Hugging Face چیست و چرا «GitHub برای AI»؟
Hugging Face در سال ۲۰۱۶ توسط Clement Delangue، Julien Chaumond و Thomas Wolf در نیویورک راهاندازی شد و در عرض چند سال به مرکز اصلی community AI/ML تبدیل شد. ایده «GitHub برای AI» در همهجای پلتفرم احساس میشود — مدلها مثل code repositories در Hugging Face host میشوند، میتوانید fork کنید، fine-tune کنید، PR بزنید، issue تشکیل دهید. تفاوت اصلی Hugging Face با OpenAI، Anthropic و Google این است: Hugging Face open-source و community-driven است.
این تفاوت در use caseها واضح میشود. اگر میخواهید روی ChatGPT API استفاده کنید، باید subscription OpenAI بخرید، طبق ToS آنها کار کنید، در closed ecosystem باشید. اگر مدل مشابه قابلیت روی Hugging Face استفاده کنید (Llama 3، Mistral، DeepSeek، Qwen)، میتوانید آن را روی سرور خودتان host کنید، fine-tune کنید با data اختصاصی، تغییر weights بدهید، در طول زمان مدل خود را evolve کنید. این flexibility برای researcher، startup AI، یا شرکتی که data privacy میخواهد ضروری است.
ساختار Hugging Face هفت component اصلی دارد. Models Hub با ۱.۲ میلیون+ مدل (text، vision، audio، video، multimodal). Datasets با ۲۵۰۰۰۰+ dataset برای training. Spaces که میتوانید demo apps با Gradio یا Streamlit host کنید. Inference Endpoints برای deploy production. Transformers Library (مهمترین Python library برای NLP). Diffusers برای Stable Diffusion و image generation. AutoTrain برای fine-tuning بدون نوشتن code. هر یک از این components بهتنهایی یک پلتفرم بزرگ هستند، Hugging Face همه را در یک جا جمع کرده.
نکته صنعتی: در ۲۰۲۶ تقسیم بازار AI به دو دسته شده — closed-source (OpenAI، Anthropic، Google) و open-source (Hugging Face). Meta با Llama، Mistral، DeepSeek و Qwen open-source را push میکنند. اگر شما startup AI هستید یا researcher، Hugging Face ابزار اول است — از موقعیت و flexibility زیاد ارزش بزرگ به ودست میآورید.
چرا Hugging Face Pro در ایران کار نمیکند؟
Hugging Face Inc. یک شرکت آمریکایی است (با headquarters در نیویورک، اما اصلاً تیم اصلی فرانسوی است) و طبق قوانین OFAC حق فروش سرویس Pro به کاربران ایرانی را ندارد. سایت huggingface.co از داخل ایران معمولاً قابل دسترسی است و حساب Free با ایمیل ایرانی بدون مشکل ساخته میشود — میتوانید مدلها را browse کنید، dataset را download کنید، Transformers library را استفاده کنید. اما به محض تلاش برای upgrade به Pro مشکل آغاز میشود.
مسدودی به دو شکل اعمال میشود: ۱) Geo-detection روی صفحه upgrade — اگر IP ایرانی باشد، صفحه pricing لود میشود اما در مرحله پرداخت با خطا روبرو میشود، ۲) BIN check روی پرداخت — Hugging Face از Stripe برای پردازش استفاده میکند و کارتهای با BIN ایرانی شناسایی و رد میشوند.
گزارشهای suspension اکانتهای Free Hugging Face با IP ایرانی تقریباً صفر است — Hugging Face سیاست بسیار آسانگیر روی Free دارد چون فلسفه شرکت open-source است. هزاران researcher ایرانی روی Hugging Face اکانت Free دارند و فعالانه publish میکنند بدون مشکل. ban وقتی اتفاق میافتد که اکانت Pro با IP ایرانی detect شود — Hugging Face flag قرمز میبیند.
