Hugging Face Transformers es una biblioteca de software de código abierto desarrollada por Hugging Face, Inc., una empresa con sede en la ciudad de Nueva York fundada en 2016 por los emprendedores franceses Clément Delangue, Julien Chaumond y Thomas Wolf. La biblioteca proporciona una interfaz unificada para descargar, entrenar y ejecutar modelos Transformer (architecture) preentrenados, principalmente para tareas de procesamiento del lenguaje natural como clasificación de texto, traducción, resumen y respuesta a preguntas. Admite modelos de los principales proveedores, incluidos OpenAI, Anthropic y Google DeepMind, y se integra con marcos populares de aprendizaje automático como PyTorch y TensorFlow. La biblioteca es una piedra angular del ecosistema de Hugging Face, que también incluye el Hugging Face Hub para compartir modelos y conjuntos de datos, y se utiliza ampliamente tanto en el ámbito académico como en la industria.
La biblioteca se presentó en 2018 como parte del giro de Hugging Face de una aplicación de chatbot a una plataforma de aprendizaje automático. Rápidamente se convirtió en una herramienta estándar para investigadores y desarrolladores, ofreciendo acceso a miles de modelos preentrenados con un código mínimo. A partir de 2025, admite una amplia gama de arquitecturas de modelos, incluidos modelos de lenguaje de gran escala, modelos de visión-lenguaje y modelos de voz, y es compatible con aceleradores de hardware de AMD, Intel y NVIDIA.
Arquitectura y características
Hugging Face Transformers se construye en torno a una API de alto nivel que abstrae las complejidades de la implementación de modelos. Proporciona las clases AutoModel y AutoTokenizer que cargan automáticamente la arquitectura y el tokenizador apropiados según un identificador de modelo. La biblioteca admite tanto PyTorch como TensorFlow, lo que permite a los usuarios cambiar entre marcos con cambios mínimos. Las características clave incluyen:
- Integración con el Model Hub: Descarga y carga sin interrupciones de modelos y conjuntos de datos desde el Hugging Face Hub.
- Utilidades de entrenamiento: Soporte integrado para ajuste fino con la clase
Trainer, incluido el entrenamiento distribuido y la precisión mixta. - Optimización de inferencia: Integración con motores de inferencia como vLLM y sglang para un servicio eficiente.
- Capacidades de exportación: La biblioteca Optimum puede exportar modelos a ONNX para su implementación en varias plataformas.
La biblioteca está diseñada para ser independiente del marco, admitiendo tanto la ejecución eager como la compilación basada en grafos. También incluye utilidades para tokenización, extracción de características e inferencia basada en pipelines, lo que la hace accesible tanto para principiantes como para usuarios avanzados.
Ecosistema e integraciones
Hugging Face Transformers es parte de un ecosistema de software más amplio que incluye el Hugging Face Hub, la biblioteca de conjuntos de datos y la biblioteca de tokenizadores. Se integra con numerosas herramientas y marcos externos:
- llama.cpp y Ollama pueden descargar y ejecutar modelos GGUF directamente desde el Hugging Face Hub.
- LM Studio admite la búsqueda y ejecución de modelos GGUF y MLX desde el Hub.
- MLX, el marco de aprendizaje automático de Apple, se integra a través de MLX-LM para inferencia en el dispositivo.
- ONNX Runtime es compatible a través de Optimum para la implementación multiplataforma.
- Los modelos NVIDIA Nemotron son compatibles de forma nativa, y la biblioteca funciona con AWS Trainium y otro hardware especializado.
Estas integraciones hacen de Transformers un centro central para la interoperabilidad de modelos, permitiendo a los usuarios aprovechar una amplia variedad de modelos preentrenados en diferentes entornos.
Impacto y uso
Desde su lanzamiento, Hugging Face Transformers se ha convertido en una de las bibliotecas más utilizadas en inteligencia artificial y aprendizaje profundo. Se cita en miles de artículos de investigación y es utilizada por grandes empresas, incluidas Amazon Web Services, Google Cloud y Microsoft Azure. La biblioteca ha democratizado el acceso a modelos de última generación, permitiendo a los desarrolladores incorporar capacidades de IA generativa en aplicaciones con un esfuerzo mínimo. Su naturaleza de código abierto ha fomentado una gran comunidad que contribuye con modelos, tutoriales y extensiones.
La biblioteca también ha desempeñado un papel en iniciativas importantes, como el BigScience Research Workshop, que produjo el modelo BLOOM, y colaboraciones con meta y unicef (aunque esta última no está directamente relacionada). A partir de 2025, sigue siendo una herramienta clave tanto para la investigación como para la producción, con actualizaciones continuas para admitir nuevas arquitecturas y hardware.
Desarrollo y gobernanza
Hugging Face Transformers se desarrolla abiertamente en GitHub, con contribuciones de una comunidad global. El proyecto está dirigido por Hugging Face, Inc., que también supervisa el Hugging Face Hub y las herramientas relacionadas. La biblioteca se publica bajo la Licencia Apache 2.0, lo que permite su uso y modificación gratuitos. Los lanzamientos regulares introducen nuevos modelos, mejoras de rendimiento y correcciones de errores, con un fuerte énfasis en la compatibilidad con versiones anteriores.
La valoración de la empresa alcanzó los 4.500 millones de dólares en agosto de 2023 después de una ronda de financiación respaldada por Salesforce, Google y Nvidia. En agosto de 2026, Nvidia acordó adquirir Hugging Face por 12.900 millones de dólares, un movimiento que se espera que integre aún más Transformers con la pila de hardware y software de Nvidia.