Hugging Face Spaces 的免费 CPU 层常被描述为「永久免费云服务器」「白嫖利器」。配置确实不错：2 个 vCPU、16GB 内存、50GB 磁盘，自带 HTTPS 域名，无需备案。
听起来很香。但如果拿它跑视频处理呢？
为什么需要免费 CPU 算力
做视频处理的人都能理解算力焦虑。一个 CI/CD 流水线每天可能处理几十段 4K 监控录像，主机平台每月有免费额度，月中下旬用完就需要找替补。
Hugging Face Spaces 的免费层（CPU Basic）就成了一个诱人的选项。
它的免费规格：
| 规格 | 数值 |
|---|---|
| CPU | 2 vCPU（共享物理机，非预留） |
| 内存 | 16 GB |
| 磁盘 | 50 GB（临时，不持久化） |
| 休眠 | 48 小时无访问自动休眠 |
| 域名 | https://username-spacename.hf.space |
部署方式支持 Gradio、Docker、Static HTML 三种。部署完成后有一个公网可访问的 URL，不需要备案，在国内也能用（前提是配好代理）。
网上很多人用它跑 Demo 展示、小型模型推理、甚至当个人博客用。但这些场景都没触及 CPU 的极限。
我想知道它是能真的干活，还是只能「看看」。
实测：9 分钟 4K 视频
测试任务用了一个典型的视频处理流程：读取 4K H.264 视频 → YOLO 人体检测 → 智能截取 → ffmpeg 重编码输出片段。
源文件是一段 9 分钟的 4K 录像。
第一阶段：YOLO 检测
纯 CPU 推理，用的 ultralytics YOLOv8。耗时约 25 分钟。虽然慢，但能跑完——在 2vCPU 共享环境下做到这个已经不容易了。
第二阶段：ffmpeg 重编码
35 段检测结果需要重编码输出，每段几十秒到数分钟不等。用 ffmpeg preset=fast 参数，结果超时了——默认的 30 分钟阈值不够用。
尝试了以下优化：
| 措施 | 效果 |
|---|---|
ffmpeg fast → ultrafast |
提速 3-5 倍，文件增大 20-40% |
| 超时阈值 30min → 60min | 给了更多时间 |
| 减少并行段数 | 减少 CPU 争抢 |
流复制（-c copy）替代重编码 |
秒完成，但受关键帧间隔影响精度 |
ultrafast 确实快了不少，但 35 段加起来仍然跑不完。最后 60 分钟超时时还是没全部完成。
总耗时
一个 9 分钟的视频，处理时间超过 1 小时。
作为对比：
| 平台 | 资源配置 | 9 分钟 4K 处理时间 |
|---|---|---|
| HF Spaces CPU Basic | 2 vCPU 共享 | > 60 分钟 |
| CNB CI CPU 流水线 | 4-8 vCPU 独享 | ~2-3 分钟 |
| 本地电脑（i5-12450H） | 8 核 | ~3-5 分钟 |
差距非常明显。HF 的 2vCPU 是上限（limit）不是预留（reservation），多租户共享意味着 CPU cache、内存带宽、磁盘 I/O 都在和其他用户抢。同一段代码每次跑的时间都不一样。
踩坑记录
除了性能问题，使用过程中还遇到了几个坑。
git push 超时
HF 的 git 服务器在国内网络下经常超时。不要用 git push，改用 huggingface_hub Python 库的上传接口：
from huggingface_hub import HfApi
api = HfApi()
api.upload_folder(
folder_path=".",
repo_id="your-username/your-space",
repo_type="space",
commit_message="update files"
)
代理依赖
国内访问 HF 的 API 需要代理：
https_proxy=http://your-proxy:port python your_script.py
共享 CPU 的不确定性
这是最让人头疼的问题。2vCPU 是上限，不是独占。多租户争抢体现在：
- 同一份代码每次运行时间不一致
- CPU 密集任务容易触发资源限制
- I/O 密集型任务受磁盘竞争影响大
休眠机制
48 小时无访问会自动休眠。休眠后磁盘内容保留，手动访问 URL 即可唤醒。但频繁休眠意味着长期运行的任务需要额外的「防休眠」机制——定时模拟外部访问。
综合建议
| 场景 | 推荐？ | 原因 |
|---|---|---|
| Demo / 原型验证 | ✅ 非常适合 | 自带 HTTPS 域名，无需备案 |
| 小型模型推理 | ✅ 够用 | 16GB 内存跑中小模型没问题 |
| 静态网站 / 个人博客 | ✅ 够用 | 纯静态页面无压力 |
| CI/CD 轻量构建 | ✅ 可以 | 2vCPU 编译小型代码够用 |
| 视频批处理（4K 重编码） | ❌ 不适合 | 9 分钟视频 > 1 小时 |
| 长时间运行批任务 | ❌ 不适合 | 48 小时休眠限制 |
| GPU 推理 | ❌ 无法使用 | 免费版无 GPU |
替代免费算力平台
如果 HF Spaces 不适合你的场景，还有其他选择：
| 平台 | 免费规格 | 适合场景 |
|---|---|---|
| Google Colab | 1×T4 GPU，~12GB RAM，约 120h/月 | GPU 推理/训练 |
| Kaggle | GPU 约 30h/周 | 数据分析/模型训练 |
| 百度 AI Studio | V100 16h/天 | 深度学习/飞桨 |
| CNB CI | 4-8vCPU + T4 GPU，月度额度 | CI/CD / 批处理 |
总结
HF Spaces CPU Basic 是一个很好的免费服务——Demo 展示、小型服务部署都非常合适。但它跑不动视频批量处理这类重负载任务。
免费不等于万能。选对工具比硬上更省时间。
如果你的使用场景是轻量级服务或展示，HF Spaces 是值得认真考虑的选项。如果是视频处理这类 CPU 密集任务，把算力花在刀刃上——找有 GPU 或独享 CPU 的平台更实际。