初心者 11 分概念

Hugging Faceとは？使い方を解説 ?

端的な回答

Hugging Face は、ほぼすべてのオープンAIモデルが公開されているプラットフォームです：Qwen、Llama、Gemma、Mistral、gpt-oss、DeepSeek。機械学習のGitHubと表現されることが多く、ファイルの元となるリポジトリであり、Ollama や LM Studio がユーザーのためにダウンロードするファイルも含まれます。Hubは2026年8月18日に公開モデルが300万を超え、編集上の選定は一切行われていません。

Hugging Faceは、ほぼすべてのオープンAIモデルが公開されているプラットフォームです：Qwen、Llama、Gemma、Mistral、gpt-oss、DeepSeek。しばしば機械学習のGitHubと表現されます。自分のマシンでAIを動作させる人にとって、これはすべてのファイル、つまりOllamaとLM Studioがユーザーのためにダウンロードするファイルの発生源です。Hubは2026年8月18日に公式に300万の公開モデルという節目を突破し、1日あたり約2,700から3,000の新規モデルというペースで増加しています。選別は一切ありません。このページでは、Hugging Faceの読み解き方を学びます。どのリポジトリを開くべきか、グラフィックカードに合ったどのファイルを選ぶべきか、クリックする前に何をチェックすべきかです。

著者 Mohamed Meguedmi·更新 2026-09-28·Windows・macOS・Linuxでテスト済み

#Hugging Face とは何ですか？

Hugging Face は、2016年にフランスの起業家3人、クレモン・デラング、ジュリアン・ショモンド、トーマス・ウルフによって設立され、ニューヨークとパリに拠点を置く企業です。本社はいまだに米国にあります。同社は当初、ティーンエイジャー向けのチャットボットアプリケーションから始まり、現在は廃止されたプロジェクトですが、その名前は両手を広げて笑う絵文字に由来しています。その後、機械学習のためのオープンソースツール開発に転換し、そのライブラリ「transformers」は、Pythonで言語モデルを読み込み実行するためのほぼ標準的な方法となり、業界の大多数の研究機関や企業に採用されています。さらに同社は、Gitのバージョン管理システムに基づいたホスティングプラットフォーム「Hub」を構築しました。ここでは、事前の編集者による承認なしに、誰でも無料でモデル、データセット、および小さなWebデモを公開できます。

ローカルAIにおいて、Hubはアプリストアのような役割を果たしますが、2点異なります。まず、ほとんどすべてが無料であること。次に、あなたのために選別されていないことです。従来のアプリストアと異なり、公開前にモデルをテスト、承認、またはランキングする者はいません。誰でも無料でアカウントを作成し、数分でリポジトリを公開でき、いかなる検証や品質管理もありません。この完全なフィルタリングの欠如は、Hubの強みであると同時に、初心者のための最大の罠でもあります。強みとしては、すべてが最初にここに来るため、多くの場合、研究機関の公式発表よりも前に利用できます。罠としては、数百件の検索結果に直面し、どれが信頼できるか分からなくなる可能性があります。何かをダウンロードする前に身につけるべきスキルは、公式リポジトリとサードパーティのコピー、真剣な変換と放棄された試行を区別し、見極めることです。

#Hubの3つの部門

ローカルAIキット

お使いのマシンで、プライベートかつ無料のChatGPTを1時間で構築 — LM Studio、Ollama、Open WebUI、ご自身のドキュメント、クラウド不要。

  • 永久に利用できるオンラインスペース
  • PDF + ファイル
  • 30日間返金対応
ローカルAIキット →または すべてのキットを無期限で利用 — 49 € →
分野コンテンツローカルAIでの活用メリット
Models重みファイル、設定ファイル、ドキュメントここに、実行するファイルがあります
Datasetsトレーニングおよび評価データファインチューニングまたはテストを行う場合に限り
Spaces小型のウェブアプリ、主にデモ用途15GBをダウンロードする前に、ブラウザでモデルを試す

