Hvor meget diskplads bruger Stable Diffusion-modeller?

Der findes ikke én bestemt størrelse for en Stable Diffusion-model. Officielle modelfiler spænder over flere gigabyte, og et arbejdsbibliotek vokser ud over det primære checkpoint med alternative præcisioner, finjusteringer, VAEs, tekstencodere, ControlNets, LoRAs og resultater. Mål de filer, som din runtime faktisk indlæser; planlæg ikke kapaciteten ud fra et generisk tal.

Et Stable Diffusion-checkpoint, der vokser til et organiseret bibliotek med basismodeller, varianter, adaptere og genererede resultater.
Det første checkpoint er kun begyndelsen på biblioteket. Varianter, ledsagende filer, adaptere og resultater skaber det reelle lageraftryk.

Nøjagtige eksempler, kontrolleret 09. august 2026

Disse filstørrelser stammer fra metadataene i det officielle Hugging Face-repository på ovenstående dato. De er eksempler, ikke et universelt interval:

Offentliggjort filNøjagtige bytesCa. GiB
Stable Diffusion 1.5 v1-5-pruned-emaonly.safetensors4,265,146,3043.97
Stable Diffusion 1.5 v1-5-pruned.safetensors7,703,324,2867.17
Basismodellen SDXL 1.0 sd_xl_base_1.0.safetensors6,938,078,3346.46

De to SD 1.5-filer viser allerede, hvorfor udsagnet »modellen fylder cirka fire gigabyte« kan være misvisende. Det er forskellige offentliggjorte artefakter med forskelligt indhold. Indholdet i et repository kan også ændre sig, så bevar filnavn, revision og kontrolsum sammen med alle vigtige kapacitetsoplysninger.

Checkpoints udgør ikke hele biblioteket

En praktisk opsætning af billedgeneration kan omfatte flere kategorier:

Hver kategori vokser forskelligt. En ekstra basismodel kan straks koste flere gigabyte; hundredvis af adaptere hober sig gradvist op; outputmapper vokser for hver session. En plan for diskplads, der kun måler models/checkpoints, overser det bibliotek, som understøtter den.

Mål logisk størrelse og fysisk brug

Tag udgangspunkt i de aktive stier i stedet for at gennemsøge hele disken efter .safetensors. Kortlæg oprindelige og ekstra modelstier i ComfyUI. Kontrollér de konfigurerede lagre og caches i andre runtimes. Mål derefter hver typemappe, og notér, om links eller deduplikering i filsystemet påvirker det fysiske pladsforbrug.

# macOS eller Linux-eksempler
du -sh /path/to/models/*
du -sh /path/to/outputs

# Vis den tilsyneladende størrelse, når sparsomme filer eller links har betydning
du -sh --apparent-size /path/to/models/*

Finder, Explorer, du og cloud-dashboards kan vise decimal GB, binære GiB, logisk størrelse eller allokeret størrelse. Registrér til planlægning, hvilken størrelse du brugte. Brug nøjagtige byteantal og kontrolsummer til identifikation.

Derfor bør dubletregistrering komme før formatkonvertering

Find byteidentiske kopier på tværs af runtimes, før du kvantiserer eller sletter. Fjernelse af en påvist overflødig arbejdskopi bevarer modellen nøjagtigt. Konvertering af et checkpoint til lavere præcision skaber et andet artefakt og kan spare mere plads, men det ændrer gendannelsesspørgsmålet.

En SafeTensors-fil er allerede en struktureret tensorcontainer; at lægge den i ZIP giver ofte en skuffende besparelse i forhold til indsatsen. Kvantisering kan gøre en afledt inferenskopi mindre, men den giver ikke bytepræcis gendannelse af kilden med højere præcision. Se SafeTensors-lagring kontra kvantisering om denne grænse.

En praktisk rækkefølge til at frigøre plads

  1. Resultater, du bevidst har eksporteret andetsteds: Kontrollér kopien, og fjern derefter lokale dubletter.
  2. Byteidentiske modelkopier: Omdirig runtimes til ét arbejdsbibliotek, før du fjerner dubletter.
  3. Forladte mellemresultater fra træning: Behold de endelige, udvalgte milepæle og den genoptagelsestilstand, du reelt har brug for.
  4. Ubrugte afledte varianter: Bevar kilden og den reproducerbare opskrift, eller behold det nøjagtige installationsartefakt, når konverteringen er dyr.
  5. Sjældne eller private originaler: Arkivér dem, og test gendannelsen, før de bliver kandidater til oprydning.

Ledig plads er ikke det samme som gendannede data. Hvis du ikke kan hente eller reproducere en fil, kan endnu en arbejdskopi være den eneste gendannelsesvej, du har lige nu. Erstat den med et verificeret arkiv, før du kalder den overflødig.

Hvor stor en sikkerhedsmargin bør du bevare?

Planlæg midlertidigt overlap. En sikker migrering eller gendannelse kan kræve, at kilden, arkivet og den gendannede kopi findes samtidig. Træning skaber yderligere checkpoints; modeldownloads kan bruge midlertidige filer; programopdateringer og filsystemadfærd kræver også plads. En disk, der er »præcis stor nok« til dagens synlige bibliotek, er allerede for lille til en verificeret gendannelsesarbejdsgang.

Gennemgå biblioteket efter modelfamilie i stedet for at vente på operativsystemets advarsel om lav lagerplads. Tjeklisten til opbevaring gør gennemgangen til tydelige beslutninger om at bevare, reproducere, arkivere eller kassere.

Bevar modelfamilien; gør overflødige kopier valgfrie

Tensor Archive er til udvalgte lokale tensorfamilier, som du vil bevare nøjagtigt. Arkivér, verificér og gendan én familie, før du fjerner en dubleret arbejdskopi for at frigøre plads. Programmet kvantiserer ikke modellen, ændrer ikke dens vægte og lover ikke, at alle omgivende runtime-afhængigheder er medtaget.

Anvend dette på din runtime

Følg den fulde arbejdsgang til sikkerhedskopiering og gendannelse af modelbiblioteket for ComfyUI. Hvis adaptere fylder mest i rodet, skal du bruge LoRA-diskpladsguiden og bevare de nøjagtige relationer til basismodellen.

Kilder

Behold familien og gør plads til den næste model.Gratis download ↓