
Baixar um modelo parece baixar dados. Com o formato errado, é baixar um programa e executá-lo no momento em que você faz o load.
Por que pickle executa código
O pickle do Python não é um formato de dados, é uma linguagem de reconstrução de objetos. O método __reduce__ permite que o arquivo diga "para recriar este objeto, chame esta função com estes argumentos". A função pode ser os.system. Muitos checkpoints .pt, .pth, .bin e .pkl são pickle por baixo. Fazer o load é rodar o arquivo.
Se o formato aceita chamar função, o arquivo de pesos é um executável com extensão bonita.
O que o safetensors resolve
O safetensors existe exatamente por isso: um cabeçalho JSON com nomes, tipos e formatos, seguido de bytes crus de tensor. Não há instrução, não há objeto, não há chamada. O pior que um arquivo malformado consegue é falhar no parse. GGUF segue a mesma lógica de dado puro. O problema é que o ecossistema ainda carrega pickle por compatibilidade, e o código de exemplo copiado da internet raramente pergunta qual formato está chegando.
Controles que valem
- Aceitar só
safetensorsou GGUF em produção; pickle exige exceção aprovada. torch.loadsempre comweights_only=True, explícito, mesmo onde já é o padrão.- Scanner de pickle no pipeline de ingestão, tratado como sinal, não como garantia.
- Conversão de formato feita uma vez, em sandbox sem rede e sem credencial.
- Nenhum
trust_remote_code=Truesem revisão do código que ele puxa.
Onde isso pega de verdade
Não é no servidor de inferência, que alguém revisou. É no notebook do cientista de dados, com token de nuvem no ambiente, testando "só um modelo rapidinho" que achou no hub. O load roda com as permissões dele. Trate o checkpoint como trata um binário baixado: formato verificado, origem conhecida e ambiente descartável até provar o contrário.