#モデルページを読む

各モデルには、huggingface.co/organisation/nom-du-modeleという形式のアドレスがあります。例えば、huggingface.co/Qwen/Qwen3-8Bです。ダウンロードする前に、このページの4つの異なる要素を確認しておきましょう。

組織名
Qwen, Google、Meta Llama、MistralAI、OpenAI、DeepSeek AI はそれぞれの研究機関自体を指しており、確認済みです。それ以外の名前は第三者を指し、場合によっては優れたパフォーマンスを示しますが、いずれも元の研究機関のオリジナルとは限りません。
モデルカード（model card）
READMEファイル：モデルの概要、学習方法、想定用途、スコア、プロンプトの形式、制約などを記載します。内容の充実度は、非常に詳しいものから空に近いものまでさまざまです。
ライセンス
モデルカードの上部、モデル名の隣に目立つように表示されています。一般的な各ライセンスが実際に何を許可しているかについては、下の専用セクションを参照してください。
「Files and versions」タブ
ダウンロード可能なファイルの完全リスト。一瞥で現在のリポジトリのタイプをすぐに把握できます。

#どのリポジトリを選ぶか：元の重みかGGUFか

Files に表示される内容概要どのツールで使用するか8Bモデル用のサイズ
model-00001-of-00004.safetensors…BF16で元の重みが複数ファイルに分割された状態transformers, vLLM, ファインチューニングツール約 16 GB
…-Q4_K_M.gguf, …-Q8_0.gguf量子化して変換したモデル。量子化レベルごとにファイルは1つOllama, LM Studio, llama.cpp, KoboldCpp, Jan≈ 5 GB（Q4）
…-AWQ、…-GPTQ、…-FP8のリポジトリGPUサーバー向けの量子化技術vLLMおよび同等のエンジン約5から9GB
…-MLX-4bitという名前のリポジトリApple Silicon向けの形式Mac上のMLX、LM Studio≈ 5 GB

研究機関が主に公開するのは最初のタイプ、つまり学習で得られたそのままの元の重みです。デスクトップアプリに必要なGGUFファイルは、変換を行う人や組織によって別途作成されます。一部の研究機関は自らGGUFファイルを直接公開し、bartowski、unsloth、ggml-orgなどのコミュニティの貢献者が、それ以外のほぼすべてをカバーしています。注目度の高いモデルのリリースでは、通常、公開からわずか数時間で変換版が提供されます。やみくもに探さずに見つけるには、元のモデルのページを開き、ページ右側に表示されるモデルツリーのQuantizationsリンクをたどってください。または、Hubの検索バーでモデル名の後にGGUFを付けて検索してください。通常、ダウンロード数の多い変換版が検索結果の上位に表示されます。

#お使いのグラフィックカードに合うファイルを選ぶ

GGUFのリポジトリでは、同じモデルに対して通常、利用可能な量子化レベルごとに1ファイルずつ、最も圧縮されたものから最も忠実なものまで、約10個のファイルが提供されます。ファイルサイズは、モデルがメモリにロードされた際に重みが占めるVRAMの量にほぼ相当します。会話のコンテキストとシステムの動作マージンのために、常に1〜3 GBのVRAMを空けておいてください。

QuelLLM カタログから算出 · 2026年9月20日 · サイズは Go 単位で切り上げ
モデルQ4_K_MQ5_K_MQ8_0BF16Q4で余裕を持って使えるGPU
Qwen 3 8B5 GB6 GB9 GB16 GB8 GB
Gemma 4 12B7 GB9 GB13 GB24 GB12 GB
Qwen 3 14B9 GB11 GB16 GB28 GB12 GB
gpt-oss 20B13 GB16 GB23 GB42 GB16 GB
Mistral Small 3.2 24B14 GB17 GB26 GB48 GB16 GB
Qwen 3.8 27B16 GB19 GB29 GB54 GB24 GB
Llama 3.3 70B40 GB48 GB75 GB140 GB2 × 24 GB