نکته خوب: Hugging Face کمریسکترین خرید برای researcher AI ایرانی است. Free tier بسیار قدرتمند است — میتوانید ۹۰٪ کاربرد روزانه را با Free انجام دهید (download model، استفاده از Inference API، readنوشتن paper). Pro فقط برای ZeroGPU، private content و higher rate limits ارزش دارد.
پلنهای اشتراک Hugging Face در ۲۰۲۶
Hugging Face Free
نسخه رایگان: دسترسی نامحدود به همه public models و datasets، public Spaces نامحدود، Transformers library کامل، Inference API با rate limit (محدود به چند هزار request در ماه برای free)، public AutoTrain. مناسب برای ۹۰٪ researcher و developer — کفایت بسیار بالاست. اگر فقط میخواهید learn AI، download مدل برای local inference، یا public Space publish کنید، Free کافی است.
Hugging Face Pro
محبوبترین پلن paid. اضافه میکند: ZeroGPU access (GPU رایگان NVIDIA A100 برای Spaces شما — فوقالعاده ارزشمند چون GPU cloud گران است)، private models و datasets (تا ۱۰۰GB storage)، early access به featureهای جدید، higher Inference API rate limit، دسترسی به برخی مدلهای gated (مثل Llama 3 از Meta که نیاز به verification دارد). برای developer جدی AI/ML Pro سرمایهگذاری مفید است.
Hugging Face Enterprise Hub
نسخه team برای شرکتها. شامل همه قابلیتهای Pro + SAML SSO، SCIM provisioning، audit logs، advanced security، on-premises deployment option (برای data sensitivity بالا)، dedicated support، priority access به new models. قیمت per-seat — معمولاً برای teamهای ۵+ نفر معقول است.
Inference Endpoints و Compute Options
جدا از Pro/Enterprise subscription، Hugging Face Inference Endpoints برای deploy مدل به production است. این یک pay-per-use service است — وقتی API call میشود، بر اساس compute time charge میشود. مناسب برای deploy production app که از مدل Hugging Face استفاده میکند. هزینه به اندازه AWS Sagemaker اما با experience سادهتر.
توصیه: ۸۰٪ developer ایرانی اول با Free شروع کنید — قابلیت بسیار بالا. اگر Spaces میسازید با GPU نیاز (برای demo deep learning model)، Pro با ZeroGPU تنها این feature خرج خود را برمیگرداند. Enterprise فقط برای team ۵+ نفر یا data sensitivity بالا.
ویژگیهای ZeroGPU، Spaces و Inference Endpoints در ۲۰۲۶
ZeroGPU — GPU رایگان برای Spaces
بزرگترین مزیت Pro. در Spaces شما (demo apps) میتوانید GPU NVIDIA A100 (یکی از قدرتمندترین GPUها) رایگان استفاده کنید. این feature برای deep learning demo حیاتی است — بدون GPU، Stable Diffusion یا Llama 70B inference در دقیقهها طول میکشد، با A100 در ۵-۱۰ ثانیه. ZeroGPU روی dynamic allocation کار میکند — وقتی Space شما در حال استفاده است، GPU allocate میشود، در حالت idle آزاد میشود.
Spaces — host demo apps
Spaces یکی از پرکاربردترین قابلیتهای Hugging Face است. میتوانید app Python با Gradio یا Streamlit بنویسید، روی Hugging Face deploy کنید، بهصورت public یا private share کنید. هر demo که میسازید (مثلاً «sentiment analysis Persian text»، «image generation با Stable Diffusion»، «Whisper transcription»)، میتواند یک Space جدید شود. این یک portfolio زنده برای researcher AI است.
Inference API — استفاده آسان از مدلها
Hugging Face Inference API به شما اجازه میدهد بدون هیچ setup مدل را call کنید. کافی است یک HTTP request به huggingface.co/api/models/{model-id} بزنید با input داده، خروجی JSON دریافت میکنید. این برای rapid prototyping، testing مدلها، یا integration ساده در project خود ایدهآل است. Free tier rate limit محدود دارد، Pro higher.
