Stable Diffusion 模型文件 .ckpt 与 .safetensors 的区别

1. 格式定义与核心用途

.ckpt（Checkpoint）

• 定义：全称为“检查点”（Checkpoint），最初为 TensorFlow/PyTorch 框架中的通用训练存档格式。
• 用途：主要用于保存训练过程中的完整模型状态，包括模型权重参数（生成图像的核心数据）、优化器状态（如梯度、学习率等训练进度信息）、训练元数据（如当前训练步数、超参数等）。
• 适用场景：适用于模型训练、微调或需要从特定节点恢复训练的场景。

.safetensors

• 定义：由 Hugging Face 团队设计的专用格式，专为安全高效存储大模型权重而生。
• 用途：仅保存模型的最终权重参数，不包含任何训练相关的附加信息（如优化器状态或代码）。
• 适用场景：专注于生成图像（推理任务）、模型部署或共享，强调安全性与轻量化。

2. 安全性对比

.ckpt 风险

• 可能包含执行代码（如恶意脚本），存在潜在安全隐患。
• 在非信任来源的模型文件中需谨慎使用。

.safetensors 优势

• 通过纯权重存储避免代码注入风险，安全性更高。
• 文件结构经过加密和校验设计，防止数据篡改。

3. 文件体积与加载效率

文件大小

• .safetensors 比 .ckpt 体积小约 30%-50%（例如 2GB 模型可压缩至 1.4GB 左右）。
• 原因：.safetensors 仅保留必要权重，而 .ckpt 包含冗余训练信息。

加载速度

• .safetensors 支持内存映射（Memory Mapping），加载时无需完全载入显存，速度更快。
• .ckpt 需完整加载所有数据，耗时较长（尤其在大模型场景下）。

4. 框架兼容性

.ckpt

• 广泛应用于 TensorFlow、PyTorch 等主流框架的训练流程。
• 在 Stable Diffusion 生态中仍广泛存在（尤其是早期模型）。

.safetensors

• 主要与 Hugging Face 生态兼容，但已逐渐成为 Stable Diffusion 社区推荐的标准推理格式。
• 支持 PyTorch、TensorFlow 等框架的快速权重加载接口。

5. 实际使用场景建议

训练与微调

• 使用 .ckpt 保存中间训练状态，便于恢复训练或调试模型。

生成与部署

• 优先选择 .safetensors，兼顾安全性、速度和轻量化。
• 例如：Stable Diffusion WebUI 和 ComfyUI 均默认支持 .safetensors 模型加载。

模型共享

• 推荐使用 .safetensors 格式，降低安全风险并减少传输耗时。

总结

特性	.ckpt	.safetensors
核心用途	训练存档、恢复	推理部署、轻量化生成
安全性	较低（可能含代码）	高（纯权重无代码）
文件体积	较大	较小（优化压缩）
加载速度	较慢	更快（内存映射）
框架支持	广泛（TF/PyTorch）	专注 Hugging Face 生态

在 Stable Diffusion 工作流中，建议根据需求灵活选择格式：训练用 .ckpt，生成用 .safetensors。