问题
在模型加载的时候,我们会观察到 trust_remote_code这个参数
model = AutoModelForCausalLM.from_pretrained(model_path, device_map="auto", torch_dtype=torch.bfloat16, trust_remote_code=True)从名字上看,就是相信远程代码.如果我们的模型是完全下载到本地的,哪里来的远程代码呢?
解释
我们使用Transformer加载模型的时候,一般下载的文件只有权重文件（.bin、.safetensors）、配置（config.json）、tokenizer.json 等静态资源，不一定列出对应的自定义 modeling_*.py 源码文件
py文件用于指定模型是怎么运行的,如果是Transformer框架里面自带的类,就不需要另外下载远程py文件,
例子
一个典型例子就是你现在看的 Qwen3-30B-A3B 这类模型，它在仓库里自带了自定义的 Python 源码（例如自定义的 Qwen3MoeForCausalLM 模型类、注意力层、MoE 结构等），因此必须依赖 trust_remote_code=True 才能正常加载这些类。
但是我们通过浏览https://modelscope.cn/models/Qwen/Qwen3-30B-A3B/files
也没有发现对应的py文件,那是因为py文件并没有通过modelscope开放.
我们怎么看到py文件??
想看源码可以怎么做
在本地先用：
AutoModelForCausalLM.from_pretrained("Qwen/Qwen3-30B-A3B", trust_remote_code=True)载入一次模型。
载入完成后，到本机的缓存目录下（如 Hugging Face 对应
~/.cache/huggingface/modules/transformers_modules/，ModelScope 也有类似目录）去找包含 qwen3_moe、Qwen3MoeForCausalLM 等名字的 .py 文件，就能看到真正的实现。
在无网络机器部署
在没有外网的环境部署这类需要下载远程 Python 代码的模型，思路是：
在有网环境：
用 trust_remote_code=True 正常 from_pretrained 一次，把模型、tokenizer 和远程代码都拉进本机缓存。
然后用 save_pretrained()（或直接 git clone 模型仓库）把权重、配置和代码保存到你自己的目录或镜像仓库里。
from transformers import AutoModelForCausalLM, AutoTokenizer model_id = "Qwen/Qwen3-30B-A3B" # 也可以是 modelscope 对应的 id tok = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True) model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True) save_dir = "./qwen3-30b-a3b-offline" tok.save_pretrained(save_dir) model.save_pretrained(save_dir)在无网环境：
拷贝这个目录到离线机器。
用 from_pretrained(“本地路径”, trust_remote_code=True, local_files_only=True) 这样的方式加载，只从本地读文件，不再访问外网。
from transformers import AutoModelForCausalLM, AutoTokenizer local_dir = "/path/to/qwen3-30b-a3b-offline" tok = AutoTokenizer.from_pretrained( local_dir, trust_remote_code=True, local_files_only=True, ) model = AutoModelForCausalLM.from_pretrained( local_dir, trust_remote_code=True, local_files_only=True, )local_files_only=True 确保完全离线，如果少文件会直接报错而不是悄悄访问外网。