Inference Endpoints — production-grade
اگر میخواهید مدل را در production deploy کنید (مثلاً برای SaaS app)، Inference Endpoints گزینه است. روی AWS، Azure یا GCP در یک region انتخاب میشود، autoscaling، load balancing، monitoring native دارد. قیمت بر اساس compute time و GPU type است. Bloomberg، Microsoft، Meta و Google از این service برای production استفاده میکنند.
Private Models و Datasets (Pro)
اگر مدل fine-tuned با data اختصاصی دارید یا dataset privacy-sensitive دارید، Pro شما را اجازه میدهد private model و dataset publish کنید. تا ۱۰۰GB storage، unlimited bandwidth، فقط collaborators دعوتشده میتوانند ببینند. این feature برای team کوچک یا researcher با data sensitivity ضروری است.
AutoTrain — fine-tuning بدون code
AutoTrain به شما اجازه میدهد یک مدل را با data خود fine-tune کنید بدون نوشتن code. مراحل: dataset upload کنید، base model انتخاب کنید (Llama، BERT، Whisper)، training parameters تنظیم کنید، AutoTrain روی GPU Hugging Face اجرا میشود. خروجی: یک مدل fine-tuned که میتوانید deploy کنید. این feature برای SMB یا researcher که Python deep learning نمیداند طلاست.
Hugging Face یا OpenAI یا Replicate یا Modal؟
این سؤال رایج بین developer AI است. هر چهار پلتفرم target متفاوت دارند.
| معیار | Hugging Face Pro | OpenAI API | Replicate | Modal |
|---|---|---|---|---|
| مدل اصلی | Open-source community | Closed (GPT) | Mixed | Mixed (cloud GPU) |
| تعداد مدل | ۱.۲ میلیون+ | محدود (GPT-4، DALL-E) | هزاران | infrastructure-focused |
| GPU access | ZeroGPU (Pro) | ندارد (managed) | Pay-per-use | Pay-per-use، بسیار قابل scale |
| Open-source | بله — رفرنس | ندارد | بله | بله |
| Demo hosting | Spaces — رفرنس | ندارد | Replicate Demo | محدود |
| Fine-tuning | AutoTrain، manual | محدود (در API) | محدود | manual با code |
| Pricing model | Subscription + API | Pay-per-token | Pay-per-second | Pay-per-second |
| مناسب برای | Researcher، open-source | Production app سریع | Mid-scale model | Cloud GPU جدی |
خلاصه: Hugging Face برای researcher، استارتاپ open-source، یا کسی که میخواهد مدلهای community استفاده کند. OpenAI برای production app که سریع GPT-4 میخواهد بدون مدیریت infrastructure. Replicate برای کسی که میخواهد یک مدل خاص (مثل Stable Diffusion) را به production push کند با pay-per-use. Modal برای heavy GPU compute و cloud-native AI infrastructure. اکثر startup AI ترکیبی از اینها استفاده میکنند — Hugging Face برای research، OpenAI برای production.
آمادهاید Hugging Face Pro را برای ZeroGPU و private models فعال کنید؟ کارت کارتین در عرض ۶۰ ثانیه آماده پرداخت است.
دریافت کارت کارتینراهنمای گام به گام: خرید Hugging Face Pro با کارت کارتین
این فرآیند سرراست است چون Hugging Face در ساخت اکانت Country را چک نمیکند — فقط در زمان پرداخت. تخمین زمان: ۱۰-۱۵ دقیقه. اگر اکانت Free دارید (که هزاران researcher ایرانی دارند)، میتوانید همان را upgrade کنید.
- 01
تصمیم درباره پلن
قبل از شروع تصمیم بگیرید. Pro برای کاربر فردی researcher یا developer (ZeroGPU، private models، higher rate limits). Enterprise اگر تیم ۵+ نفر دارید با نیاز SSO و audit logs. اگر فقط Inference API برای production میخواهید، Inference Endpoints جدا (pay-per-use) معقول است.
