К основному содержанию
скилл CX Codex

hf-mem — скилл для Claude Code: что делает и как установить

Считает, сколько памяти займёт модель с Hugging Face Hub при инференсе, и не скачивает веса. Пригодится, когда надо понять, влезет ли модель в GPU.

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add huggingface/skills --skill hf-mem -a claude-code
Открыть на GitHub

Что делает hf-mem

Скилл отвечает на вопрос «хватит ли памяти», пока веса лежат на Hub. hf_mem читает метаданные репозитория через HTTP Range-запросы и оценивает размер весов Safetensors или GGUF для инференса. Локально ничего не грузится.

Флаг --experimental добавляет расчёт KV-кэша. Считается он для LLM (...ForCausalLM), VLM (...ForConditionalGeneration) и GGUF. Длину контекста инструмент берёт из модели, а --max-model-len её переопределяет. Точность кэша по умолчанию равна точности модели, через --kv-cache-dtype задаётся своя.

Запуск идёт через uvx, поэтому нужен установленный uv. Для приватных и gated-моделей понадобится HF_TOKEN или флаг --hf-token. По GGUF-репозиторию оценка выдаётся на каждый файл отдельно, а в работу вы берёте одну точность — без --gguf-file цифра будет не про ваш запуск, это повод сразу указать нужный файл.

Какие задачи решает

  • прикинуть память под модель до скачивания весов
  • проверить, влезет ли модель в конкретную GPU
  • посчитать KV-кэш для LLM или VLM
  • выбрать квантование GGUF под доступную память
  • сравнить требования нескольких моделей по их ID с Hub

Примеры запросов агенту

  • Сколько VRAM нужно, чтобы запустить mistralai/Mistral-7B-v0.1?
  • Проверь, влезет ли unsloth/Qwen3.5-397B-A17B-GGUF в Q4_K_M на мою карту.
  • Посчитай память под MiniMaxAI/MiniMax-M2 вместе с KV-кэшем, контекст возьми из модели.

Как установить hf-mem

1Через Skills CLI (Vercel)

npx skills add huggingface/skills --skill hf-mem -a claude-code

2Вручную: положить файлы

~/.claude/skills/hf-mem/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/hf-mem/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о hf-mem

Как установить hf-mem в Claude Code?

Выполните npx skills add huggingface/skills --skill hf-mem -a claude-code. Скилл окажется по пути ~/.claude/skills/hf-mem/SKILL.md.

Что делает hf-mem?

Оценивает память под инференс для моделей с Hugging Face Hub: веса Safetensors или GGUF, а с флагом --experimental ещё и KV-кэш. Сами веса при этом не скачиваются.

Что нужно, чтобы скилл заработал?

Установленный uv, потому что запуск идёт через uvx. Для gated- и приватных моделей дополнительно HF_TOKEN или флаг --hf-token.

Исходный текст

SKILL.md · Apache-2.0
---
name: hf-mem
description: Hugging Face CLI to estimate the required memory to load Safetensors or GGUF model weights for inference from the Hugging Face Hub
---

`hf_mem` estimates the required memory for inference, including model weights and an optional KV cache, for Safetensors and GGUF for models on the Hugging Face Hub using HTTP Range requests i.e., without downloading or loading any weights locally.

## When to use?

- User asks how much VRAM or memory a model needs to run
- User wants to know if a model fits on their GPU or a given instance
- User references a Hugging Face model ID or URL and asks about inference requirements

## What are the requirements?

- `uv` installed (for `uvx`)
- `HF_TOKEN` env var or `--hf-token` flag (for gated or private models only)

## How to run?

Run with `--model-id` pointing to the Hugging Face Hub repository which will check that it either contains Safetensors (via `model.safetensors`, `model.safetensors.index.json` if sharded, or `model_index.json` for Diffusers) or GGUF model weights within.

```bash
uvx hf-mem --model-id <model-id> --json-output
```

If the repository contains GGUF model weights in multiple precisions / quantizations, the estimations will be on a per-file basis, whereas for inference you won't load all of those but rather only a single precision. This being said, for GGUF you might as well need to provide `--gguf-file` to target the specific file (or path if sharded) you want to run.

```bash
uvx hf-mem --model-id <model-id> --gguf-file <file-or-path> --json-output
```

Additionally, `hf-mem` comes with an `--experimental` flag that will also calculate the KV cache memory requirements too, useful for large-language models, meaning it applies to LLMs (`...ForCausalLM`), VLMs (`...ForConditionalGeneration`), and GGUF models.

As per the context window, it will be read from the default or overridden with `--max-model-len` a la vLLM. And, same goes for the KV cache precision, which will default to the model precision unless manually set via `--kv-cache-dtype` a la vLLM too.

