Hugging Face تنقل Safetensors إلى PyTorch Foundation لضمان إدارة محايدة للصيغة
نقلت Hugging Face مشروع Safetensors إلى إدارة PyTorch Foundation. لا تتغير الصيغة نفسها ولا واجهة API ولا عمليات التكامل، لكن المشروع يحصل على نموذج حوكمة محايد تحت مظلة Linux Foundation. وتشمل الخطط المحتملة دمج الصيغة في نواة PyTorch core، والتحميل مباشرة على CUDA، ودعم صيغ تكميم جديدة. بالنسبة للمطورين، تشير الخطوة إلى أن صيغة الأوزان الآمنة تترسخ كبنية تحتية مشتركة في مجال تعلم الآلة مفتوح المصدر.
معالج بواسطة الذكاء الاصطناعي من Hugging Face Blog؛ بتحرير Hamidun News
في 8 أبريل 2026 أعلنت Hugging Face نقل صيغة تخزين الأوزان Safetensors إلى إدارة PyTorch Foundation. وبالنسبة لمنظومة تعلم الآلة مفتوحة المصدر، لا يتعلق الأمر بتغيير التقنية، بل بتغيير نموذج الحوكمة: تبقى الصيغة وواجهة API والتوافق كما هي، لكن تطوير المشروع بات مسندًا إلى هيكل محايد تحت مظلة Linux Foundation.
لماذا ظهرت Safetensors
ظهرت Safetensors استجابةً لمشكلة ظلت مقبولة لفترة طويلة في أوساط تعلم الآلة: كانت أوزان كثير من النماذج تُوزَّع بصيغ قائمة على pickle، ما يعني أنها قد تنفّذ شيفرة عشوائية عند التحميل. وطالما كان تبادل النماذج ممارسة محدودة، كان الخطر يُتجاهل غالبًا. لكن مع نمو المستودعات المفتوحة وتزايد إعادة استخدام النماذج على نطاق واسع، أصبح هذا الأسلوب خطيرًا للغاية. وراهنت Hugging Face على صيغة بسيطة تخزّن البيانات الوصفية في ترويسة JSON ذات حد صارم، وتفصلها عن البيانات الخام للتنسورات.
من الناحية التقنية، تحل الصيغة عدة مشكلات عملية دفعة واحدة. فهي تدعم zero-copy loading، أي ربط الأوزان مباشرة من القرص دون نسخ إضافي، كما تدعم lazy loading، أي قراءة الأجزاء المطلوبة فقط من نقطة الحفظ (checkpoint) بدلًا من إلغاء تسلسل الملف بأكمله. وبحسب Hugging Face، فإن هذا التوازن بين الأمان والأداء هو ما ساعد Safetensors على أن تصبح الصيغة الافتراضية لتوزيع النماذج على Hugging Face Hub وخارجه. وتُستخدم اليوم في عشرات الآلاف من النماذج من مختلف الأنواع، من النماذج اللغوية إلى متعددة الوسائط.
ما الذي يتغير الآن
أصبحت Safetensors الآن مشروعًا مستضافًا لدى المؤسسة (foundation-hosted project) داخل PyTorch Foundation التي تعمل تحت مظلة Linux Foundation. ويعني ذلك للمشروع الانتقال إلى إدارة محايدة تجاه الشركات (vendor-neutral): فالعلامة التجارية والمستودع وقواعد الحوكمة الرسمية لم تعد مرتبطة بشركة واحدة. وفي الوقت نفسه لا تبدأ الأعمال اليومية من الصفر: يبقى مشرفان رئيسيان من Hugging Face، هما لوك ودانيال، ضمن القيادة التقنية ويواصلان إدارة المشروع.
«بالنسبة لمعظم المستخدمين، لا يتغير أي شيء».
وربما تكون هذه أهم رسالة للسوق. فلا يحتاج المطورون إلى الانتقال إلى صيغة أخرى، ولا إلى إعادة كتابة الشيفرة، ولا إلى انتظار تغييرات كاسرة (breaking changes). وتؤكد Hugging Face بشكل منفصل أن ملفات Safetensors الحالية وواجهات API الحالية والتكامل مع Hub تعمل كما كانت من قبل. في المقابل، يتحدد للمجتمع مسار رسمي لأن يصبح مشرفًا على المشروع: فقواعد الحوكمة وقائمة المشرفين منشورة في وثائق مفتوحة، بينما تحصل الشركات التي تبني منتجاتها على هذه الصيغة على أساس مؤسسي أكثر استقرارًا.
ما الخطوات التالية للمشروع
أهم خطوة مقبلة هي تكامل أوثق مع PyTorch. تقول Hugging Face إنها تعمل مع فريق الإطار على جعل Safetensors قابلة للاستخدام داخل PyTorch core كنظام تسلسل (serialization) لنماذج torch. وإذا بلغ ذلك مرحلة الإنتاج، فستعزز الصيغة مكانتها ليس فقط كبديل آمن للمنصات والمستودعات، بل كآلية أساسية لتبادل الأوزان داخل منظومة PyTorch نفسها.
