让模型永久存在：AI 的韧性层

Pirate Face 的诞生，是因为开放模型太重要，不能依赖任何单一平台。其使命是构建全球最大的开放模型点对点网络，通过开放标准帮助用户发现、保留并分享模型副本。

模型不应该消亡。

然而每周都有开放权重模型从互联网上消失。它们被设置访问限制、更换许可证、被弃用，或者被悄悄撤下。一个模型消失，下游的一切都会中断：复现、基准测试、微调、产品和研究。

支柱级的项目也不例外。2025 年 7 月，Meta 一夜之间关闭了 Papers with Code，79,817 个论文与代码的链接、9,327 个排行榜和 5,628 个数据集随之失效，其中大部分再也没有完全恢复。机器学习领域本就存在有据可查的可复现性危机，而消失的成果只会让它更加严重。

AI 公共资源的价值惊人，但也脆弱得惊人。Hugging Face 是它的核心，托管着近 300 万个开放模型，而且还在增长，其中第二个一百万只用了不到 11 个月。但任何单一托管方，无论多好，都是一个单点故障：面对下架、服务中断、政策变化，或者仅仅是时间的流逝。

这并不是批评。所有中心化系统都带有中心化的风险。而且，以安全为由限制或撤下开放权重模型的压力只会越来越大。

Pirate Face 是开放模型的永久保存层。它索引符合条件的 Hugging Face 模型、记录来源校验和，并收录种子，让用户能够保留并分享模型文件。

对于已在 Hugging Face 上的模型，网络种子帮助用户下载文件，并开始通过种子协议分享。每一位保留副本并持续做种的用户，都在帮助模型减少对原始托管平台的依赖。

发布磁力链接只是起点。模型的保存依靠独立节点保留并分享文件。

Pirate Face 以 Hugging Face 的模型生态为基础，帮助用户独立分发模型副本。具体方式如下：

Hugging Face 网络种子帮助用户获取已有的模型文件并开始做种。BT 客户端可以同时从网络种子和其他节点下载，让个人下载的副本成为可供他人获取的共享副本。
Pirate Face 记录 Hugging Face 为特定模型版本公布的权重文件校验和。BT 客户端根据种子中的哈希值验证下载的数据块，而记录的校验和则提供另一项依据，用于核对文件是否与 Hugging Face 上的文件一致。
创作者可以通过匹配的 Hugging Face 账户或组织认证 Pirate Face 用户名。认证徽章帮助用户在浏览模型和讨论时识别已认证的账户。

对 Hugging Face 生态而言，这意味着更多人在原始托管平台之外保留并分享模型副本。这些独立副本有助于模型在来源下架、服务中断或平台变化时继续保持可用。

点对点分享增加了下载带宽的来源。当其他节点能够提供文件时，下载就可以减少从 Hugging Face 获取的数据量。

使用 Pirate Face CLI 下载模型，或安装 pirateface 软件包，无需修改代码即可在现有 Python 工作流程中使用。有可用节点时从节点下载，需要时回退到 Hugging Face。

Pirate Face 帮助本地模型副本连接成共享网络，让模型的未来减少对任何单一公司的依赖，更多地掌握在愿意持续分享它们的人手中。