Início 23/11Turma 3 ao vivo de Vibe Coding & Agentes de IA: 3 semanas, 9 aulas ao vivoTurma 3 (23/11) →
LançamentoPesos abertos · Pronto p/ usoHugging Face Blog→ original

Hugging Face transfere o Safetensors para a PyTorch Foundation e adota governança neutra

A Hugging Face colocou o Safetensors sob a gestão da PyTorch Foundation. O formato, a API e as integrações não mudam, mas o projeto ganha um modelo de governança neutro sob a Linux Foundation. Entre os planos estão uma possível integração ao núcleo do PyTorch, o carregamento direto em CUDA e o suporte a novos formatos de quantização. Para os desenvolvedores, é um sinal de que um formato seguro de pesos se consolida como infraestrutura comum do ML de código aberto.

Processado por IA de Hugging Face Blog; editado por Hamidun News
Hugging Face transfere o Safetensors para a PyTorch Foundation e adota governança neutra
Fonte: Hugging Face Blog. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHugging Face Blog ↗
Editor-chefe
Dado-chave #1device-aware loading e saving, para que os tensores sejam carregados direto em CUDA, ROCm e outros aceleradores
Dado-chave #2APIs para Tensor Parallel e Pipeline Parallel, em que cada rank ou stage recebe apenas os pesos de que precisa
Dado-chave #3suporte formal a FP8

Em 8 de abril de 2026, a Hugging Face anunciou a transferência do formato de armazenamento de pesos Safetensors para a PyTorch Foundation. Para o ecossistema de ML de código aberto, não se trata de uma mudança de tecnologia, mas de uma mudança no modelo de governança: o formato, a API e a compatibilidade continuam os mesmos, mas o desenvolvimento do projeto agora fica a cargo de uma estrutura neutra sob a Linux Foundation.

Por que o Safetensors existe

O Safetensors surgiu como resposta a um problema que a comunidade de ML tolerou por muito tempo: muitos pesos de modelos eram distribuídos em formatos baseados em pickle, o que significa que podiam executar código arbitrário no carregamento. Enquanto o compartilhamento de modelos era uma prática de nicho, o risco costumava ser ignorado. Com o crescimento dos repositórios abertos e o reaproveitamento em massa de modelos, esse esquema se tornou perigoso demais. A Hugging Face apostou em um formato simples, que guarda os metadados em um cabeçalho JSON com limite rígido e os separa dos dados brutos dos tensores.

Tecnicamente, o formato resolve vários problemas práticos de uma vez. Ele suporta zero-copy loading, ou seja, permite mapear os pesos direto do disco sem cópias desnecessárias, e também lazy loading, em que é possível ler apenas as partes necessárias de um checkpoint, em vez de desserializar o arquivo inteiro. Segundo a Hugging Face, esse equilíbrio entre segurança e desempenho ajudou o Safetensors a virar o formato padrão para distribuir modelos no Hugging Face Hub e fora dele. Hoje ele é usado em dezenas de milhares de modelos de vários tipos, de linguagem a multimodais.

O que muda agora

O Safetensors agora é um foundation-hosted project dentro da PyTorch Foundation, que opera sob a Linux Foundation. Para o projeto, isso significa uma transição para uma governança independente de fornecedores: a marca, o repositório e as regras formais de governança deixam de depender de uma única empresa. O trabalho diário, porém, não é zerado: os dois principais mantenedores da Hugging Face, Luc e Daniel, continuam na liderança técnica e seguem à frente do projeto.

"Para a maioria dos usuários, nada muda."

Esse talvez seja o principal sinal para o mercado. Os desenvolvedores não precisam migrar para outro formato, reescrever código nem esperar por breaking changes. A Hugging Face destaca separadamente que os arquivos Safetensors existentes, as APIs atuais e a integração com o Hub funcionam como antes.

Já para a comunidade, o caminho para se tornar mantenedor passa a ser formalizado: as regras de governança e a lista de responsáveis são publicadas em documentos abertos, e as empresas que criam produtos sobre o formato ganham uma base institucional mais estável.

O que vem pela frente

O próximo passo mais importante é uma integração mais estreita com o PyTorch. A Hugging Face afirma que trabalha com a equipe do framework para que o Safetensors possa ser usado dentro do núcleo do PyTorch como sistema de serialização de modelos torch. Se isso chegar ao status de produção, o formato reforçará sua posição não só como alternativa segura para hubs e repositórios, mas também como mecanismo básico de troca de pesos dentro do próprio ecossistema do PyTorch.

Nos próximos meses, a equipe pretende desenvolver várias frentes ao mesmo tempo:

  • device-aware loading e saving, para que os tensores sejam carregados direto em CUDA, ROCm e outros aceleradores
  • APIs para Tensor Parallel e Pipeline Parallel, em que cada rank ou stage recebe apenas os pesos de que precisa
  • suporte formal a FP8
  • suporte a formatos block-quantized, incluindo GPTQ e AWQ
  • suporte a tipos inteiros de menos de um byte

Importa não só a lista de recursos, mas também o contexto em que eles serão desenvolvidos. Dentro da PyTorch Foundation, o Safetensors poderá tratar dessas tarefas não em paralelo a outros projetos de infraestrutura, mas junto com eles, ao lado de PyTorch, DeepSpeed, vLLM, Ray e Helion. Para os desenvolvedores, isso aumenta a chance de o formato evoluir como padrão comum do ecossistema, e não como uma ferramenta útil, porém externa, de uma única empresa.

O que isso significa

A ida do Safetensors para a PyTorch Foundation consolida o que já havia acontecido de fato: o formato deixou de ser uma iniciativa interna da Hugging Face e virou infraestrutura comum do ML de código aberto. Se a governança neutra realmente acelerar o suporte a novos tipos de dados, o carregamento paralelo e a integração com o núcleo do PyTorch, o mercado ganhará não apenas um formato de pesos mais seguro, mas um dos blocos básicos da próxima geração de ferramentas de ML.

História

Perguntas frequentes sobre a notícia

Por que o Safetensors existe?

O Safetensors surgiu como resposta a um problema que a comunidade de ML tolerou por muito tempo: muitos pesos de modelos eram distribuídos em formatos baseados em pickle, o que significa que podiam executar código arbitrário no carregamento. Enquanto o compartilhamento de modelos era uma prática de nicho, o risco costumava ser ignorado. Com o crescimento dos repositórios abertos e o reaproveitamento em massa de modelos, esse esquema se tornou perigoso demais.

O que muda agora?

O Safetensors agora é um foundation-hosted project dentro da PyTorch Foundation, que opera sob a Linux Foundation. Para o projeto, isso significa uma transição para uma governança independente de fornecedores: a marca, o repositório e as regras formais de governança deixam de depender de uma única empresa. O trabalho diário, porém, não é zerado: os dois principais mantenedores da Hugging Face, Luc e Daniel, continuam na liderança técnica e seguem à frente do projeto.

O que vem pela frente?

O próximo passo mais importante é uma integração mais estreita com o PyTorch. A Hugging Face afirma que trabalha com a equipe do framework para que o Safetensors possa ser usado dentro do núcleo do PyTorch como sistema de serialização de modelos torch. Se isso chegar ao status de produção, o formato reforçará sua posição não só como alternativa segura para hubs e repositórios, mas também como mecanismo básico de troca de pesos dentro do próprio ecossistema do PyTorch.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…