🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Hugging Face Hub가 Hyperbolic, Nebius AI Studio, Novita를 새 서버리스 추론 제공자로 추가해 모델 페이지와 JS·Python SDK에서 여러 모델을 더 쉽게 선택해 사용할 수 있게 했다.

📌 핵심 요약

• Hugging Face는 2025년 2월 18일 Hub의 서버리스 Inference Providers 생태계에 Hyperbolic, Nebius AI Studio, Novita를 새로 추가했다고 발표했다.
• 새 제공자들은 기존 Together AI, Sambanova, Replicate, fal, Fireworks.ai에 이어 Hub 모델 페이지에서 직접 사용할 수 있는 제3자 추론 선택지를 넓힌다.
• 사용자는 계정 설정에서 제공자별 API 키를 등록하거나 Hugging Face를 통한 라우팅 방식을 선택할 수 있으며, 모델 페이지 위젯과 코드 스니펫에 적용될 제공자 우선순위도 정할 수 있다.
• Python의 huggingface_hub와 JS의 @huggingface/inference SDK에 통합되어 DeepSeek-R1 채팅 완성, FLUX.1 계열 텍스트-이미지 생성 같은 사용 예시를 제공한다.
• 과금은 제공자 키로 직접 호출하면 해당 제공자 계정에 청구되고, Hugging Face 라우팅을 쓰면 표준 제공자 API 요금이 Hugging Face 계정에 추가 마크업 없이 청구된다.

🧩 주요 포인트

1. Hugging Face는 2025년 2월 18일 Hub의 서버리스 Inference Providers 생태계에 Hyperbolic, Nebius AI Studio, Novita를 새로 추가했다고 발표했다.
2. 새 제공자들은 기존 Together AI, Sambanova, Replicate, fal, Fireworks.ai에 이어 Hub 모델 페이지에서 직접 사용할 수 있는 제3자 추론 선택지를 넓힌다.
3. 사용자는 계정 설정에서 제공자별 API 키를 등록하거나 Hugging Face를 통한 라우팅 방식을 선택할 수 있으며, 모델 페이지 위젯과 코드 스니펫에 적용될 제공자 우선순위도 정할 수 있다.
4. Python의 huggingface_hub와 JS의 @huggingface/inference SDK에 통합되어 DeepSeek-R1 채팅 완성, FLUX.1 계열 텍스트-이미지 생성 같은 사용 예시를 제공한다.
5. 과금은 제공자 키로 직접 호출하면 해당 제공자 계정에 청구되고, Hugging Face 라우팅을 쓰면 표준 제공자 API 요금이 Hugging Face 계정에 추가 마크업 없이 청구된다.

🧠 상세 정리

1. 세 개의 새 서버리스 추론 제공자 추가

이 글은 Hugging Face Hub에 Hyperbolic, Nebius AI Studio, Novita라는 세 개의 서버리스 Inference Provider가 새로 추가되었다는 발표로 시작한다. 이들은 Hub의 모델 페이지에서 바로 사용할 수 있는 추론 제공자 생태계를 확장하는 역할을 한다. 글은 새 파트너들이 기존 Together AI, Sambanova, Replicate, fal, Fireworks.ai와 함께 제공자 목록에 합류했다고 설명한다. 핵심은 사용자가 Hub 안에서 더 다양한 모델과 제공자를 선택해 추론을 실행할 수 있게 되었다는 점이다.

2. 지원 모델과 Hub 모델 페이지의 확장

새 제공자 추가로 DeepSeek-R1, Flux.1을 포함한 여러 모델을 사용할 수 있게 되었다고 글은 밝힌다. 원문은 Nebius AI Studio, Novita, Hyperbolic이 지원하는 모델 목록을 별도로 확인할 수 있다고 안내하며, 이들이 모델 선택 폭을 넓히는 데 기여한다고 강조한다. 모델 페이지는 현재 모델과 호환되는 제3자 추론 제공자를 보여주며, 사용자가 설정한 선호 순서에 따라 표시된다. 따라서 발표의 초점은 단순한 파트너 추가가 아니라, Hub 모델 페이지를 추론 실행의 진입점으로 강화하는 데 있다.

3. 계정 설정에서의 API 키와 제공자 우선순위

웹사이트 UI에서는 사용자 계정 설정을 통해 제공자별 API 키를 등록할 수 있다. 사용자가 특정 제공자에 가입해 API 키를 가지고 있다면 그 키를 사용해 직접 호출할 수 있고, 별도 키를 설정하지 않으면 요청이 Hugging Face를 통해 라우팅된다. 또한 사용자는 제공자 우선순위를 정할 수 있으며, 이 순서는 모델 페이지의 위젯과 코드 스니펫에 반영된다. 글은 이를 통해 동일한 모델이라도 사용자가 선호하는 제공자를 중심으로 더 일관된 사용 경험을 구성할 수 있다고 설명한다.

