壹贰线报 · 官方定价页核实 · 2026 年 11 月版
📌 一句话结论
Hugging Face 的 Serverless Inference API、HuggingChat、Transformers.js 三块仍然是免费可玩的，但 2026 年 10 月起免费策略发生了重大变化：原本的「无限免费公共 API」时代已经结束，免费账号必须购买信用点或升级 PRO 才能调用 200+ 热门 Inference Providers 模型，免费基础额度仅够做低频测试。如果你需要常开 API、高并发、生产级 SLA，还是要走 PRO $9/月或 Inference Endpoints（$0.032/小时起）。
🔴 三个必须先看的事实更正
你看到的说法 | 真实情况（2026 年 11 月核实） |
|---|---|
「10 万+ 模型全部免费推理 API」 | 免费层能直接调用的是标有「Hosted Inference API」的公开小模型（约 10B 参数以下）；热门大模型、Llama/Qwen/Gemma 70B 等已迁移到 Inference Providers，免费账号必须购买信用点或升级 PRO才能调用。 |
「Serverless Inference 常开、无限用」 | 免费层是共享冷启动基础设施，长时间不请求模型会被卸载，下次请求冷启动可能 5–60 秒；常开端点（Always-On Endpoint）必须用 Inference Endpoints（最低 $0.032/小时），或者 PRO $9/月提高共享速率限制，但不保证常开。 |
「免费无限调用、适合生产」 | 2026-10-07 起免费账号不再含 Inference Providers credits（历史上有 $0.10/月小额额度），高频请求会直接 429 限流，且没有 SLA、没有自动扩缩，生产使用必须上 Inference Endpoints 或 PRO。 |
💰 免费额度真相：能拿多少？
一、免费账号（$0，无需信用卡）
能力 | 免费额度 |
|---|---|
HF Hub 公共托管 | ✅ 不限数量的公开模型/数据集，不限组织成员数（永久免费） |
私有模型/数据集存储 | ✅ 100GB 私有存储（best-effort 公共存储） |
Serverless Inference API（共享层） | ✅ 调用标有 ✅ Hosted Inference API 的公开模型（约 10B 参数以下）；速率限制约 1–2 QPS、每小时几百次请求；冷启动 5–60 秒，CPU 推理，无 SLA |
Inference Providers（200+ 热门模型） | ⚠️ 2026-10-07 起免费账号不再赠送 credits，需购买信用点或升级 PRO；PRO 用户每月 $2 credits |
HuggingChat（huggingface.co/chat） | ✅ 完全免费、无需登录，可选 120+ 开源权重模型（Llama/Qwen/Mistral/DeepSeek 等），Omni 自动路由；无公开每日消息上限（按防滥用机制软限） |
Spaces（Gradio/Streamlit/Docker） | ✅ 公开 Spaces 免费托管（CPU basic，ZeroGPU 需 PRO） |
Transformers.js | ✅ Apache 2.0 开源协议，完全免费、可商用；模型权重在浏览器本地 ONNX 运行，不调远端 API、不需要 HF Key |
Prompt 库 / Playground / AutoTrain 调优 | ✅ 提示词库、交互式 Playground、AutoTrain 低代码微调（按 GPU 时长计费，无免费固定额度） |
二、PRO 账号（$9/月）
能力 | PRO 额度 |
|---|---|
Inference Providers Credits | ✅ 每月 $2 价值（可抵扣 200+ 付费 Provider 模型推理） |
Serverless Inference 速率限制 | ✅ 大幅提升（从 ~2 QPS 到更高并发） |
Spaces ZeroGPU & Dev Mode | ✅ 免费 ZeroGPU 配额，Spaces 开发模式支持 |
提前访问新功能 + PRO 徽章 | ✅ |
团队协作基础能力 | ✅ |
三、Inference Endpoints（按需付费，非订阅）
实例 | 起步价 |
|---|---|
CPU（AWS 1vCPU / 2GB） | $0.03/小时（~$22/月常开） |
CPU（AWS 8vCPU / 16GB） | $0.27/小时 |
GPU（NVIDIA T4 单卡） | ~$0.60/小时 |
GPU（NVIDIA A10G 单卡） | ~$1.05/小时 |
Autoscaling | ✅ 支持缩到 0（Scale to zero），低谷停计算力费 |
SLA / 安全 | ✅ Enterprise 级；企业版 $20/用户/月起 |
✨ 四块核心能力到底免费给多少
1️⃣ Serverless Inference API：真·免费能调的是什么？
免费层走的端点是 https://api-inference.huggingface.co/models/{model_id}，调用非常简单（一个 Authorization: Bearer hf_xxx 头）。但免费层只对模型卡片上带有 ✅ Hosted Inference API 标记的模型开放，这类模型多为：
小参数 NLP：DistilBERT、BERT-base、RoBERTa、MiniLM 等文本分类/NER/情感分析；