وفي الأشهر المقبلة يعتزم الفريق تطوير عدة اتجاهات في آن واحد:
- device-aware loading وsaving، بحيث تُحمَّل التنسورات مباشرة على CUDA وROCm ومسرّعات أخرى
- واجهة API لـ Tensor Parallel وPipeline Parallel، يحصل فيها كل rank أو stage على الأوزان التي يحتاجها فقط
- دعم رسمي لـ FP8
- دعم الصيغ المكمَّمة بالكتل (block-quantized)، بما فيها GPTQ وAWQ
- دعم الأنواع الصحيحة دون البايت (sub-byte integer types)
والمهم هنا ليس قائمة الميزات وحدها، بل السياق الذي ستتطور فيه. ففي PyTorch Foundation ستتمكن Safetensors من معالجة هذه المهام لا بالتوازي مع مشاريع البنية التحتية الأخرى، بل معها — إلى جانب PyTorch وDeepSpeed وvLLM وRay وHelion. وبالنسبة للمطورين، يزيد ذلك احتمال أن تتطور الصيغة كمعيار مشترك للمنظومة، لا كأداة مفيدة لكنها خارجية تتبع شركة واحدة.
ماذا يعني ذلك
انتقال Safetensors إلى PyTorch Foundation يكرّس ما حدث فعليًا بالفعل: فقد تحولت الصيغة من مبادرة داخلية لدى Hugging Face إلى بنية تحتية مشتركة لتعلم الآلة مفتوح المصدر. وإذا سرّع نموذج الحوكمة المحايد فعلًا دعم أنواع البيانات الجديدة والتحميل الموازي والتكامل مع PyTorch core، فسيحصل السوق لا على صيغة أوزان أكثر أمانًا فحسب، بل على أحد اللبنات الأساسية لأدوات تعلم الآلة من الجيل المقبل.
- 18 نوفمبر 2026Concertina تطوي Qwen3-4B كالأكورديون: أصغر بنسبة 43% وبجودة تبلغ 84% من النموذج الأصلي
- 12 نوفمبر 2026وكلاء الذكاء الاصطناعي يعيدون فحص أكثر من 2000 ورقة بحثية في ICML 2026 ويكشفون أخطاء فاتت المراجعين
- 12 نوفمبر 2026ثماني دول وOpenAI وAnthropic تعد بـ«زر إيقاف طارئ» لنماذج الذكاء الاصطناعي، لكن بلا مواعيد ولا غرامات
- 12 نوفمبر 2026Hugging Face تحذّر: موجة الاختراقات قد تجعل الذكاء الاصطناعي مفتوح المصدر أقل انفتاحًا
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول لماذا ظهرت Safetensors؟
ظهرت Safetensors استجابةً لمشكلة ظلت مقبولة لفترة طويلة في أوساط تعلم الآلة: كانت أوزان كثير من النماذج تُوزَّع بصيغ قائمة على pickle، ما يعني أنها قد تنفّذ شيفرة عشوائية عند التحميل. وطالما كان تبادل النماذج ممارسة محدودة، كان الخطر يُتجاهل غالبًا. لكن مع نمو المستودعات المفتوحة وتزايد إعادة استخدام النماذج على نطاق واسع، أصبح هذا الأسلوب خطيرًا للغاية. وراهنت Hugging Face على صيغة بسيطة تخزّن البيانات الوصفية في ترويسة JSON ذات حد صارم، وتفصلها عن البيانات الخام للتنسورات.
ما أبرز التفاصيل حول ما الذي يتغير الآن؟
أصبحت Safetensors الآن مشروعًا مستضافًا لدى المؤسسة (foundation-hosted project) داخل PyTorch Foundation التي تعمل تحت مظلة Linux Foundation. ويعني ذلك للمشروع الانتقال إلى إدارة محايدة تجاه الشركات (vendor-neutral): فالعلامة التجارية والمستودع وقواعد الحوكمة الرسمية لم تعد مرتبطة بشركة واحدة. وفي الوقت نفسه لا تبدأ الأعمال اليومية من الصفر: يبقى مشرفان رئيسيان من Hugging Face، هما لوك ودانيال، ضمن القيادة التقنية ويواصلان إدارة المشروع. «بالنسبة لمعظم المستخدمين، لا يتغير أي شيء». وربما تكون هذه أهم رسالة للسوق.
ما أبرز التفاصيل حول ما الخطوات التالية للمشروع؟
أهم خطوة مقبلة هي تكامل أوثق مع PyTorch. تقول Hugging Face إنها تعمل مع فريق الإطار على جعل Safetensors قابلة للاستخدام داخل PyTorch core كنظام تسلسل (serialization) لنماذج torch. وإذا بلغ ذلك مرحلة الإنتاج، فستعزز الصيغة مكانتها ليس فقط كبديل آمن للمنصات والمستودعات، بل كآلية أساسية لتبادل الأوزان داخل منظومة PyTorch نفسها.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.