- 02
سفارش کارت کارتین
وارد سایت کارتین شوید. کارت ویزا یا مسترکارت سفارش دهید. آدرس صورتحساب میتواند US، UK یا اروپا باشد — Hugging Face همه را قبول میکند. صدور کارت کمتر از یک دقیقه طول میکشد و پنل کارت با شماره، CVV و تاریخ انقضا نمایش داده میشود.
- 03
شارژ کارت با مبلغ کافی
موجودی کارت را به اندازه پلن مورد نظر شارژ کنید. توصیه: ۲۰٪ بیشتر از قیمت plan روی کارت بگذارید برای پوشش tax و authorization hold. اگر Annual میخرید (Hugging Face discount متوسط دارد، حدود ۱۵-۲۰٪)، کل مبلغ سالانه باید روی کارت باشد.
- 04
فعالسازی VPN
VPN را روی کشور پشتیبانیشده فعال کنید — US، UK، Germany، Netherlands و Canada همه کار میکنند. کیفیت VPN معمولی کافی است چون Hugging Face فقط در زمان پرداخت چک میکند. VPN معتبر pay (NordVPN، ExpressVPN) توصیه میشود.
- 05
ساخت اکانت یا login به اکانت موجود
اگر اکانت Free روی Hugging Face دارید، login کنید — میتوانید همان را upgrade کنید بدون مشکل. اگر اکانت تازه میخواهید: روی huggingface.co/join بروید با VPN فعال. میتوانید با ایمیل، GitHub یا Google sign up کنید. توصیه: GitHub link بدهید — این credibility در community Hugging Face میسازد.
- 06
تست با Free tier
قبل از خرید Pro، Free را تست کنید. یک public Space ساده با Gradio بسازید (مثلاً «sentiment analysis on text»)، یک مدل را browse کنید، Inference API را با curl call کنید. این تست به شما درک میدهد که چطور کار میکند. Pro همان experience را با ZeroGPU + private content توسعه میدهد.
- 07
ورود به صفحه Upgrade
در dashboard، در سمت راست بالا روی avatar کلیک کنید → «Settings» → «Billing». یا مستقیم به huggingface.co/settings/billing بروید. صفحه plans نمایش داده میشود. اگر صفحه upgrade open نشد، VPN را روی سرور دیگر تغییر دهید.
- 08
انتخاب پلن و billing cycle
روی Pro کلیک کنید. Hugging Face دو گزینه میدهد: Monthly یا Yearly. Yearly معمولاً ۱۵-۲۰٪ ارزانتر است سالانه. اگر اولین بار Pro میخرید، Monthly برای یک ماه تست منطقی است — بعد از تأیید با ZeroGPU و workflow، Yearly بخرید.
- 09
وارد کردن اطلاعات کارت کارتین
Hugging Face صفحه Stripe payment باز میکند. شماره کارت کارتین، تاریخ انقضا، CVV را وارد کنید. در فیلد Country همان کشور VPN را انتخاب کنید (مثلاً US اگر VPN روی US است). آدرس صورتحساب از پنل کارتین کپی کنید.
- 10
تأیید 3D Secure (در صورت نیاز)
Stripe برای کارتهای جدید گاهی 3D Secure درخواست میکند. کد به پنل کارتین میآید (نه پیامک — کارتهای مجازی پیامک ندارند). در عرض ۵ دقیقه کد را در صفحه پرداخت Hugging Face وارد کنید.
- 11
بررسی فعالسازی Pro
بعد از پرداخت موفق، صفحه Settings → Billing باید Pro نشان دهد. در Spaces خود، گزینه «ZeroGPU» در hardware options ظاهر میشود. میتوانید private model یا dataset publish کنید (در گذشته فقط public بود). Pro badge کنار username نمایش داده میشود.
- 12
تست ZeroGPU با Space جدید
یک Space با مدل deep learning بسازید (مثلاً Stable Diffusion یا Whisper)، در Settings hardware را به ZeroGPU تنظیم کنید. اولین inference ۵-۱۰ ثانیه طول میکشد (cold start)، سپس ۱-۲ ثانیه. این performance با CPU هرگز ممکن نبود. Pro خرج خود را در همین یک feature بازمیگرداند.
