HuggingChat
Hugging Face 的開源模型聊天 App：Omni 自動選模型、130+ 模型可切換、MCP 工具與 ML Intern
HuggingChat 還活著，而且改版後變化很大。它是 AI 開源社群平台 Hugging Face 自家的聊天 App，網址就在 huggingface.co/chat，背後是開源的 chat-ui 專案。打開首頁會看到「Welcome to HuggingChat, the chat app powered by open source AI models」，目前可選的模型超過 130 個，首頁最新推薦的是 DeepSeek V4.1 Flash。它和 Hugging Face 主站同網域，但一個是模型託管平台、一個是給一般人用的聊天介面，是兩個不同的產品。
新版最大的改變有三個。Omni 是預設的「虛擬模型」，會依你的請求自動挑路線：附圖片就送到多模態模型，有開 MCP 工具就送到擅長呼叫工具的模型，其他走預設模型，回答時也會顯示實際用了哪個模型。MCP 工具讓 HuggingChat 能呼叫外部工具並把結果餵回模型。最新的 ML Intern 則是實驗性模式，能讀論文、模型和資料集、寫腳本，並以 Hugging Face Jobs 和沙箱實際執行：重現論文、微調與評估模型、建資料集、部署 Spaces 示範，花費上限由你在每段對話設定。
計費方式也跟以前不同。站上舊描述寫「完全免費」已經不正確：新版 HuggingChat 透過 Inference Providers 呼叫各家推論服務，用量會從帳號的推論額度扣。依官方定價頁（2026 年 10 月查證），免費帳號沒有每月內含額度，要自行購買點數才能用；PRO 帳號每月 9 美元、含 2 美元額度，用完可以加購，Hugging Face 不額外抽成。
功能特色與適用場景：HuggingChat 適合「想比較各家開源模型」的人。台灣的具體用法：資訊系學生或 AI 工程師在決定專案要用 Qwen、DeepSeek、Llama 哪一個之前，在同一個介面用同一組中文提示詞實際比較；做 ML 研究的研究生用 ML Intern 讓它先試跑一個小規模的微調實驗；公司內部想自架聊天介面的工程師，直接拿開源的 chat-ui 接 Ollama 或 llama.cpp。開源模型的繁中表現差異很大，台灣在地的模型可以另外參考 Breexe。免費額度很小，重度使用要嘛升級 PRO，要嘛自己架。
TheAI學院 編輯建議
編輯實測後的真心話HuggingChat 從「免費試開源模型的地方」變成要扣推論額度，我覺得是必然的，開源模型越來越大，推論成本總要有人付。但它的價值反而更清楚了：Omni 加上上百個模型，是我知道比較開源模型最省事的地方。ML Intern 則很有 Hugging Face 的味道，值得做 ML 的人試試。
主要功能
- Omni 自動路由：依是否附圖、是否啟用工具自動選擇最合適的模型
- 130+ 開源模型可直接切換對話，例如 DeepSeek V4.1 Flash
- MCP 工具呼叫，把外部工具結果餵回模型
- ML Intern：讀論文、寫腳本並以 HF Jobs 執行微調、評估與部署
- 回答顯示實際使用的模型，方便比較
- 開源 chat-ui 專案，可接 Ollama、llama.cpp、OpenRouter 自架
如何使用 HuggingChat
- 到 HuggingChat 免費開始使用。
- 切換 Llama、Mistral 等開源模型。
- 進行日常問答。
- 開啟網路搜尋。
- 用工具與助理。
- 比較各家開源模型。
- 完全免費無付費門檻。
適用場景
- 專案選型前比較不同開源模型的中文表現
- 研究生用 ML Intern 試跑小規模微調與評估
- 開發者測試開源模型搭配 MCP 工具的效果
- 企業以 chat-ui 自架內部 AI 聊天介面
- AI 課程中示範開源模型生態
HuggingChat 的優點與缺點
優點
- 一個介面就能試用上百個開源模型，比較成本很低
- Omni 自動選模型，新手不用懂每個模型的差異
- 前端完全開源，企業可以拿去自架內部聊天工具
缺點
- 免費帳號每月推論額度很小，多聊幾次就可能用完
- 開源模型的繁體中文品質落差大，要自己挑
- ML Intern 會實際消耗運算費用，要記得設定花費上限
價格方案
需登入 Hugging Face 帳號，用量從 Inference Providers 額度扣：免費帳號沒有每月內含額度，需自行購買點數；PRO（9 美元/月）每月含 2 美元額度，用完可加購。以官網為準
HuggingChat 常見問題
HuggingChat 還能用嗎？
可以。HuggingChat 仍在 huggingface.co/chat 營運，改版後加入 Omni 自動選模型、MCP 工具與實驗性的 ML Intern，可選模型超過 130 個。它和 Hugging Face 主站同網域，但是獨立的聊天產品。
HuggingChat 還是免費的嗎？
不再是無限免費。新版透過 Inference Providers 呼叫模型，用量從帳號額度扣：免費帳號沒有每月內含額度，要自行購買點數；PRO 每月 9 美元、含 2 美元額度，用完可加購。想零成本用，可以自己架開源的 chat-ui 接本機模型。
ML Intern 是什麼？