4. 직접 호출과 Hugging Face 라우팅의 두 가지 방식

원문은 Inference API 호출 방식이 크게 두 가지라고 구분한다. 첫째는 사용자가 해당 추론 제공자의 API 키를 사용해 직접 제공자에게 호출하는 방식이며, 이 경우 요청은 제공자 쪽으로 바로 전달된다. 둘째는 Hugging Face Hub 인증을 사용해 라우팅하는 방식으로, 사용자는 제공자 토큰 없이도 요청을 보낼 수 있다. 이 경우 비용은 제공자 계정이 아니라 Hugging Face 계정에 적용된다. 이 구조는 별도 제공자 계정을 이미 가진 사용자와 Hub 중심으로 간단히 사용하려는 사용자를 모두 고려한 설계다.

5. Python과 JS SDK 사용 예시

글은 클라이언트 SDK 통합을 강조하며 Python과 JavaScript 예시를 제시한다. Python에서는 huggingface_hub의 InferenceClient를 사용해 provider 값을 hyperbolic으로 지정하고 DeepSeek-R1 모델에 채팅 완성 요청을 보내는 예시가 나온다. 또 Nebius AI Studio를 provider로 설정해 FLUX.1 계열 모델로 텍스트 프롬프트에서 이미지를 생성하는 예시도 제공된다. 제공자를 바꾸려면 provider 이름만 nebius에서 hyperbolic처럼 변경하면 되고, 나머지 코드는 그대로 유지할 수 있다는 점도 설명한다.

6. 과금, 크레딧, 피드백 안내

과금 방식은 호출 경로에 따라 달라진다. 제공자 API 키를 사용해 직접 요청하면 Nebius AI Studio 키 사용 시 Nebius AI Studio 계정에 청구되는 것처럼 해당 제공자가 과금한다. Hugging Face를 통해 라우팅된 요청은 표준 제공자 API 요금만 Hugging Face 계정에 청구되며, Hugging Face는 추가 마크업을 붙이지 않는다고 밝힌다. 또한 PRO 사용자는 매달 2달러 상당의 Inference 크레딧을 받아 여러 제공자에서 사용할 수 있고, 로그인한 무료 사용자에게도 작은 무료 추론 할당량이 제공된다고 안내한다. 글 마지막에서는 Hub discussion 링크를 통해 피드백을 요청한다.

🧾 핵심 주장 / 시사점

• Hugging Face Hub는 모델 저장소를 넘어, 모델 페이지에서 제공자 선택·코드 스니펫·추론 실행까지 연결하는 사용 흐름을 강화하고 있다.
• 제공자 API 키 직접 사용과 Hugging Face 라우팅을 함께 지원해, 기존 제공자 계정을 가진 사용자와 간단한 Hub 기반 결제를 원하는 사용자를 모두 수용한다.
• SDK에서 provider 값만 바꾸어 다른 제공자로 이동할 수 있게 한 점은 같은 모델 사용 코드를 유지하면서 추론 백엔드 선택을 유연하게 만드는 핵심 설계다.

✅ 액션 아이템

• 새로운 제공자(Hyperbolic, Nebius AI Studio, Novita)를 Hub 모델 페이지에서 즉시 적용 가능한지 확인하고 테스트 범위를 정의한다.
• 계정 설정의 API 키 직접 등록 방식과 HF 라우팅 방식을 과금 포인트(제공자 청구 vs HF 청구)별로 비교해 기본 호출 전략을 정한다.
• 모델 페이지 위젯·코드 스니펫의 제공자 우선순위를 적용해 DeepSeek-R1 채팅 완성과 FLUX.1 텍스트-이미지 생성 예시가 각 제공자에서 동작하는지 점검한다.

❓ 열린 질문

• 직접 키 호출과 HF 라우팅 사용 시 비용 부담은 어떤 사용 패턴에서 어떤 방식이 유리한가?
• 새로 추가된 3개 제공자와 기존 제공자를 함께 쓸 때 위젯·스니펫에서 우선순위는 어떤 기준으로 설정해야 하나?
• DeepSeek-R1 채팅 완성과 FLUX.1 텍스트-이미지 생성에서 Python과 JS SDK의 동작 차이는 어떤 지표로 판단할 것인가?