Hugging Face Inference Providers: Kostenloses Guthaben? (2026)

Kurz gesagt: Ein kostenloses Hugging-Face-Konto enthält kein kostenloses Guthaben für Inference Providers mehr. Um gehostete Modelle über Hugging Face aufzurufen, kaufen Sie entweder Guthaben (Pay-as-you-go zum Preis des Anbieters, ohne Aufschlag) oder abonnieren PRO für 9 $/Monat, das jeden Monat 2,00 $ Compute-Guthaben enthält. Team- und Enterprise-Organisationen erhalten 2,00 $ pro Platz, gebündelt.

Was Inference Providers ist

Inference Providers ist die Serverless-Inferenzschicht von Hugging Face. Statt ein Modell selbst zu deployen, rufen Sie ein Modell vom Hub auf, und Hugging Face leitet die Anfrage an einen seiner Partneranbieter weiter – derzeit unter anderem Cerebras, Groq, Together, Fireworks, Novita, Nscale, Replicate, fal, Featherless AI, DeepInfra, Baseten, Cohere, Scaleway, OVHcloud, Public AI, WaveSpeedAI, Z.ai und den eigenen Dienst HF Inference. Ein Hugging-Face-Token funktioniert für alle, und die Abrechnung läuft über Ihr Hugging-Face-Konto.

Es ersetzt die alte „Inference API (serverless)“, die heute der Anbieter hf-inference ist. Seit Juli 2025 konzentriert sich hf-inference laut Hugging Face vor allem auf CPU-Aufgaben wie Embeddings, Text-Ranking, Textklassifizierung und kleine Altmodelle wie BERT und GPT-2; die meisten großen LLMs und Bildmodelle werden von den Partneranbietern bereitgestellt.

Wer Guthaben bekommt und wie viel

Das enthaltene Guthaben ist allgemeines Compute-Guthaben. Neben Inference Providers bezahlt es Inference Endpoints, bessere CPU- und GPU-Hardware für Spaces (einschließlich ZeroGPU-Nutzung über Ihr Kontingent hinaus) und Jobs. Es wird jeden Monat gutgeschrieben und automatisch vor jeder Pay-as-you-go-Abrechnung angerechnet. Hugging Face sagt nicht, dass ungenutztes Guthaben übertragen wird; betrachten Sie es also als monatlich verfallend.

PRO enthält außerdem das 8-fache ZeroGPU-Kontingent mit höchster Warteschlangenpriorität. Wenn Sie vor allem Demos in Spaces statt API-Aufrufen betreiben, ist Ihnen dieses Kontingent womöglich mehr wert als die 2 $ Guthaben.

So funktioniert die Abrechnung: Routing vs. eigener Key

Geroutete Anfragen werden zum selben Preis wie beim Anbieter berechnet, ohne zusätzliche Gebühr von Hugging Face. Bei hf-inference zahlen Sie Rechenzeit mal Hardwarepreis. Das Beispiel von Hugging Face: Eine FLUX.1-dev-Anfrage, die 10 Sekunden auf einer GPU für 0,00012 $ pro Sekunde dauert, kostet 10 × 0,00012 $ = 0,0012 $. Bei diesem Preis würden die 2 $ eines PRO-Nutzers für etwa 2 $ ÷ 0,0012 $ ≈ 1.660 solcher Bilder im Monat reichen, sofern nichts anderes das Guthaben nutzt.

