Hugging Face lanza almacenamiento en la nube sin cargos por tráfico saliente

Hugging Face y SkyPilot lanzaron el 7 de julio de 2026 una integración de almacenamiento en la nube. Los desarrolladores ya pueden ejecutar cargas de trabajo de IA en cualquiera de más de 20 servicios en la nube y leer pesos de modelos y datasets directamente desde Hugging Face, sin cargos por tráfico saliente.

Por qué el tráfico saliente se convirtió en un problema

Los equipos que entrenan modelos suelen tener GPU en varios proveedores a la vez, donde encuentran recursos libres. Almacenar datos en cada nube es caro e incómodo, y transferirlos entre proveedores cuesta ~0,09 $/GB en AWS. Con datasets de cientos de gigabytes, el gasto en tráfico supera rápidamente el coste del cómputo.

Datos clave de la integración:

• Anunciada el 7 de julio de 2026, desarrollo conjunto de los equipos de SkyPilot y Hugging Face
• Hugging Face Storage: 12-18 $/TB/mes, tráfico saliente gratuito
• AWS S3: ~23 $/TB más 0,09 $/GB por tráfico saliente
• Velocidad de carga del modelo al montar: hasta 500 MB/s, arranque en frío de ~30 segundos
• Instalación con un solo comando: `pip install "skypilot[huggingface]"`

Cómo funciona el montaje mediante hf://

El nuevo backend `store: hf` en la configuración de SkyPilot acepta direcciones con formato `hf://`: repositorios de modelos, datasets o buckets (Buckets). La autenticación se hace mediante la variable de entorno `HF_TOKEN`.

Hay dos modos de acceso. MOUNT lee en streaming a través de FUSE: solo se descargan los bytes solicitados, sin copiar el archivo completo. COPY realiza una carga previa con `huggingface_hub` y caché en disco. Los Buckets de Hugging Face admiten lectura y escritura (para checkpoints); los repositorios de modelos y datasets son de solo lectura, con fijación opcional de revisión.

Hugging Face también añadió parches de FUSE que permiten montar sin privilegios de superusuario, un requisito estándar en Kubernetes, donde root no está disponible.

Qué tan rápido se escriben los checkpoints

Los equipos probaron el ajuste fino del modelo Qwen3.5-4B con el dataset Multilingual-Thinking en tres nubes a la vez: AWS con GPU L40S dio ~168 MB/s, GCP con L4 ~123 MB/s y Lambda con H100 ~112 MB/s. La diferencia entre proveedores es pequeña y entra en el rango de las cargas de trabajo habituales.

La deduplicación con la tecnología Xet aporta una ventaja adicional: los archivos se dividen en bloques de ~64 KB según su contenido y las cargas repetidas omiten los bloques ya conocidos. En la práctica, añadir 10 000 filas a una tabla Parquet de 100 000 filas transfirió ~10 MB en lugar de ~106 MB, y volver a subir un blob de 8,43 GB tardó 8 segundos en lugar de 24.

Qué significa

El cargo por tráfico saliente era una barrera oculta que obligaba a mantener datos y cómputo en la misma nube. La integración de SkyPilot y Hugging Face Storage la elimina: los equipos pueden elegir GPU por disponibilidad y precio en cualquier proveedor sin perder dinero en tráfico.

Preguntas frecuentes

¿Se pueden escribir checkpoints de vuelta en Hugging Face?

Sí. Los Buckets de Hugging Face admiten lectura y escritura. Los repositorios de modelos y datasets son de solo lectura. Al escribir desde la nube hacia Hugging Face se aplican las tarifas estándar de tráfico saliente del proveedor de nube; solo es gratuito el tráfico que sale de Hugging Face.

¿Qué infraestructuras admite SkyPilot?

SkyPilot funciona con más de 20 proveedores de nube, clústeres de Kubernetes, Slurm e infraestructura on-premises. La imagen base debe tener glibc 2.34+ y acceso a `/dev/fuse`.

¿Cuántas nubes admite la integración de

Hugging Face y SkyPilot?

La integración admite más de 20 proveedores de nube para ejecutar cargas de trabajo de IA.

¿Por qué es caro el tráfico saliente al entrenar modelos?

Transferir datos entre proveedores de nube cuesta ~0,09 $ por gigabyte en AWS. Con datasets de cientos de gigabytes, el gasto en tráfico crece rápidamente.