大模型下载加速实操清单：4 大镜像源对比 + 断点续传配置

大模型下载加速实操清单：4 大镜像源对比 + 断点续传配置

【免费下载链接】self-llm《开源大模型食用指南》针对中国宝宝量身打造的基于Linux环境快速微调（全参数/Lora）、部署国内外开源大模型（LLM）/多模态大模型（MLLM）教程项目地址: https://gitcode.com/GitHub_Trending/se/self-llm

凌晨一点，大模型下载的进度条卡了一小时，速度线在个位数 MB/s 里爬行。🐢 问题通常不在模型，而在下载源：换对镜像源，同样的权重往往几分钟就能拉下来。本文直接对比 4 大模型下载源，给一份可照抄的镜像切换配置和 3 个避坑点，读完即可动手。

大模型为什么下载得这么慢

一个 7B 参数模型落盘通常就要 13GB 上下，30B 级别更是动辄几十 GB。这类文件大多托管在 Hugging Face 等海外源站上，国内网络直连普遍偏慢，传输时间一长还容易超时掉线。换句话说：模型体积越大，"直连源站"这种策略亏得越多。

解法其实只有一个思路：把入口换掉，让镜像源替你完成传输。

4 大模型下载源对比表：一张表选方案

先给结论，再给细节。常用的 4 个下载入口按上手门槛、典型体感、稳定性横向对比：

各源实际速度取决于你当下的线路，表中是普遍性定性体感。正式拉大模型前，建议先用一个小模型试一轮。

最快路径：HF 镜像改一个变量就能下

HF 镜像不需要额外服务，把环境变量HF_ENDPOINT指到国内镜像，官方huggingface-cli工具发出的下载请求就会走镜像完成。分两步走：

先安装官方下载工具（没有的话）：

pip install -U huggingface_hub

再新建一个 Python 文件写入以下内容并运行，这是全文的核心配置：

import os # 指向国内镜像，下载请求不再走国际线路 os.environ['HF_ENDPOINT'] = 'https://hf-mirror.com' # --resume-download 开启断点续传，--local-dir 指定保存位置 os.system('huggingface-cli download --resume-download internlm/internlm-chat-7b --local-dir /root/models/internlm-chat-7b')

两个细节：环境变量要在发起下载命令之前设置；--resume-download参数的意义在于，中途断网后重新运行会从上次停下的位置继续，已下载的部分不用重来。

HF 镜像偶尔拥堵时可以换 ModelScope：安装modelscope与transformers依赖后，在脚本里调用它的snapshot_download函数，第一个参数传模型名，cache_dir参数传保存位置，还能用revision参数固定分支版本。OpenXLab 思路类似：装上openxlab包后用其download函数传入模型仓库地址、模型名和保存目录，直接拉取指定的权重文件。

环境准备 checklist

下载之前，把这五项过一遍：

• 用 conda 或 venv 建独立 Python 环境，别直接用系统 Python
• 确认 pip 安装依赖的速度，太慢就先给 pip 换源（项目通用配置教程里的 pip、conda 换源 可以直接照做）
• 按所选入口装对应依赖：huggingface_hub、modelscope、openxlab或git-lfs客户端
• 预留磁盘空间，至少留模型体积的两倍，传输过程会产生临时文件
• 云服务器上确认路径落在数据盘而非系统盘

三个避坑点：中断、绝对路径、模型版本

模型下载翻车大多集中在这三处：

1. 下载中断先别急着删掉进度文件重跑。开着--resume-download，已下载的部分会保留；当前镜像源不稳定时，换一个源再运行一次即可。确认文件损坏时才需要删掉重下。

2. 保存路径：Linux 下写绝对路径相对路径会跟着进程启动时的工作目录解析，换个方式运行脚本，模型可能落到意料之外的目录。统一写/root/models/xxx这类绝对路径，能省掉一整类排查时间。

3. 固定模型版本不要默认拉"最新"。下载时用版本或分支参数（HF 的revision、ModelScope 的revision）把文件锁死，之后做微调或复现时拿到的才是同一份权重。

更多各模型的下载入口细节，可参考项目通用配置教程中的 模型下载 章节。

按网络环境选镜像源

没有普适的最快源，只有匹配你线路的源：

• 家庭 / 办公宽带：先用 HF 镜像，不行再切 ModelScope，这两个能覆盖绝大多数场景
• 国内云服务器：优先试 ModelScope，内网和本地线路往往最稳，HF 镜像作为备选
• 只要某几个权重文件：用 OpenXLab 指文件拉取，别把整个仓库包都下下来
• 熟悉 git 且线路良好：走 Git-LFS 克隆，模型文件连版本历史一起带下来

操作顺序很简单：先拿一个 1GB 以下的小模型在每个源上试一轮速度，再把大模型交给最快的那个源。

三句话收尾

把环境变量指向镜像、加断点续传参数、路径写绝对，这三步做完，几十 GB 的模型下载就能从小时级压到分钟级。按线路选源，先小后大，基本不会翻车。🚀

【免费下载链接】self-llm《开源大模型食用指南》针对中国宝宝量身打造的基于Linux环境快速微调（全参数/Lora）、部署国内外开源大模型（LLM）/多模态大模型（MLLM）教程项目地址: https://gitcode.com/GitHub_Trending/se/self-llm