Schritt für Schritt: Einrichtung

1. Erstellen Sie ein Konto oder melden Sie sich an unter huggingface.co.
2. Entscheiden Sie, wie Sie zahlen: Abonnieren Sie PRO unter huggingface.co/subscribe/pro für das monatliche Guthaben von 2 $, oder laden Sie in Ihren Abrechnungseinstellungen Guthaben für reines Pay-as-you-go auf. Kostenlose Konten müssen eines davon tun, bevor geroutete Anfragen funktionieren.
3. Erstellen Sie unter Settings → Access Tokens einen Fine-grained Access Token und aktivieren Sie Make calls to Inference Providers.
4. Optional: Legen Sie in den Inference-Providers-Einstellungen die Reihenfolge Ihrer bevorzugten Anbieter fest oder fügen Sie eigene Anbieter-Keys hinzu.
5. Testen Sie Modelle interaktiv im Inference Playground (huggingface.co/playground) und rufen Sie sie dann aus Ihrem Code auf.
6. Verfolgen Sie Ihre Ausgaben auf der Abrechnungsseite und die Aufschlüsselung nach Modell und Anbieter in den Inference-Providers-Einstellungen.

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://router.huggingface.co/v1",
    api_key=os.environ["HF_TOKEN"],
)
completion = client.chat.completions.create(
    model="openai/gpt-oss-120b:cheapest",  # or :fastest, :preferred, or :groq etc.
    messages=[{"role": "user", "content": "How many 'G's in 'huggingface'?"}],
)
print(completion.choices[0].message.content)

Den Anbieter so wählen, dass Sie Guthaben sparen

• :fastest (Standard) wählt den Anbieter mit dem höchsten Durchsatz in Tokens pro Sekunde.
• :cheapest wählt den Anbieter mit dem niedrigsten Preis pro Output-Token – die naheliegende Wahl, wenn Sie feste 2 $ ausgeben.
• :preferred folgt der Reihenfolge, die Sie in Ihren Inference-Providers-Einstellungen festgelegt haben.
• Hängen Sie einen Anbieternamen an (zum Beispiel openai/gpt-oss-120b:groq), um einen bestimmten Host zu erzwingen.
• GET https://router.huggingface.co/v1/models liefert die verfügbaren Modelle mit Preisen pro Anbieter, Kontextlänge, Latenz und Durchsatz (soweit verfügbar), sodass Sie vor dem Aufruf vergleichen können.

Der OpenAI-kompatible Router deckt nur Chat Completions ab. Für Text-to-Image, Embeddings, Spracherkennung und andere Aufgaben nutzen Sie den Python-Client huggingface_hub oder den JavaScript-Client @huggingface/inference, die die anbieterspezifischen Anfrageformate für Sie übernehmen.

Team und Enterprise: Abrechnung über die Organisation

Jedes Mitglied nutzt seinen eigenen Token, aber Anfragen greifen nur dann auf das gemeinsame Guthaben der Organisation zu, wenn Sie die Organisation angeben. In den Hugging-Face-Clients übergeben Sie bill_to="my-org-name" (Python) oder billTo (JavaScript); mit dem OpenAI-SDK oder direktem HTTP senden Sie den Header X-HF-Bill-To: my-org-name. Enterprise-Organisationen mit Resource Groups können stattdessen eine Resource-Group-ID übergeben, um Kosten zuzuordnen. Admins können in den Organisationseinstellungen ein Ausgabenlimit setzen und bestimmte Anbieter deaktivieren, und Enterprise-Pläne können über eine API eine tägliche Nutzungszeitreihe pro Mitglied, Modell und Anbieter abrufen.

Die fehlende Bill-to-Angabe ist der häufigste Grund, warum Team-Mitglieder ihr persönliches Guthaben ausgeben (oder bei einem kostenlosen Konto Zahlungsfehler bekommen) statt des Organisationspools.

Lohnt sich PRO nur für Inferenz?

Allein für API-Aufrufe meist nicht: PRO kostet 9 $ im Monat und enthält 2 $ Guthaben, Sie zahlen also 7 $ für die übrigen PRO-Vorteile (ZeroGPU-Kontingent, Priorität und so weiter). Wenn Sie nur gelegentlich API-Zugang brauchen, ist der direkte Kauf von Guthaben oder die kostenlose Stufe eines Anbieters günstiger. PRO lohnt sich, wenn Sie zusätzlich Spaces mit ZeroGPU nutzen, eine Rechnung für viele Anbieter wollen oder die enthaltenen Hub-Funktionen brauchen.

