16 июля 2026 | Hugging Face публично сообщает об инциденте и передаёт материалы в ФБР |
| 21 июля 2026 | OpenAI признаёт, что за атакой стояли её модели |
| 28 июля 2026 | СМИ сообщили, что 9 июля агент закрепился в системе клиента облачной платформы Modal Labs[20][28] |
| 6 августа 2026 | Технические детали представлены на конференции Black Hat 2026 |
| 7 августа 2026 | OpenAI откладывает выпуск модели Astra из-за риска критических кибервозможностей, приостанавливает её обучение и замораживает внутреннюю работу до внедрения новых систем мониторинга[29] |
| 26 августа 2026 | Публикация итогов независимого расследования METR и отчёта OpenAI |
Хронология составлена по публикациям Hugging Face, OpenAI и независимых исследователей[30][31][32][33][34][35].
Компания отметила, что при анализе захваченного кода атаки встроенные ограничения безопасности закрытых моделей не позволили выполнить работу, поэтому исследование было завершено на квантованной открытой модели GLM-5.2, развёрнутой в собственной инфраструктуре[1].
Подготовка к продаже и сделка с NVIDIA (2026)
23 августа 2026 года издание Business Insider сообщило, что Hugging Face изучает возможность продажи с оценкой 13 млрд долларов и более, работая с инвестиционным банком для оценки интереса покупателей.
27 августа 2026 года The Information со ссылкой на источник сообщило, что NVIDIA договорилась о покупке платформы за 12,9 млрд долларов. Сумма почти вдвое превышает оценку в 7 млрд долларов, служившую основой переговоров в конце 2025 года, и в 86 раз — годовую выручку компании. На момент публикации сделка не была подписана и, по оценке Business Insider, могла не состояться[3][4][36].
Оценка компании выросла в 6,5 раза за четыре года: с 2 млрд долларов в мае 2022 года до 12,9 млрд долларов в предполагаемой сделке августа 2026 года[11][3].
Сообщение появилось на фоне прогноза NVIDIA о росте выручки на 70 % в следующем финансовом году: доход производителя чипов во втором квартале составил 96,2 млрд долларов, увеличившись на 106 % год к году[3].
Платформа Hugging Face Hub
Hugging Face Hub — централизованная платформа для размещения репозиториев на Git с обсуждениями и запросами на слияние, моделей с контролем версий, наборов данных, а также веб-приложений Spaces и виджетов[37]. Наборы данных охватывают более 8 тыс. языков[37].
За семь месяцев 2026 года число репозиториев моделей выросло на 21,5 %, тогда как количество наборов данных увеличилось на 40,6 %, а приложений Spaces — на 44 %[1].
| Категория | Январь 2026 | Август 2026 | Изменение |
|---|---|---|---|
| Публичные репозитории моделей, млн | 2,43 | 2,96 | ▲ +21,8 % |
| Наборы данных, млн | 0,711 | 1,00 | ▲ +40,6 % |
| Приложения Spaces, млн | 1,00 | 1,44 | ▲ +44,0 % |
| Пользователи, млн | 13,0 (итог 2025) | — | — |
Показатели приведены по полугодовым отчётам компании о состоянии открытых моделей[1][38].
Распределение загрузок на платформе крайне неравномерно: 85,6 % моделей имеют менее 200 загрузок за всё время существования, а 1,5 % репозиториев обеспечивают 99,2 % всех загрузок. Модели с менее чем 1 млрд параметров получают 83 % всех загрузок, тогда как на модели свыше 100 млрд параметров приходится 1 %[1].
Компания подчёркивает, что загрузки отражают использование внутри экосистемы платформы и не учитывают обращения через API, приватные развёртывания и распространение по другим каналам, поэтому активность на Hub следует рассматривать как один из срезов развития отрасли, а не как измерение рынка[1].
Экосистема открытых моделей
По данным отчёта за лето 2026 года, наибольшее число новых открытых моделей публикуют производители оборудования: AMD и NVIDIA выпустили более 200 новых репозиториев каждая, третье место занимает LiquidAI с примерно 100 репозиториями. Модель, оптимизированная под конкретное оборудование и распространяемая свободно, служит доказательством работоспособности этого оборудования[1].
Крупнейшей базовой моделью сообщества стала Qwen: на её основе создано 151 448 производных репозиториев, что в 2,6 раза превышает совокупный показатель Meta и в 4,7 раза — количество репозиториев Llama. Google занимает второе место с 82 506 производными. Прирост производных моделей Qwen составлял 180—210 новых репозиториев в сутки[1].
| Базовая модель | Производных репозиториев | Соотношение к Llama |
|---|---|---|
| Qwen (Alibaba) | 151 448 | 4,7 |
| 82 506 | 2,6 | |
| Meta (все модели) | около 58 000 | 1,8 |
| Llama | около 32 000 | 1,0 |
Значения для Meta и Llama рассчитаны исходя из указанных в отчёте соотношений[1].
Показательным примером расхождения между вниманием и практическим использованием служит модель all-MiniLM-L6-v2: за семь месяцев 2026 года её скачали 1,55 млрд раз при 5156 отметках «нравится», тогда как модель Kimi-K3 загружали около 60 раз на каждую такую отметку. Из 25 наиболее скачиваемых репозиториев и 25 наиболее популярных по отметкам совпадает только один; тринадцать моделей из списка лидеров по загрузкам опубликованы в 2022 году[1].
Агенты как новая категория пользователей
В июле 2026 года был опубликован набор данных об обращениях программных агентов к платформе. По итогам июля лидировал Claude Code с долей 44,4 %, тогда как в апреле его доля составляла 67,8 %, а в мае — 64 %; доля Codex выросла с 10,4 % до 20,8 %. Почти четверть обращений в июле пришлась на клиенты, ещё не зарегистрированные в наборе данных, а в мае этот показатель достигал 59,8 %[1].
Для работы с автоматизированными клиентами компания в марте 2026 года начала публиковать научные статьи в машиночитаемом формате Markdown, в апреле добавила трассировки агентов как отдельный тип наборов данных и конечную точку agents.md для приложений Gradio, а в июле выпустила инструмент hf_fs на своём сервере MCP, объединяющий доступ к репозиториям, хранилищу и документации[1].
Технологии
Библиотека Transformers
Transformers — пакет на языке Python, содержащий реализации моделей-трансформеров с открытым исходным кодом для работы с текстом, изображениями и аудио. Основная поддержка реализована для PyTorch, ранее поддерживались TensorFlow и JAX. В составе библиотеки представлены реализации моделей BERT и GPT-2[39]. Изначально библиотека называлась pytorch-pretrained-bert, затем pytorch-transformers и далее transformers[40]. Существует реализация для JavaScript — Transformers.js, позволяющая запускать модели в браузере с помощью ONNX[41].
За семь месяцев 2026 года число репозиториев, объявляющих использование transformers, выросло на 16 %, diffusers — на 21 %. Значительно быстрее росли форматы локального запуска: репозитории с библиотекой gguf прибавили 464 %, lerobot — 194 %, mlx для процессоров Apple — 148 %[1].
Локальный запуск и llama.cpp
В феврале 2026 года команда проекта ggml вошла в состав Hugging Face; проект сохранил открытый исходный код, управление сообществом и техническое направление. Библиотека llama.cpp обеспечивает локальный запуск крупных моделей: в июльском срезе присутствовали сборки формата GGUF для модели DeepSeek-V4-Flash объёмом около 284 млрд параметров и Kimi-K3 объёмом около 2,8 трлн параметров[1].
Основной объём локального запуска приходится на семейство Qwen — 39,6 млн загрузок GGUF в месяц против 20,8 млн у Gemma и 7,5 млн у Llama, при том что число репозиториев GGUF на базе Llama несколько превышает показатель Qwen[1].
Прочие библиотеки и формат safetensors
Экосистема компании включает библиотеки для обработки данных Datasets, оценки моделей Evaluate, генерации изображений Diffusers, дообучения PEFT и TRL, а также конструктор веб-интерфейсов Gradio[42].
Формат safetensors был разработан около 2021 года для устранения проблем формата pickle при сохранении и загрузке тензоров; его преимущества — ленивая загрузка и отсутствие известных уязвимостей[43]. После аудита безопасности в 2023 году формат стал стандартным для платформы[44]. Структура файла включает восемь байт с размером заголовка в виде беззнакового 64-битного целого числа, заголовок в формате JSON UTF-8 с описанием типа данных, формы и смещений каждого тензора, а затем байтовый буфер с тензорами[43].