رفع مشکلات رایج پرداخت
«Card declined» یا «Payment failed»
علتهای رایج: ۱) موجودی ناکافی — Hugging Face قبل از پرداخت یک authorization hold میگذارد، ۲) آدرس صورتحساب با Country کارت نمیخواند، ۳) Stripe risk score بالا. ابتدا موجودی کارت را در پنل کارتین چک کنید. سپس آدرس را با اطلاعات نمونه از کارتین مطابقت دهید. اگر باز هم رد شد، چند دقیقه صبر کنید و دوباره امتحان کنید.
«Service unavailable in your country»
Hugging Face IP شما را ایرانی شناسایی کرده. VPN را خاموش-روشن کنید و سرور دیگری امتحان کنید. cache و cookies huggingface.co را پاک کنید (DevTools → Application → Storage → Clear). سپس در tab incognito دوباره امتحان کنید. اگر باز هم مشکل بود، VPN رایگان احتمالاً در blacklist Hugging Face است — VPN معتبر pay امتحان کنید.
ZeroGPU کار نمیکند یا queue طولانی است
ZeroGPU روی dynamic allocation کار میکند — در ساعات peak (شب آمریکا) queue طولانی است. توصیه: ۱) در ساعات off-peak (صبح ایران = شب آمریکا) Space deploy کنید، ۲) مدل را با torch.compile() optimize کنید برای cold start سریعتر، ۳) اگر use case برای production است، Inference Endpoints (pay-per-use) معقولتر است — guaranteed availability.
Inference API rate limit hit شد
Free tier Inference API محدودیتهای روزانه دارد. Pro افزایش میدهد اما هنوز محدود است. اگر برای production app استفاده میکنید، باید به Inference Endpoints مهاجرت کنید (pay-per-use، unlimited rate). برای rapid prototyping و test، Pro Inference API کافی است.
private model یا dataset upload fail میشود
این رایج است برای فایلهای بزرگ (مدل ۵۰GB+ یا dataset۱۰۰GB+). راه حل: ۱) از huggingface_hub Python library استفاده کنید (نه browser upload)، ۲) با git lfs در command line push کنید، ۳) فایل را به chunks ۱-۲GB تقسیم کنید اگر مشکل ادامه داشت. browser upload فقط برای فایلهای کوچک (<5GB) معتبر است.
دو بار شارژ شدم
این معمولاً authorization hold است — Stripe یک hold میگذارد که در ۳-۷ روز برمیگردد. اگر بعد از ۷ روز برنگشت، در پنل کارتین تیکت بزنید با شماره transaction. کارتین معمولاً در ۲۴ ساعت refund میکند. اگر دو بار واقعی charge شدید، با Hugging Face support تماس بگیرید.
Subscription renewal fail شد
Stripe ۳ بار retry میکند با فاصله ۲۴ ساعت. اگر موجودی نبود، Hugging Face اکانت را به Free تنزل میدهد بعد از ۷ روز grace period. private models و datasets شما باقی میمانند اما بهعنوان private قابل دسترسی نیستند تا upgrade شوند. در این ۷ روز کارت را شارژ کنید و در Settings → Billing روی «Reactivate» کلیک کنید.
نکات بهرهوری برای developer ایرانی
Free tier را اول کار کنید
Hugging Face Free tier فوقالعاده قدرتمند است — ۹۰٪ کاربرد روزانه researcher AI با Free قابل انجام است. download هر public model، استفاده از Transformers library، public Space، Inference API با rate limit. Pro فقط برای ZeroGPU، private content و higher rate limits است. اگر تازهکار هستید، ۲-۳ ماه با Free شروع کنید تا workflow خود را بسازید.
Spaces بهعنوان portfolio زنده
هر Space که میسازید (demo apps با Gradio یا Streamlit) یک نمونه از کار شما است که interviewer یا client میتواند مستقیم استفاده کند. این از پاراگراف توصیف در resume بسیار قویتر است. مثلاً «sentiment analysis Persian»، «image generation با Stable Diffusion»، «Whisper transcription Persian». ۵-۱۰ Space یک portfolio کامل میسازد که در LinkedIn و GitHub لینک میدهید.
ZeroGPU برای heavy compute Spaces
اگر Space شما deep learning model اجرا میکند (Stable Diffusion، LLM inference، video processing)، ZeroGPU ضروری است. بدون آن CPU inference در دقیقهها طول میکشد و user experience خراب است. با NVIDIA A100 ZeroGPU، خروجی در ثانیهها آماده میشود. این feature تنها Pro خرج خود را برمیگرداند.
AutoTrain برای fine-tune بدون code
اگر دانش deep learning محدود دارید اما میخواهید مدل را با data خود fine-tune کنید، AutoTrain ابزار است. dataset upload کنید (CSV یا HuggingFace dataset)، base model انتخاب کنید (Llama، BERT، Whisper)، parameters تنظیم کنید، AutoTrain روی GPU اجرا میشود. خروجی: مدل fine-tuned که آماده deploy است. این workflow data scientist را به یک non-engineer ممکن میکند.
Persian models را support کنید
Hub Hugging Face چند مدل Persian دارد (Persian BERT، PersianBLIP، multilingual models که فارسی را شامل میکنند). اگر روی NLP فارسی کار میکنید، contribution به این مدلها (PR، dataset، fine-tuning) شما را visible در community میکند. در طول زمان researcherهای شناختهشده ایرانی از این طریق در community AI international visibility بدست آوردهاند.
Inference Endpoints برای production
اگر startup AI میسازید و model serve میکنید، Inference Endpoints بهترین گزینه است. روی AWS/Azure/GCP در region انتخاب میشود، autoscaling خودکار، monitoring، billing. سادهتر از Sagemaker و قیمت رقابتی. Pro subscription را به Inference Endpoints credit نکنید — جدا billing است.
جمعبندی
Hugging Face «GitHub برای AI» است — بزرگترین hub open-source برای مدلها، dataset و demo apps. ZeroGPU، Spaces، Inference Endpoints، Transformers Library و AutoTrain ابزار اصلی researcher و developer AI را در یک پلتفرم جمع کرده. در ایران Hugging Face رسماً Pro نمیفروشد، اما با کارت کارتین و VPN معقول میتوانید Pro یا Enterprise را در ۱۰-۱۵ دقیقه فعال کنید.
اگر بین Free و Pro مردد هستید: Free برای ۹۰٪ researcher کافی است (همه قابلیتهای اصلی). Pro فقط اگر ZeroGPU برای Spaceهای GPU-heavy، private models، یا higher rate limits نیاز دارید. Enterprise فقط برای team ۵+ نفر یا data sensitivity بالا. Free tier بسیار قدرتمند است — کمریسکترین ابزار برای researcher AI ایرانی.
نکته کلیدی: Hugging Face فلسفه open-source را نمایندگی میکند. اگر شما startup AI، researcher یا کسی که flexibility و data ownership میخواهد هستید، Hugging Face انتخاب اول است. کارت کارتین تجدید سالانه را بدون مشکل انجام میدهد و خود ابزار حتی اگر اشتراک قطع شود، Free tier قدرتمند باقی میماند.
همین حالا کارت کارتین خود را سفارش دهید و در عرض ۱۵ دقیقه Hugging Face Pro را فعال کنید — ZeroGPU، private models، higher Inference API و workflow حرفهای researcher AI.
دریافت کارت کارتینسؤالات متداول
سوالات متداول
پاسخ سوالات رایجی که کاربران درباره خرید Hugging Face از ایران میپرسند.
آماده شروع هستید؟
کارت کارتین خود را در عرض ۶۰ ثانیه دریافت کنید و Hugging Face را همین حالا فعال کنید.
دریافت کارت کارتینمیخواهید جزئیات بیشتری درباره Hugging Face ببینید؟ صفحه Hugging Face در کاتالوگ