Was bei Hugging Face weiterhin kostenlos ist

Der Wegfall des kostenlosen Inference-Guthabens macht Hugging Face selbst nicht kostenpflichtig. Mit einem kostenlosen Konto können Sie weiterhin offene Modellgewichte vom Hub durchsuchen und herunterladen, sie mit Bibliotheken wie transformers auf Ihrem eigenen Rechner oder Server ausführen und Spaces auf den kostenlosen Hardwarestufen hosten, einschließlich ZeroGPU im Rahmen des kostenlosen Kontingents (PRO verachtfacht dieses Kontingent). Kostenpflichtig ist jetzt gehostete Serverless-Inferenz über Inference Providers, weil jede geroutete Anfrage von einem kostenpflichtigen Anbieter ausgeführt und abgerechnet wird.

Wenn Sie also mit einem offenen Modell experimentieren wollen und eine leistungsfähige GPU haben oder mit einem kleinen Modell auf der CPU zufrieden sind, ist das Herunterladen der Gewichte der kostenlose Weg. Wenn Sie einen HTTP-Endpunkt ohne eigene Hardware brauchen, zahlen Sie entweder ein wenig über Hugging Face oder nutzen eine der kostenlosen Stufen unten.

Kostenlose Alternativen, wenn Sie nur API-Zugang wollen

Mehrere Partner von Inference Providers bieten auch eigene direkte kostenlose Stufen oder Guthaben an; wenn Sie nur einen Anbieter brauchen, ist der direkte Weg oft am günstigsten. Eine vollständigere Liste finden Sie in unserem Ratgeber zu kostenlosen KI-API-Keys.

Geschichte der kostenlosen Inferenz bei Hugging Face

• Vor 2025: Hugging Face betrieb eine eigene Serverless Inference API, die heute der Anbieter hf-inference ist.
• 28. Januar 2025: Hugging Face startete Inference Providers mit fal, Replicate, SambaNova und Together AI als ersten Partnern. Zum Start erhielten angemeldete kostenlose Nutzer kostenlose Inferenz mit kleinem Kontingent, PRO-Nutzer 2 $ monatliches Guthaben; geroutete Anfragen wurden zu Anbieterpreisen ohne Aufschlag abgerechnet, Anfragen mit eigenem Key vom Anbieter.
• Juli 2025: hf-inference konzentrierte sich vor allem auf CPU-Inferenz für Embeddings, Klassifizierung und kleine Modelle.
• Seitdem: Die Partnerliste ist auf rund 18 Anbieter gewachsen. Die kostenlose Stufe wurde gekürzt: Frühere Versionen der Preistabelle zeigten einen kleinen monatlichen Betrag für kostenlose Nutzer (etwa 0,10 $), die aktuelle Tabelle nennt None und sagt, dass kostenlose Nutzer Guthaben kaufen müssen. Eine datierte Ankündigung dieser Änderung hat Hugging Face nicht veröffentlicht.

Häufige Fehler

• Erwarten, dass ein kostenloses Konto sofort funktioniert. Geroutete Anfragen brauchen jetzt gekauftes Guthaben oder PRO.
• Einen klassischen Read-Token verwenden. Erstellen Sie einen Fine-grained Token mit der Berechtigung Make calls to Inference Providers.
• Einen eigenen Anbieter-Key hinzufügen und erwarten, dass das Guthaben gilt. Anfragen mit Ihrem eigenen Anbieter-Key rechnet der Anbieter ab, nicht Ihr monatliches Guthaben.
• Den OpenAI-kompatiblen Router für Bilder oder Embeddings nutzen. Er verarbeitet nur Chat Completions; für andere Aufgaben nutzen Sie die Hugging-Face-Clients.
• Annehmen, der Standardanbieter sei der günstigste. Standard ist :fastest; hängen Sie :cheapest an, wenn es auf die Kosten ankommt.