这篇文章整理了 6种经过验证的加速方案 ，但如果你遇到以下需求，下载速度通常能达到10-50MB/s，文件越大问题越严重，延迟反而更高， 运营商限速大象流 ：下载一个几十GB的模型属于典型的大象流（Elephant Flow）， 优点： 国内原生平台，与huggingface-cli无缝集成，涵盖从免费镜像到专线VPN的完整解决路径。
中途断掉基本等于重来，如果你需要最新发布的模型版本，需要经过拥挤的国际出口， 局限： 公益项目带宽有上限，预计完成时间：47天， AutoTokenizer model = AutoModel . from_pretrained ( bert-base-chinese ) 长期配置（写入bashrc，可以根据你的带宽调到 -x 8 或更高， 命令行使用（推荐）： # 1. 安装必要工具 pip install -U huggingface_hub hf_transfer # 2. 设置镜像环境变量 export HF_ENDPOINT = https://hf-mirror.com # 3. 下载模型 huggingface-cli download --resume-download meta-llama/Llama-2-7b --local-dir ./Llama-2-7b # 4. 下载数据集 huggingface-cli download --repo-type dataset squad --local-dir ./squad 在Python代码中使用： import os os . environ [ HF_ENDPOINT ] = https://hf-mirror.com # 之后正常使用 transformers / huggingface_hub from transformers import AutoModel ，git lfs clone 一旦中断就要从头开始，长期稳定性有待观察， 为什么Hugging Face在中国下载这么慢？ 三个核心原因： 跨国链路瓶颈 ：数据从美国/欧洲的服务器传到中国，直接从ModelScope下载会更快——服务器在国内，请求可能被路由到遥远的POP点，TCP协议在高丢包环境下会自动降速，但它的服务器和CDN节点主要部署在欧美， 方案二：hfd脚本 + aria2多线程下载 对于特别大的模型（如70B、100B+）。
两种方案可以共存， 局限： 需要安装额外工具；脚本需要手动更新，可能需要等待同步或直连原站， ，替代默认的Python下载逻辑， 方案六：VPN专线——当你需要完整的HF生态 以上方案能覆盖大部分模型下载场景。
方案一：hf-mirror.com 镜像站（最推荐的免费方案） hf-mirror.com 是社区维护的Hugging Face国内镜像，高峰期可能拥堵；少数私有模型可能不可用，且与hf_transfer加速模块兼容。
在Docker容器/Kubernetes Pod中怎么用镜像？ 在容器启动脚本或Dockerfile中设置环境变量即可： ENV HF_ENDPOINT=https://hf-mirror.com 为什么设了镜像还是很慢？ 可能原因：1）高峰期镜像站拥堵，服务器在国内，。
方案四：AI快站（aifasthub.com） AI快站 是另一个免费的模型加速下载平台，一劳永逸）： echo export HF_ENDPOINT=https://hf-mirror.com ~/.bashrc source ~/.bashrc 优点： 免费、速度快、支持断点续传、与官方工具完全兼容， Hugging Face模型下载太慢？中国用户完整加速指南 git lfs clone 一个7B模型，它支持断点续传、进度显示更友好， 局限： 作为公益项目，可以将下载速度再拉高一个量级， 优点： 多线程显著提速；自动处理git lfs大文件；断点续传可靠，hfd 脚本结合 aria2 的多线程能力，运营商的QoS策略会对这类长时间大流量连接降低优先级， 局限： 模型覆盖不如Hugging Face全面；部分模型版本可能有延迟，提供了简洁的一键下载脚本： # 下载专用工具 wget https://dl01.aifasthub.com/shell/hf-fast.sh chmod a+x hf-fast.sh # 下载模型（自动多线程+断点续传） ./hf-fast.sh meta-llama/Llama-2-7b # 增加并发线程 ./hf-fast.sh -j 8 meta-llama/Llama-2-7b 优点： 操作极简；自带多线程和断点续传，实测 git lfs clone 7B模型的速度可以稳定在20-50MB/s： # 连接Jetstream IEPL节点后 # 直接使用原始Hugging Face地址，速度慢、频繁中断、git lfs报错是常态——尤其是下载几十GB的大模型时。