For Safetensors use as:

```bash
uvx hf-mem --model-id <model-id> --experimental [--max-model-len N] [--batch-size N] [--kv-cache-dtype auto|bfloat16|fp8|fp8_ds_mla|fp8_e4m3|fp8_e5m2|fp8_inc] --json-output
```

And, for GGUF use as:

```bash
uvx hf-mem --model-id <model-id> --gguf-file <file-or-path> --experimental [--max-model-len N] [--batch-size N] [--kv-cache-dtype auto|F32|F16|Q4_0|Q4_1|Q5_0|Q5_1|Q8_0|Q8_1|Q2_K|Q3_K|Q4_K|Q5_K|Q6_K|Q8_K|IQ2_XXS|IQ2_XS|IQ3_XXS|IQ1_S|IQ4_NL|IQ3_S|IQ2_S|IQ4_XS|I8|I16|I32|I64|F64|IQ1_M|BF16|TQ1_0|TQ2_0|MXFP4] --json-output
```

## Examples

For Transformers with Safetensors weights:

```bash
uvx hf-mem --model-id MiniMaxAI/MiniMax-M2 --json-output
```

For Diffusers with Safetensors weights:

```bash
uvx hf-mem --model-id Qwen/Qwen-Image --json-output
```

For Sentence Transformers with Safetensors weights:

```bash
uvx hf-mem --model-id google/embeddinggemma-300m --json-output
```

With `--experimental` to include the KV cache estimation for LLMs and VLMs:

```bash
uvx hf-mem --model-id mistralai/Mistral-7B-v0.1 --experimental --json-output
```

And, for LLMs or VLMs with GGUF weights:

```bash
uvx hf-mem --model-id unsloth/Qwen3.5-397B-A17B-GGUF --gguf-file Q4_K_M --experimental --json-output
```

© huggingface · Apache-2.0 · huggingface/skills

Похожие скиллы

Всё по теме «ИИ и ML» →
ctf-ai-ml ljagiello Даёт агенту готовые методы атаки на модели машинного обучения в CTF: от состязательных примеров и джейлбрейков до анализа весов LoRA. CX Codex +1 7 700установок discovery runpod Скилл проверяет наличие серверов, видеокарт и цены в каталогах Runpod без запуска инфраструктуры. Помогает рассчитать нужный объём видеопамяти под модель. CX Codex +1 2 600установок arize-ai-provider-integration arize Скилл ведёт учёт интеграций Arize: создаёт, читает, обновляет и удаляет хранилища ключей LLM-провайдеров, которыми пользуются evaluators. CX Codex +1 3 000установок arize-prompts Arize-ai Управляет шаблонами Arize Prompt Hub через утилиту ax. Помогает создавать версии промптов, настраивать переменные подстановки и вешать ярлыки production или staging. CX Codex +1 2 300установок cli-routing cheaper-inference Скилл помогает настраивать маршрутизацию языковых моделей через утилиту omniroute прямо из терминала. Позволяет создавать комбинации и переключать цепочки вызовов. CX Codex +1 1 100установок mem-search thedotmack Ищет решения и контекст из прошлых сессий кодинга. Пригодится, когда нужно вспомнить, как решали задачу ранее. CX Codex +1 8 900установок

Из того же набора25

train-sentence-transformers Скилл для Claude Code и других агентов: проводит по обучению sentence-transformers — от выбора типа энкодера до выгрузки весов на Hugging Face Hub. CX Codex +1 1 500установок huggingface-zerogpu Скилл для демо на Gradio Spaces с ZeroGPU: где ставить @spaces.GPU, как выбрать duration и что ломается на границе воркера. CX Codex +1 1 300установок huggingface-spaces Скилл помогает создавать, развёртывать и чинить приложения в Hugging Face Spaces. Пригодится для Gradio, Docker, Static SDK и ZeroGPU. CX Codex +1 1 100установок trl-training Помогает писать и отлаживать постобучение языковых моделей через TRL: SFT, DPO, GRPO, KTO и обучение модели награды. CX Codex +1 909установок huggingface-lora-space-builder Создаёт и публикует веб-демо на Gradio в Hugging Face Spaces для весов LoRA. Подбирает пайплайн diffusers и интерфейс под задачу генерации на ZeroGPU. CX Codex +1 810установок hf-cloud-sagemaker-production-defaults Скилл создаёт SageMaker endpoint с автоскейлингом, CloudWatch-алармами и тегами. Он нужен для финального шага деплоя модели. CX Codex +1 549установок hf-cloud-python-env-setup Скилл разворачивает изолированное окружение Python для работы с AWS и SageMaker. Он помогает избежать сбоев из-за несовместимых версий Python и устаревшего SDK boto3. CX Codex +1 548установок hf-cloud-sagemaker-deployment-planner Помогает выбрать способ развёртывания модели на Amazon SageMaker: real-time, async, serverless или batch. Пригодится, когда модель уже обучена, а с эндпоинтом ещё не решено. CX Codex +1 544установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой