Kuinka paljon levytilaa Stable Diffusion -mallit käyttävät?
Yhtä ainoaa Stable Diffusion -mallikokoa ei ole. Viralliset mallitiedostot vaihtelevat useiden gigatavujen välillä, ja toimiva kirjasto kasvaa pää-checkpoint-tiedostoa suuremmaksi vaihtoehtoisten tarkkuuksien, finetuning-mallien, VAEs-tiedostojen, tekstienkooderien, ControlNets-tiedostojen, LoRAs-tiedostojen ja tulosten vuoksi. Mittaa tiedostot, jotka ajoympäristösi todella lataa; älä suunnittele kapasiteettia yleisen luvun perusteella.

Tarkat esimerkit, tarkistettu 09 elokuuta 2026
Nämä tiedostokoot ovat peräisin virallisen Hugging Face -repositoryn metatiedoista edellä mainittuna päivänä. Ne ovat esimerkkejä, eivät yleispätevä vaihteluväli:
| Julkaistu tiedosto | Täsmälliset tavut | Noin GiB |
|---|---|---|
Stable Diffusion 1.5 v1-5-pruned-emaonly.safetensors | 4,265,146,304 | 3.97 |
Stable Diffusion 1.5 v1-5-pruned.safetensors | 7,703,324,286 | 7.17 |
SDXL-perusmalli 1.0 sd_xl_base_1.0.safetensors | 6,938,078,334 | 6.46 |
Jo kaksi SD 1.5 -tiedostoa osoittavat, miksi ”malli on noin neljä gigatavua” voi johtaa harhaan. Ne ovat eri sisältöisiä julkaistuja artefakteja. Repositoryn sisältökin voi muuttua, joten säilytä tiedostonimi, revisio ja tarkistussumma jokaisen tärkeän kapasiteettitietueen yhteydessä.
Checkpoint ei ole koko kirjasto
Käytännön kuvanluontiympäristö voi sisältää useita luokkia:
- perus-checkpoints-tiedostot ja täydet finetuning-mallit;
- erilliset diffuusiomallit, tekstienkooderit ja VAEs;
- ControlNets, IP-Adapter-mallit ja suurentimet;
- LoRA-adapterit, embeddings-tiedostot ja muut pienet erikoistukset;
- kaksoiskappaleet ComfyUI-sovelluksessa, toisessa käyttöliittymässä ja latausvälimuistissa;
- koulutuksen checkpoints-tiedostot, esikatselut ja luodut tulokset.
Jokainen luokka kasvaa eri tavalla. Yksi uusi perusmalli voi viedä heti gigatavuja; sadat adapterit kertyvät vähitellen; tuloshakemistot kasvavat jokaisessa istunnossa. Levytilasuunnitelma, joka mittaa vain kohteen models/checkpoints, ohittaa sitä tukevan kirjaston.
Mittaa looginen koko ja fyysinen käyttö
Aloita aktiivisista poluista sen sijaan, että etsisit kohdetta .safetensors koko levyltä. Kartoita ComfyUI-sovelluksessa alkuperäiset ja ylimääräiset mallipolut. Tarkista muiden ajoympäristöjen määritetyt tallennuspaikat ja välimuistit. Mittaa sitten kukin tyyppikansio ja kirjaa, vaikuttavatko linkit tai tiedostojärjestelmän deduplikointi fyysiseen tilaan.
# macOS- tai Linux-esimerkit
du -sh /path/to/models/*
du -sh /path/to/outputs
# Näytä näennäinen koko, kun sparse-tiedostoilla tai linkeillä on merkitystä
du -sh --apparent-size /path/to/models/*
Finder, Explorer, du ja pilvipalvelujen koontinäytöt voivat ilmoittaa desimaaliset GB- tai binääriset GiB-yksiköt, loogisen tai varatun koon. Kirjaa suunnittelua varten käyttämäsi mitta. Tunnistamisessa luota tarkkoihin tavumääriin ja tarkistussummiin.
Miksi kaksoiskappaleiden tunnistus kannattaa tehdä ennen muodonmuunnosta
Etsi tavuntarkasti identtiset kopiot eri ajoympäristöistä ennen kvantisointia tai poistamista. Todistetusti tarpeettoman työkopion poistaminen säilyttää mallin täsmälleen. Checkpoint-tiedoston muuntaminen alempaan tarkkuuteen luo eri artefaktin ja voi säästää enemmän tilaa, mutta palautettava kohde muuttuu.
SafeTensors-tiedosto on jo rakenteinen tensorisäilö; sen pakkaaminen ZIP-tiedostoon tuottaa usein vaivaan nähden vaatimattoman säästön. Kvantisointi voi pienentää johdettua inferenssikopiota, mutta se ei palauta korkeamman tarkkuuden lähdettä tavuntarkasti. Tästä rajasta kertoo SafeTensors-tallennus ja kvantisointi.
Käytännöllinen tilanvapautusjärjestys
- Muualle tarkoituksella viedyt tulokset: varmista kopio ja poista sitten paikalliset kaksoiskappaleet.
- Tavuntarkasti identtiset mallikopiot: ohjaa ajoympäristöt yhteen työkirjastoon ennen kaksoiskappaleiden poistamista.
- Hylätyt koulutuksen välitulokset: säilytä lopulliset valitut välitavoitteet ja todella tarvitsemasi jatkamistila.
- Käyttämättömät johdetut versiot: säilytä lähde ja toistettava resepti tai tarkka käyttöönottoartefakti, jos muunnos on kallis.
- Harvinaiset tai yksityiset alkuperäiset: arkistoi ja testaa palautus ennen kuin niistä tulee siivousehdokkaita.
Vapaa tila ei ole palautettuja tietoja. Jos tiedostoa ei voi hakea tai toisintaa, toinen työkopio voi olla ainoa nykyinen palautuspolkusi. Korvaa se varmennetulla arkistolla ennen kuin kutsut sitä tarpeettomaksi.
Kuinka paljon liikkumavaraa pitäisi jättää?
Varaa tilaa tilapäiselle päällekkäisyydelle. Turvallinen siirto tai palautus voi edellyttää lähteen, arkiston ja palautetun kopion samanaikaista olemassaoloa. Koulutus luo lisää checkpoints-tiedostoja; mallilataukset voivat käyttää tilapäistiedostoja; sovelluspäivitykset ja tiedostojärjestelmän toiminta tarvitsevat myös tilaa. Levy, joka on ”juuri riittävän suuri” tämän päivän näkyvälle kirjastolle, on jo liian pieni varmennettuun palautustyönkulkuun.
Tarkista kirjasto malliperheittäin äläkä odota käyttöjärjestelmän varoitusta vähäisestä tilasta. Säilytyksen tarkistuslista muuttaa tarkistuksen selkeiksi säilytä-, toisinna-, arkistoi- ja hylkää-päätöksiksi.
Säilytä malliperhe; tee tarpeettomista kopioista valinnaisia
Tensor Archive on tarkoitettu valituille paikallisille tensor-perheille, jotka haluat säilyttää täsmälleen. Arkistoi, varmista ja palauta yksi perhe ennen tarpeettoman työkopion poistamista. Sovellus ei kvantisoi mallia, muuta sen painoja eikä lupaa, että jokainen ympäröivän ajoympäristön riippuvuus on mukana.
Sovella tätä ajoympäristöösi
Noudata ComfyUI-sovelluksessa täydellistä mallikirjaston varmuuskopiointi- ja palautustyönkulkua. Jos adapterit aiheuttavat suurimman epäjärjestyksen, käytä LoRA-levytilaopasta ja säilytä tarkat suhteet perusmalleihin.
Lähteet
- Hugging Face API: Stable Diffusion 1.5 -repositoryn metatiedot — julkaistujen tiedostojen tarkat koot tarkistettu 09 elokuuta 2026.
- Hugging Face API: SDXL base 1.0 -repositoryn metatiedot — julkaistun perustiedoston tarkka koko tarkistettu 09 elokuuta 2026.
- ComfyUI-dokumentaatio: mallit — aktiivisen kirjaston kartoittamiseen tarvittavat mallityyppien kansiot ja lisäpolut.
- SafeTensors-dokumentaatio — mallitiedostojen tallennuksen kannalta olennaiset tensor-serialisoinnin ominaisuudet.