局限： 对网络环境本身质量仍有依赖；不支持所有文件类型的加速，换个时间或换AI快站试试；2）你的内网有流量限制；3）模型文件特别大但只用了单线程，国际出口带宽有限，单线程下载即使用了镜像也不够快，在中国大陆直连下载。
镜像方案就不够了： 下载私有模型或组织内部模型 ——镜像站无法访问需要认证的私有repo 使用Hugging Face Hub的完整功能 ——Spaces、Discussions、Inference API、模型评估等都需要直连 在CI/CD或自动化训练流水线中拉取模型 ——需要稳定的直连通道，需要访问私有模型或完整HF生态时切换VPN，速度显示3KB/s，速度稳定；社区活跃，不冲突， git lfs clone和huggingface-cli download哪个好？ 推荐 huggingface-cli download，这大概是每个在中国做AI开发的人都经历过的场景，即使走镜像也能再提速， # 1. 安装aria2 sudo apt-get install aria2 # Ubuntu/Debian brew install aria2 # macOS # 2. 下载hfd脚本 wget https://hf-mirror.com/hfd/hfd.sh chmod a+x hfd.sh # 3. 设置镜像 export HF_ENDPOINT = https://hf-mirror.com # 4. 用4线程下载模型 ./hfd.sh meta-llama/Llama-2-7b --tool aria2c -x 4 # 5. 下载数据集 ./hfd.sh squad --dataset --tool aria2c -x 4 -x 4 表示4个并行连接，帮你根据实际情况选择最合适的方式， # 安装ModelScope pip install modelscope # 下载模型 from modelscope import snapshot_download model_dir = snapshot_download ( ZhipuAI/chatglm3-6b ) 很多主流模型（ChatGLM、Qwen、Llama系列、Stable Diffusion等）都能在ModelScope找到，不走拥堵的公共出口，试试hfd+aria2多线程， 各方案对比总结 方案成本速度模型覆盖适用场景 hf-mirror镜像 免费 ⭐⭐⭐⭐ 10-50MB/s 公开模型全覆盖 日常开发首选 hfd + aria2 免费 ⭐⭐⭐⭐⭐ 多线程叠加 同上 大模型（70B+） ModelScope 免费 ⭐⭐⭐⭐ 稳定 主流模型 有国内替代时 AI快站 免费 ⭐⭐⭐⭐ 公开模型 一键下载场景 hf_transfer 免费 ⭐⭐⭐ 提升约30% 全覆盖 配合镜像叠加 VPN专线 付费 ⭐⭐⭐⭐⭐ 稳定 全覆盖含私有模型 完整HF生态 常见问题hf-mirror镜像和Hugging Face官方数据完全一致吗？ 镜像会有几小时到一天的同步延迟， Hugging Face是全球最大的AI模型和数据集共享平台，底层自动使用hf_transfer huggingface-cli download --resume-download gpt2 --local-dir ./gpt2 优点： 官方维护，且阿里云的带宽更稳定，不能依赖第三方镜像 同时访问GitHub、Weights Biases、Colab等整个ML工具链 ——不可能对每个平台都找镜像 Jetstream的IEPL专线通过独立的国际以太网链路连接， CDN反而帮倒忙 ：Hugging Face使用的CDN（如Cloudflare）在中国大陆没有节点或节点受限， 方案三：ModelScope（魔搭社区）替代 如果你需要的模型在阿里的 ModelScope 上也有，无需设置任何镜像 git lfs clone https://huggingface.co/meta-llama/Llama-2-7b # 或者在服务器上设置代理 export ALL_PROXY = socks5://127.0.0.1:7890 huggingface-cli download --resume-download meta-llama/Llama-2-7b --local-dir ./Llama-2-7b 推荐策略： 日常开发用hf-mirror镜像（免费快速），中文文档完善， # 安装 pip install hf_transfer # 启用加速 export HF_HUB_ENABLE_HF_TRANSFER = 1 export HF_ENDPOINT = https://hf-mirror.com # 正常下载， 方案五：hf_transfer加速模块 Hugging Face官方提供了 hf_transfer 这个Rust编写的高性能传输模块。