Hugging Face 发布 Transformers v5

背景

Transformers 是 Hugging Face 的开源 Python 库，提供许多机器学习模型的代码，尤其是语言模型和视觉模型。开发者用它加载模型、运行模型、在自己的数据上做微调，并进行部署。由于大量项目依赖这个库，它的改动会影响很多用户。

库的大版本号表示接口可能发生需要使用者注意的变化。因此，新的大版本对所有基于这些代码开发的人都很重要。

发生了什么

2025 年 12 月 1 日，Hugging Face 发布了 Transformers v5.0.0rc0，这是新大版本的候选发行版^[1]。它是 v4 之后的第一个大版本，而 v4 发布于 2020 年 11 月^[1]。候选发行版是在正式发布之前供测试使用的版本。

自 v4 以来，这个库的规模有了很大增长。v4 时约有 40 种架构，即定义模型如何构建的设计模式；到 v5 时，支持的架构已超过 400 种^[1]。这一增长反映了社区在这些年间加入了许多模型系列。

关键细节

库的使用量同步增长。每日 pip 安装量从约 2 万次升至 300 多万次，累计安装量超过 12 亿次^[1]。pip 是 Python 用户安装软件包的标准工具，因此这些数字反映了该库被安装的频率。超过 75 万个 Hub 检查点（checkpoint）与该库兼容^[1]。检查点是保存下来的一组模型权重，这一数字统计的是 Hub 上能被该库加载的模型。

v5 仅支持 PyTorch，即不再支持 TensorFlow 和 Flax^[1]。PyTorch 是该库目前主要依托的深度学习框架。依赖另外两种框架的用户，需要迁移代码，或继续使用较早的版本。

此次发布增加了连续批处理（continuous batching）和分页注意力（paged attention）两项技术，用于在大量请求同时到达时高效地提供模型服务^[1]。它还推出了「transformers serve」，这是一个兼容 OpenAI API 的服务器，按该接口编写的程序可以直接与由该库提供服务的模型通信^[1]。

影响

这一变化对于在生产环境中运行模型的团队最为重要。纯 PyTorch 的库简化了代码库，而新的服务功能使为众多用户托管模型变得更容易。不过，依赖 TensorFlow 或 Flax 的团队需要规划迁移。

对整个领域而言，v5 体现了该库自创立以来的巨大发展。架构数从约 40 增至 400 多，说明它已成为开放模型工作的常见基础。想了解开放模型生态目前所处位置的读者，这次发布是一个有用的参考点。