Hugging Face Transformers é uma biblioteca de software de código aberto desenvolvida pela Hugging Face, Inc., uma empresa sediada em Nova York fundada em 2016 pelos empreendedores franceses Clément Delangue, Julien Chaumond e Thomas Wolf. A biblioteca fornece uma interface unificada para baixar, treinar e executar modelos transformers pré-treinados, principalmente para tarefas de processamento de linguagem natural, como classificação de texto, tradução, sumarização e resposta a perguntas. Ela suporta modelos de grandes provedores, incluindo OpenAI, Anthropic e Google DeepMind, e integra-se a frameworks populares de aprendizado de máquina, como PyTorch e TensorFlow. A biblioteca é um pilar do ecossistema Hugging Face, que também inclui o Hugging Face Hub para compartilhamento de modelos e conjuntos de dados, e é amplamente utilizada tanto na academia quanto na indústria.
A biblioteca foi introduzida em 2018 como parte da mudança da Hugging Face de um aplicativo de chatbot para uma plataforma de aprendizado de máquina. Rapidamente se tornou uma ferramenta padrão para pesquisadores e desenvolvedores, oferecendo acesso a milhares de modelos pré-treinados com código mínimo. Em 2025, ela suporta uma ampla gama de arquiteturas de modelos, incluindo modelos de linguagem de grande escala, modelos de visão-linguagem e modelos de fala, e é compatível com aceleradores de hardware da AMD, Intel e NVIDIA.
Arquitetura e Recursos
O Hugging Face Transformers é construído em torno de uma API de alto nível que abstrai as complexidades da implementação de modelos. Ele fornece as classes AutoModel e AutoTokenizer, que carregam automaticamente a arquitetura e o tokenizador apropriados com base em um identificador de modelo. A biblioteca suporta tanto PyTorch quanto TensorFlow, permitindo que os usuários alternem entre frameworks com mudanças mínimas. Os principais recursos incluem:
- Integração com o Model Hub: Download e upload contínuos de modelos e conjuntos de dados do Hugging Face Hub.
- Utilitários de treinamento: Suporte integrado para ajuste fino com a classe
Trainer, incluindo treinamento distribuído e precisão mista. - Otimização de inferência: Integração com motores de inferência como vLLM e sglang para servir modelos de forma eficiente.
- Capacidades de exportação: A biblioteca Optimum pode exportar modelos para ONNX para implantação em várias plataformas.
A biblioteca é projetada para ser agnóstica em relação ao framework, suportando tanto execução eager quanto compilação baseada em grafos. Ela também inclui utilitários para tokenização, extração de características e inferência baseada em pipelines, tornando-a acessível tanto para iniciantes quanto para usuários avançados.
Ecossistema e Integrações
O Hugging Face Transformers faz parte de um ecossistema de software maior que inclui o Hugging Face Hub, a biblioteca de conjuntos de dados e a biblioteca de tokenizadores. Ele integra-se a inúmeras ferramentas e frameworks externos:
- llama.cpp e Ollama podem baixar e executar modelos GGUF diretamente do Hugging Face Hub.
- LM Studio suporta a busca e execução de modelos GGUF e MLX do Hub.
- MLX, o framework de aprendizado de máquina da Apple, integra-se por meio do MLX-LM para inferência no dispositivo.
- ONNX Runtime é suportado via Optimum para implantação multiplataforma.
- Modelos NVIDIA Nemotron são suportados nativamente, e a biblioteca funciona com AWS Trainium e outros hardwares especializados.
Essas integrações tornam o Transformers um hub central para interoperabilidade de modelos, permitindo que os usuários aproveitem uma vasta gama de modelos pré-treinados em diferentes ambientes.
Impacto e Uso
Desde seu lançamento, o Hugging Face Transformers tornou-se uma das bibliotecas mais amplamente utilizadas em inteligência artificial e aprendizado profundo. É citado em milhares de artigos de pesquisa e é usado por grandes empresas, incluindo Amazon Web Services, Google Cloud e Microsoft Azure. A biblioteca democratizou o acesso a modelos de última geração, permitindo que desenvolvedores incorporem capacidades de IA generativa em aplicações com esforço mínimo. Sua natureza de código aberto fomentou uma grande comunidade que contribui com modelos, tutoriais e extensões.
A biblioteca também desempenhou um papel em iniciativas importantes, como o BigScience Research Workshop, que produziu o modelo BLOOM, e colaborações com a meta e a unicef (embora esta última não esteja diretamente relacionada). Em 2025, continua sendo uma ferramenta essencial tanto para pesquisa quanto para produção, com atualizações contínuas para suportar novas arquiteturas e hardwares.
Desenvolvimento e Governança
O Hugging Face Transformers é desenvolvido abertamente no GitHub, com contribuições de uma comunidade global. O projeto é liderado pela Hugging Face, Inc., que também supervisiona o Hugging Face Hub e ferramentas relacionadas. A biblioteca é lançada sob a Licença Apache 2.0, permitindo uso e modificação gratuitos. Lançamentos regulares introduzem novos modelos, melhorias de desempenho e correções de bugs, com forte ênfase na compatibilidade retroativa.
A avaliação da empresa atingiu US$ 4,5 bilhões em agosto de 2023, após uma rodada de financiamento apoiada por Salesforce, Google e Nvidia. Em agosto de 2026, a Nvidia concordou em adquirir a Hugging Face por US$ 12,9 bilhões, uma medida que deve integrar ainda mais o Transformers à pilha de hardware e software da Nvidia.