Embedding 模型：bge-small、all-MiniLM-L6-v2 等；
图像分类/目标检测：ResNet、ViT-base、DETR、YOLO 小版本；
语音识别：Whisper-small/base（20 次/分钟，约 8 小时音频/天）；
小型生成模型：如 Mixtral-8x7B-Instruct（共享冷启动、易限流）。
硬限制（免费层）：
模型大小 ≤ 约 10B 参数；
请求频率约 1–2 QPS，每小时几百次；
单次请求超时默认 60 秒；
模型冷启动：首次请求或模型被卸载后需要加载 5–60 秒；
返回 HTTP 429 时响应头带
Retry-After，需指数退避重试；不支持自定义端点、GPU 加速、批量推理、私有模型推理。
2️⃣ Inference Providers：2026 年新模型都在这，但不免费
2025 年起 HF 把热门大模型（Llama 3.3、Qwen2.5/3、Gemma 3、DeepSeek、Mixtral 8x22B 等）从自带 API 迁移到 Inference Providers（router.huggingface.co/v1，OpenAI 兼容格式），由 Novita、Together、Fireworks、Cerebras、Sambanova 等第三方算力提供。
2026-10-07 起：免费账号不再含 Inference Providers 信用点；
PRO 用户每月含 $2 credits（约等于调用 Qwen2.5-7B 这种小模型数千到上万次，但 Llama-70B 类仅能跑几十次）；
要稳定调用需在 Billing 页面购买信用点（无最低充值，支持信用卡）；
支持 Function Calling、Vision（取决于模型）、Streaming、多语言 SDK。
3️⃣ HuggingChat：不用登录就能聊 120+ 开源模型
入口：huggingface.co/chat；
完全免费、无需注册（登录后可用历史记录、Prompt 库同步）；
可选 120+ 开源权重模型（Llama、Qwen、Mistral、DeepSeek、Phi、Gemma 等），清单随社区动态更新；
Omni 路由：自动根据任务选最合适的模型；
无公开每日消息数硬上限（受防滥用机制软限流）；
支持联网搜索、文件上传、代码运行（部分模型）；
⚠️ 仅个人使用，不要把 HuggingChat 当 API 集成到自己产品里（有 ToS 限制）。
4️⃣ Transformers.js：浏览器里离线跑模型，完全免费零服务器
项目地址：github.com/huggingface/transformers.js（npm: @huggingface/transformers）；
协议：Apache License 2.0（可商用、可修改、可分发）；
原理：模型转 ONNX 格式，在浏览器端通过 ONNX Runtime Web + WebAssembly/WebGPU 运行，数据完全不离开用户设备；
支持任务：文本分类、NER、问答、摘要、翻译、Embedding、图像分类、语音识别（Whisper）、文生图、特征提取等；
配套模型托管在 HuggingFace Hub（如 onnx-community/* 仓库）；
典型场景：浏览器端敏感文本分析、无后端 Demo、离线 PWA、插件/扩展；
⚠️ 模型需首次下载到本地缓存（几 MB 到几百 MB），超大模型不适合浏览器跑。
🛠 其他开发者工具（Playground / Prompt 库 / 调优）
Playground：在线调试任意模型，改温度/TopP/最大 token，实时看输出，免费使用；
Prompt 库：保存/分享/复用 Prompt 模板，公开/私有都支持；
AutoTrain：低代码微调（文本分类、LLM SFT、视觉分类等），按底层 GPU 小时计费，无免费固定额度；
SDK：huggingface_hub（Python）、InferenceClient（JS/TS/Python/Go/Rust）、OpenAI 兼容端点（Inference Providers）；
CLI：
huggingface-cli支持上传模型/数据集、管理 tokens、跑本地推理。
💸 什么时候开始花钱？
使用场景 | 是否免费 | 付费起点 |
|---|---|---|
跑小模型（DistilBERT/BERT-base 等）做测试/演示 | ✅ 免费 | 不用付费 |
个人用 HuggingChat 聊天 | ✅ 免费 | 不用付费 |
浏览器端 Transformers.js 做产品 | ✅ 免费 | 不用付费（模型权重托管在 HF Hub 的公开模型免费 CDN） |
调用 Inference Providers 上的热门大模型（Qwen、Llama、DeepSeek） | ❌ 需 credits 或 PRO | PRO $9/月含 $2 credits，或按需购买 |
Embedding/分类高频生产流量 | ❌ 免费层会限流 | PRO $9/月起，或 Inference Endpoints |
需要常开、稳定延迟、生产 SLA | ❌ 需要专用端点 | Inference Endpoints $0.03/小时（CPU）起 |
需要 GPU 做微调/AutoTrain | ❌ 按时长计费 | 从几美元/小时起，看 GPU 型号 |
团队 SSO、私有部署、审计日志 | ❌ Enterprise | $20/用户/月起 |
⚠️ 三个容易踩的坑
「免费 API 无限调用」是 2024 年之前的老黄历——2026 年热门模型全部走 Inference Providers 计费，免费账号几乎调不动 Llama-70B、Qwen-72B 级模型；
