Hugging Face تضيف DeepInfra إلى Inference Providers لتشغيل النماذج عبر واجهة API موحدة

أضافت Hugging Face خدمة DeepInfra إلى قائمة Inference Providers على Hub. وبذلك يستطيع المطورون تشغيل النماذج المتاحة عبر DeepInfra مباشرة من صفحات النماذج، وعبر حزم SDK للعملاء، وعبر الموجّه الموحد (router) في Hugging Face، دون الحاجة إلى تكامل مخصص منفصل.

ما الذي أُطلق

يوسّع هذا التكامل منظومة الاستدلال بلا خوادم (serverless inference) داخل Hugging Face. فقد أصبحت DeepInfra مزوّدًا مدعومًا على Hub، أي يمكن اختيار نماذجها في المكان نفسه الذي يبحث فيه المطورون أصلًا عن مجموعات البيانات وبطاقات النماذج ومقتطفات التشغيل الجاهزة.

ويصف الإعلان DeepInfra بأنها منصة AI-inference تضم أكثر من 100 نموذج وتقدّم، بحسب الإعلان، واحدًا من أدنى أسعار الرموز (token) في السوق. وبالنسبة إلى Hugging Face، تمثل هذه الخطوة تقدمًا إضافيًا نحو نموذج لا يقتصر فيه Hub على كونه فهرسًا، بل يعمل أيضًا كنقطة موحدة لتشغيل النماذج.

وتغطي الخدمة عند الإطلاق سيناريوهات المحادثة وتوليد النصوص التقليدي (text generation). وعبر DeepInfra على Hugging Face، صار بالإمكان الوصول إلى نماذج مفتوحة الأوزان (open-weight) شائعة مثل DeepSeek V4 وKimi-K2.6 وGLM-5.1. وحدّد الفريق منذ البداية المرحلة التالية: فمن المفترض أن تظهر عبر الطبقة نفسها لاحقًا خدمات text-to-image وtext-to-video والتضمينات (embeddings) وأنواع أخرى من المهام. أي أن الأمر لا يتعلق بتكامل لمرة واحدة مع نموذج أو نموذجين من LLM، بل بربط قناة حوسبة أوسع ببنية Hugging Face التحتية.

كيف يعمل

من منظور المستخدم، كل شيء مدمج في واجهة Hub المألوفة. ففي إعدادات الحساب يمكن إضافة مفاتيح المزوّدين الخاصة وتحديد ترتيب الأفضلية. أما في صفحات النماذج، فتعرض Hugging Face المزوّدين الخارجيين المتوافقين وتنشئ لهم أدوات عرض (widgets) وأمثلة برمجية. وإذا لم يُحدَّد مفتاح، فقد تمر الطلبات عبر Hugging Face نفسها. وإذا وُجد مفتاح، تُرسَل الاستدعاءات مباشرة إلى DeepInfra. ويُلغي ذلك الحاجة إلى إعداد يدوي زائد، ويجعل التبديل بين المزوّدين أسهل بوضوح.

• مفتاح DeepInfra API الخاص بالمستخدم للاستدعاءات المباشرة دون وسيط
• نمط routed by HF، حيث لا حاجة إلى مفتاح منفصل من المزوّد
• ترتيب المزوّدين بحسب أولوية يحدّدها المستخدم
• النهج نفسه في واجهة Hub وPython SDK وJavaScript SDK
• الاتصال بأدوات agent harnesses الشائعة دون طبقة ربط إضافية

أما على مستوى الكود، فالمخطط بسيط للغاية أيضًا. فخدمة DeepInfra متاحة عبر `huggingface_hub` للغة Python وعبر `@huggingface/inference` للغة JavaScript. وتستخدم الأمثلة الواردة في الإعلان عميلًا متوافقًا مع OpenAI، مع عنوان أساسي `https://router.huggingface.co/v1` ورمز Hugging Face. ويُحدَّد النموذج بصيغة `model:provider`، كما في مثال استدعاء DeepSeek عبر DeepInfra. ويؤكد الإعلان بشكل منفصل أن التكامل يعمل بالفعل في عدد من أدوات agent harnesses، فيمكن ربط النماذج لا في الكود الخام فحسب، بل في أدوات الوكلاء (agents) المبنية فوق واجهة API المشتركة.

الأسعار والوصول

أبقت Hugging Face على سيناريوهين واضحين للفوترة. فإذا استخدم المطور مفتاح DeepInfra الخاص به، يجري الدفع لدى DeepInfra وفق تعرفتها. أما إذا مُرِّر الطلب عبر Hugging Face Hub، فيُخصم المبلغ من حساب Hugging Face، ولكن دون أي هامش ربح إضافي من المنصة: إذ تذكر الشركة أنها تنقل ببساطة التكلفة القياسية لواجهة API الخاصة بالمزوّد. وهذه تفصيلة مهمة للفرق، لأن الموجّه الموحد لا يتحول إلى طبقة سعرية إضافية فوق البنية التحتية القائمة.

وتتوفر كذلك طريقة واضحة لتجربة التكامل دون تكاليف كبيرة. فمستخدمو باقة PRO يحصلون على 2 دولار شهريًا من رصيد الاستدلال (inference credits) يمكن إنفاقه لدى مزوّدين مختلفين داخل هذه المنظومة. وللحسابات المجانية أيضًا حد صغير للاستدلال، مع أن Hugging Face تدفع المستخدمين النشطين صراحةً إلى الانتقال إلى PRO. وعمليًا، يخفض ذلك عتبة الدخول: إذ يمكن مقارنة DeepInfra سريعًا بمزوّدين آخرين على النماذج نفسها، دون إعداد بيئة اختبار منفصلة ودون ضبط عدة حزم SDK مختلفة.

ماذا يعني ذلك

تحوّل Hugging Face Hub بوضوح متزايد إلى طبقة تنسيق (orchestration) فوق عدة مزوّدين للذكاء الاصطناعي، لا مجرد واجهة عرض للنماذج. وبالنسبة إلى المطورين، يعني ذلك تكاملًا يدويًا أقل، واختبارًا أسرع لنماذج LLM مفتوحة الأوزان، ومسارًا أبسط نحو بنية متعددة المزوّدين دون إعادة كتابة كود العميل.