Safetensors
Safetensors는 Hugging Face가 만든 모델 가중치 저장용 파일 형식입니다. Python pickle 파일과 달리 불러올 때 숨겨진 코드가 실행될 수 없으며, 개별 텐서를 메모리 매핑으로 빠르게 불러올 수 있습니다.
다른 이름: .safetensors
작성 Divya Sharma · 2026년 11월 15일 확인 · 리뷰 방식
예전에는 모델 가중치를 주로 Python의 pickle 형식을 쓰는 PyTorch .bin 또는 .pt 파일로 공유했습니다. pickle 파일을 불러오면 임의의 코드가 실행될 수 있으므로, 내려받은 모델에 악성 코드가 들어 있을 수 있었습니다. Safetensors는 로딩 속도를 유지하면서 이 위험을 없애려고 만들어졌습니다.
작동 방식
safetensors 파일에는 각 텐서의 이름, 데이터 타입, 형태, 위치를 나열한 짧은 JSON 헤더가 있고, 그 뒤에 원시 텐서 바이트가 이어집니다. 코드는 없고 데이터만 있습니다. 레이아웃을 미리 알 수 있으므로, 로더는 파일을 메모리에 매핑하고 파일 전체를 훑지 않고도 필요한 텐서만 읽을 수 있습니다. 프로젝트는 이를 제로 카피와 지연 로딩이라고 부르며, 모델을 여러 GPU에 나눌 때 도움이 됩니다.
왜 중요한가
Safetensors는 Hugging Face hub와 Transformers 라이브러리에서 일반적인 형식입니다. 저장소가 safetensors와 pickle 파일을 모두 제공하면 safetensors를 고르십시오. 오염된 모델 파일이 내 컴퓨터에서 코드를 실행하는 유형의 AI 공급망 공격에 대한 간단한 방어책 중 하나입니다.
GGUF와의 차이
둘 다 모델 가중치를 저장합니다. Safetensors는 Python 학습 및 서빙 스택에서 쓰는 중립적인 컨테이너로, 가중치는 보통 완전 정밀도나 반정밀도입니다. GGUF는 llama.cpp와 관련 로컬 실행기의 형식으로, 토크나이저 같은 메타데이터를 함께 담으며 주로 양자화된 모델에 쓰입니다. 모델을 로컬에서 실행하려고 safetensors를 GGUF로 변환하는 경우가 많습니다.
한계
Safetensors가 안전하게 만드는 것은 로딩이지 모델 자체가 아닙니다. 파일에는 여전히 나쁘게 동작하는 가중치가 들어 있을 수 있고, 이를 불러오는 저장소의 코드는 여전히 안전하지 않을 수 있습니다.
관련 용어
- 모델 가중치(Model weights)
- 모델 가중치(model weights)는 신경망 안에서 학습 중에 정해지는 숫자로, 입력을 출력으로 바꾸는 방식을 결정합니다. 체크포인트는 이 가중치를 담은 저장 파일 또는 파일 묶음입니다.
- GGUF
- GGUF는 모델의 가중치, 토크나이저, 메타데이터를 파일 하나에 저장하는 바이너리 파일 형식으로, llama.cpp 같은 GGML 기반 도구에서 빠르게 불러와 로컬 추론을 하도록 만들어졌으며 흔히 양자화된 형태로 쓰입니다.
- AI 공급망 공격
- AI 공급망 공격(AI supply-chain attack)은 애플리케이션을 직접 공격하는 대신, 내려받은 모델, LoRA 어댑터, 데이터셋, Python 패키지, MCP 서버, 에이전트 스킬처럼 애플리케이션이 의존하는 무언가를 통해 AI 애플리케이션을 장악하는 공격입니다.
- 오픈 웨이트 모델(Open-weight model)
- 오픈 웨이트 모델(open-weight model)은 학습된 가중치가 공개되어 누구나 내려받아 실행할 수 있는 모델입니다. 학습 코드나 전체 학습 데이터가 빠진 경우가 많아 반드시 오픈소스인 것은 아닙니다.
- 양자화(Quantization)
- 양자화(quantization)는 모델의 가중치, 그리고 경우에 따라 활성값을 16비트 대신 8비트나 4비트처럼 더 적은 비트로 저장하는 기법입니다. 모델에 필요한 메모리가 줄고 더 빨리 실행되는 경우가 많지만, 정확도가 다소 떨어집니다.