Token 泄漏会直接烧光 credits——
hf_xxx写在前端 JS/公开仓库/客户端代码里，会被爬虫批量盗刷，必须建只读 Token 并定期轮换；建议服务端代理调用；冷启动 + 限流让免费层无法做生产——首次请求 5–60 秒、QPS 很低、无 SLA，生产必须上 Inference Endpoints 并开 Autoscaling。
✅ 适合谁？❌ 不适合谁？
✅ 适合：
想跑 BERT/DistilBERT/MiniLM 等小模型做文本分类/NER/Embedding 测试的开发者；
想用 HuggingChat 零门槛体验 Llama/Qwen/Mistral/DeepSeek 的个人用户；
想在浏览器端本地跑模型（隐私敏感、零服务器）的前端/插件开发者；
想快速在 Spaces 搭 Gradio/Streamlit Demo 给同事/社区演示的团队；
做学术实验、低流量 PoC、开源项目 Demo 的研究者。
❌ 不适合：
需要稳定 QPS、低延迟、SLA 的生产流量；
需要调用 70B 级大模型且不愿花一分钱（请选 Google AI Studio 的 Gemma 4 免费档、Cloudflare Workers AI 等）；
需要大规模批量推理/微调（请上自托管 GPU 或 Inference Endpoints）；
中国大陆生产直连（跨境访问不稳定，API 偶发超时，生产建议走中转或其他国内平台）；
需要企业 SSO、数据驻留、合规审计（需 Enterprise 套餐）。
🚀 4 步上手免费层
注册账号：访问 huggingface.co，用邮箱/GitHub/Google 注册（无需实名、无需信用卡）；
创建 Access Token：Settings → Access Tokens → 新建一个
read权限的 token，保存好（只显示一次）；调用 API：
Serverless Inference（免费小模型）：POST
https://api-inference.huggingface.co/models/distilbert-base-uncased-finetuned-sst-2-english带 Bearer token；Inference Providers（热门模型，需 credits/PRO）：OpenAI 兼容端点
https://router.huggingface.co/v1/chat/completions；本地浏览器运行模型：
npm i @huggingface/transformers，3 行 JS 即可在浏览器跑分类/Embedding/语音任务（参考官方 examples）。
最简 Python 调用示例：
from huggingface_hub import InferenceClient
client = InferenceClient(
model="distilbert-base-uncased-finetuned-sst-2-english",
token="hf_你的Token", # 免费层 read 权限即可
)
result = client.text_classification("I love using Hugging Face!")
print(result)
📊 横向对比：2026 年 5 家免费/低成本开源模型推理平台
平台 | 免费额度 | 常开选项 | 模型广度 | OpenAI 兼容 | 适合场景 |
|---|---|---|---|---|---|
Hugging Face 免费层 | 小模型免费；Providers 需 PRO/credits | ❌ 免费层无常开；Endpoints $0.03/h 起 | 10 万+（含 200+ 付费 Provider 模型） | ✅ Providers | 开源模型测试/浏览器端推理/社区生态 |
Google AI Studio（Gemma 4） | Gemma 4：30 RPM / 14,400 RPD / 16K TPM | ❌ | 仅 Google 系 Gemini/Gemma | ✅ | 多模态/长上下文个人项目 |
Cloudflare Workers AI | 每天 10,000 neurons | ✅ Workers 绑定可常开 | 30+ 主流开源模型 | ✅ REST | 边缘/Worker 内置推理 |
Groq | Llama 3.1 8B 可达 14,400 RPD | ❌ | Llama/Whisper/Qwen3 | ✅ | 极速低延迟 |
Together AI | ❌ 需购 $5 积分 | ❌ | 全系列开源模型 | ✅ | 生产级开源模型推理 |
💬 文末互动话题
💡 留言 + 点赞，抽 3 位读者送出《国内外 8 家开源/大模型推理 API 免费额度横向对比清单（2026 年 11 月版）》+ 一键对比速查表 Excel 一份！
在评论区告诉我们：
你用 Hugging Face 跑过最有意思的模型是什么？踩过哪些冷启动/限流的坑？
生产环境里你是选 HF Inference Endpoints、自托管 GPU、还是换 Cloudflare Workers AI / Groq？
Transformers.js 浏览器端推理你实际用到项目里过吗？性能和体验怎么样？
核实时点：2026 年 11 月 · 官方定价页：hf.co/pricing、huggingface.co/docs/inference-providers/en/pricing本文所有规则与额度以 Hugging Face 官方最新文档为准，本栏目不承担因平台政策调整导致的额度变化责任。