HuggingChat 的實驗性模式，可以讀論文、模型與資料集，寫出腳本後以 Hugging Face Jobs 和沙箱實際執行，例如重現論文、微調與評估模型、建立資料集或部署 Spaces 示範。每段對話可以設定運算預算，避免花費失控。
可以自己架一個 HuggingChat 嗎？
可以。HuggingChat 的前端是開源的 chat-ui 專案，支援任何 OpenAI 相容 API，例如 Hugging Face 推論路由、[Ollama](/tools/ollama)、llama.cpp 或 [OpenRouter](/tools/openrouter)，資料存在 MongoDB。適合想在公司內部提供 AI 聊天又不想把資料送到外部服務的團隊。
使用者評價
還沒有足夠評價，搶先分享你的使用心得！
寫下你的評價
HuggingChat 的替代方案
查看相似的 AI 工具 →相關 AI 工具
猜你也想看的AI 助理
HuggingChat 評測：值得用嗎？
一句話結論
HuggingChat 是 Hugging Face 自家的開源模型聊天介面，現在最大的價值是「同一個視窗試 130 多個開源模型」，而不是「免費的 ChatGPT 替代品」。2025 年 10 月改版成 Omni 之後，它改走 Inference Providers 計費，想長期免費用的人會失望；想在選型前比較 Qwen、DeepSeek、Kimi 中文表現的工程師，它還是我知道最省事的地方。
它到底做什麼
打開 huggingface.co/chat，首頁寫的是「the chat app powered by open source AI models」，導覽列顯示可選模型 137 個。預設模型叫 Omni，其實是一個路由器：官方公告說明它用 katanemo 的 Arch-Router-1.5B 判斷每則訊息屬於哪一類，再送到對應模型，例如程式碼走 Qwen3-Coder、創意寫作走 Kimi-K2、翻譯走 Cohere 的 command-a-translate，串流時畫面會標出實際回答的是哪個模型。不想讓它選，也可以直接指定模型。最新加入的是 ML Intern，首頁列出的範圍是論文、訓練、Spaces、資料集、評估與 Hub，偏向給做機器學習的人用。
實際用起來的重點
從官方公告與社群討論看來，新版是「重寫」而不是「加功能」。舊版的助理（Assistants）、生圖、網路搜尋、每段對話自訂系統提示，公告串底下都有使用者抱怨不見了。如果你是衝著舊版那些功能來的，先有心理準備。
另一個重點是錢。新版所有模型都經 Hugging Face 的 Inference Providers 呼叫，用量扣的是帳號的推論額度，額度用完對話就會失敗。
優點
- 同一組提示詞可以在 Qwen、DeepSeek、Kimi、Llama 等模型之間快速切換比較，畫面會標出實際回答的模型。
- Omni 讓不懂模型差異的人也能直接用，路由規則還能在自架版用 JSON 自訂。
- 前端 chat-ui 開源，設好 MongoDB 和一個 OpenAI 相容端點就能自架，可接 Ollama、OpenRouter。
缺點
- 不再是無限免費，額度用完就停，不像一般聊天服務只是降速。
- 改版拿掉了助理、生圖、網路搜尋，日常查資料不如 Perplexity。
- 開源模型的繁中品質落差大，Omni 選到的模型不一定是中文最好的那個。
適合誰／不適合誰
適合要替專案挑開源模型的工程師、想看各家開源模型差異的資訊系學生，以及打算自架內部聊天介面、先拿官方版當示範的 IT 人員。不適合只想要一個免費、穩定、會上網查資料的日常助理的一般使用者，直接用 ChatGPT 或 Claude 的免費版體驗會好很多。
價格觀察
HuggingChat 本身沒有獨立訂閱，跟著 Hugging Face 帳號走。官方定價頁：PRO 每月 9 美元，含每月 2 美元的運算額度；Team 每人每月 20 美元。Inference Providers 文件目前寫免費帳號「沒有」每月內含額度，要用得先買點數（網路上流傳的「免費每月 0.10 美元」是較早的說法）；Omni 公告則說 PRO 額度是免費帳號的 20 倍。Hugging Face 宣稱照供應商原價計費、不加價，實際每則訊息花多少依模型而定，以帳單頁為準。
替代方案
想在本機免費跑開源模型，用 Ollama 或 LM Studio；要一個 API 金鑰切換各家商用與開源模型，選 OpenRouter；只想用 DeepSeek 可直接上 DeepSeek；重視繁中在地語料，可以看國科會的 TAIDE 或聯發科的 Breexe。
台灣觀點
介面是英文，但輸入中文沒問題，模型會用中文回。要注意的是開源模型常吐簡體字或對岸用語，拿來寫正式文件前要自己校過一遍。付款走 Hugging Face 帳號的信用卡扣款，美元計價，台灣信用卡會有海外手續費。對公司來說，比較實際的用法是先用 HuggingChat 試出中文表現最好的模型，再把 chat-ui 架在內網、接自己的推論伺服器，資料就不必送出去。
評分
3.5 / 5。比較開源模型的方便程度沒有對手，前端開源可自架也是加分；扣分在改版後拿掉不少舊功能、免費額度幾乎歸零，以及繁中品質要靠自己挑模型。
本評測由 TheAI學院編輯群整理，內容力求客觀、含優缺點，僅供參考。
最後更新：2026年10月