#ダウンロードの三つの方法

最も簡単な方法は、使用しているツールに任せることです。LM Studio の検索機能は Hugging Face に直接問い合わせ、どのファイルが手元のマシンの容量に収まるかを示します。Ollama と llama.cpp は、どちらも GGUF リポジトリを名前で指定して取得できます。

Ollama または llama.cpp から
# Ollama : lancer n'importe quel dépôt GGUF du Hub
ollama run hf.co/bartowski/Qwen_Qwen3-8B-GGUF:Q4_K_M

# llama.cpp : télécharger et servir
llama-server -hf bartowski/Qwen_Qwen3-8B-GGUF:Q4_K_M
コマンドラインツールを使用する場合
pip install -U huggingface_hub
hf download bartowski/Qwen_Qwen3-8B-GGUF --include "*Q4_K_M.gguf" --local-dir ./models

--includeフィルターは重要です。指定しないと、リポジトリ内のすべての量子化版をダウンロードしてしまい、合計が100 GBを超えることもよくあります。3つ目の方法はブラウザを使うことです。Files and versionsタブで、ファイルの横にあるダウンロード矢印をクリックします。単独のGGUFファイルには便利ですが、複数のファイルに分割された元の重みには不向きです。

i
古いチュートリアルにhuggingface-cliが出てきましたか？
その説明は無視してください。huggingface-cli download コマンドは非推奨となり、huggingface_hub ライブラリのバージョン 1.0 以降では完全に削除されています。代わりに、より短い hf コマンドが使われており、Hugging Face 自身が「より高速で使いやすい CLI」と紹介しています。置き換えは単純です。古いチュートリアルに huggingface-cli download と書かれている箇所をすべて hf download に置き換え、オプションはそのまま使ってください。
i
条件付きアクセスモデル
一部の研究機関は、ダウンロード前に利用条件への同意を求めています。Llama シリーズを提供する Meta もその一つです。無料アカウントを作成し、モデルページのアクセスボタンをクリックしてから、hf auth login とアカウント設定で作成したトークンを使って、コマンドラインツールを一度認証してください。コミュニティによる GGUF 変換版は通常、アクセス制限がありませんが、元のライセンスは引き続き利用者に適用されます。

#ライセンス：「オープン」とは条件なしを意味しません

QuelLLMカタログで確認されたライセンス · 2026年9月20日
ライセンスカタログの例商用利用
Apache 2.0Qwen 3ファミリー、Gemma 4 12B、gpt-oss、Mistral Small 3.2はい、明記を条件に利用可能
MITDeepSeek R1の蒸留モデル、GLM 4.7 Flashはい
Llama Community LicenseLlama 3.3 70B条件付きで可能です：命名規則、利用ポリシー、ユーザー数の閾値に従います
非商用、研究目的さまざまな研究論文いいえ

判断に迷った場合は、モデルの紹介ページに表示されているラベルを基準にしてください。また、別のモデルから派生したモデルや、そのモデルをファインチューニングまたはマージして作られたモデルは、派生モデルのREADMEに明記されていなくても、通常はベースモデルのライセンス上の義務を引き継ぎます。企業内や商用製品で導入する際に、2分ほどかけてライセンスを注意深く読めば、実際には商用利用が制限されているモデルを前提にシステム全体を構築してしまう事態を避けられます。これはよくある誤りで、後から修正するには大きなコストがかかります。

#安全ですか？

.safetensorsと.ggufを優先してください
これらは純粋なデータフォーマットです。以前のPyTorchの.binおよび.ptファイルはPythonのpickleメカニズムに基づいており、読み込み時にコードを実行できる可能性があります。Hubではその点について警告を表示します。
「trust remote code」に注意してください
一部のリポジトリ、特にtransformersライブラリにまだ統合されていない新しいアーキテクチャ向けのものには、独自のPythonコードが含まれています。ローダーは処理を続ける前に、そのコードを実行するための明示的な許可を求めます。この許可は、知っていて信頼できる組織に対してのみ与えてください。このコードは、Pythonプログラムの他の部分と同じ権限で、特別な制限なく実行されます。
誰が公開しているかを確認してください
累計ダウンロード数、同じ組織が公開しているほかのリポジトリの一覧、研究機関の公式サイトからそのリポジトリへのリンクは、信頼性を判断するうえで有用な手がかりです。Hubにも、ウェブ上のほかの場所と同様に、有名な組織の名前にスペルミスやアンダースコアを加えた、よく似た名前のなりすましアカウントが存在します。ダウンロード数とアカウントの開設時期をひと目確認するだけで、見分けられることも多いです。
モデルはお客様の環境に残ります
一度ダウンロードすると、llama.cppまたはOllamaで実行するGGUFモデルは、Hugging Faceにも、それ以外のどこにもネットワーク通信を行いません。これは、クラウドでホストされたAPI経由で利用するモデルとは異なります。プロンプトやデータがマシンの外に出ることはありません。オンラインサービスではなくローカルAIを選ぶ人にとって、これはプライバシー面での大きな利点です。

#FAQ

Hugging Faceは何に使うものですか？+
オープンなAIモデル、データセット、小規模なウェブデモを公開したりダウンロードしたりするために使います。ローカルAIでは、モデルファイルの主な入手先です。特に、Ollama、LM Studio、llama.cppが直接読み込める量子化済みのGGUF形式のモデルがあり、開発元の研究機関によるモデルの公式リリースから数時間後には、コミュニティの貢献者によって作成されることがよくあります。
Hugging Faceは無料ですか？+
公開モデルの閲覧とダウンロードは完全に無料で、アカウントも不要です。ただし、アクセスに条件があるモデルではアカウントが必要ですが、その作成も無料です。同社が実際に料金を請求しているのは、自社サーバー上で提供する推論、Spaces 用の追加の計算リソース、非公開リポジトリのストレージ、企業向けサービスです。
Hugging Faceはフランスの企業ですか？+
2016年にフランス人起業家3人、Clément Delangue、Julien Chaumond、Thomas Wolfによって設立され、現在もパリに大規模なチームを置いていますが、本社所在地は米国ニューヨークです。世界のAI分野で、これほどフランスに深いルーツを持つ、真に主要なプラットフォームは数少なく、その一つです。
モデルのダウンロードにはアカウントが必要ですか？+
ほとんどの場合、必要ありません。公開モデルの閲覧やダウンロードには、アカウントは不要です。無料アカウントとアクセストークンが必要になるのは、開発元が利用規約への事前同意を求めるモデルだけです。MetaのLlamaファミリーや、Googleが公開する一部のモデルがこれに該当します。
OllamaまたはLM Studioで使うには、どのファイルをダウンロードすればよいですか？+
GGUFリポジトリにある.ggufファイルを1つだけダウンロードします。通常、最初はQ4_K_M版を選び、ファイルサイズがグラフィックカードのメモリ容量より1～3 GB小さいものにします。開発元の研究機関の元リポジトリにある分割済みの.safetensorsファイルは、transformersなどのPythonフレームワークやvLLMなどのサーバーエンジン向けであり、デスクトップアプリ向けではありません。
モデルをダウンロードするには、huggingface-cli をまだ使う必要があるのでしょうか？+
いいえ。このコマンドは非推奨となり、huggingface_hubのバージョン1.0で削除されました。Hugging Faceがより高速で簡単だと紹介している現在のコマンドはhfです。古いチュートリアルでhuggingface-cli downloadと書かれていた箇所では、hf downloadの後にリポジトリ名を指定すれば、同じフィルタリングオプションで同じように動作します。
このガイドは役に立ちましたか？

ご意見、誤りのご指摘、補足はありますか？ぜひお知らせください。皆さんにとってより良いガイドにするために役立ちます。