Hur mycket diskutrymme kräver Stable Diffusion-modeller?
Det finns ingen enskild Stable Diffusion-storlek. Officiella modellfiler sträcker sig över flera gigabyte, och en fungerande bibliotek växer utanför den huvudsakliga kontrollpunkten genom alternativa precisioner, finjusteringar, VAEs, textkodare, ControlNets, LoRAs och utmatningar. Mät filerna som din körning faktiskt laddar; planera inte kapacitet utifrån ett generellt tal.

Exakta exempel, kontrollerade 09 augusti 2026
Dessa filstorlekar kommer från den officiella Hugging Face-repositoriets metadata den dag ovanför. De är exempel, inte en universell storlek.
| Publicerad fil | Exakt byte | Cirka GB |
|---|---|---|
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 bas 1.0 sd_xl_base_1.0.safetensors | 6,938,078,334 | 6.46 |
De två SD 1.5-filerna visar redan varför "modellen är cirka fyra gigabyte" kan vara missledande. De är olika publicerade artefakter med olika innehåll. Arkivinnehåll kan också förändras, så behåll filnamnet, revisionen och checksumman bredvid någon kapacitetspost som har betydelse.
Det är inte hela biblioteket.
En praktisk bildgenereringskonfiguration kan innehålla flera kategorier:
- bassteg och fullfjärdade justeringar;
- separata diffusionsmodeller, textkodare och VAEs;
- ControlNets, IP-Adapter-modeller och upplösningsförbättrare;
- LoRA-adaptrar, inbäddningar och andra mindre komponenter;
- dubbletter av kopior i ComfyUI, ett annat gränssnitt och en nedladdningscache;
- träningskontroller, förhandsvisningar och genererade utdata.
Varje kategori växer olikt. En extra bas kan kosta gigabyte direkt; hundratals anpassningar byggs upp gradvis; utmatningsmappar växer med varje session. En diskutrymmesplan som endast mäter models/checkpoints missar den biblioteksmapp som stöder den.
Mät logisk storlek och fysisk användning
Börja med de aktiva sökvägarna istället för att söka hela disken efter .safetensors. I ComfyUI så samlar du in nativa och extra modell-sökvägar. I andra körningar kontrollerar du deras konfigurerade butiker och cacheminnen. Mät sedan varje typmapp och notera om länkar eller filsystemets deduplikering påverkar den fysiska utrymmet.
# macOS eller Linux-exempel
du -sh /path/to/models/*
du -sh /path/to/outputs
# Visa synlig storlek när sällsynta filer eller länkar har betydelse
du -sh --apparent-size /path/to/models/*
Finder, Explorer, du och molndashborad kan visa decimala GB, binära GiB, logisk storlek eller tilldelad storlek. För planering ska du notera vilken metod du använde. För identitet ska du lita på exakta byteantal och kontrollsummor.
Varför dubbeldetektering är bättre än formatkonvertering först
Innan du kvantiserar eller raderar, hitta byte-identiska kopior över olika körningar. Att ta bort en bevisligt onödig arbetskopia bevarar modellen exakt. Att omvandla en kontrollpunkt till lägre precision skapar ett annat artefakt och kan spara mer utrymme, men det ändrar återställningsfrågan.
En SafeTensors-fil är redan en strukturerad tensorbehållare; att lägga den i ZIP ger ofta besvärande små sparade byte för den ansträngning det kräver. Kvantisering kan minska en härledd inferenskopia, men ger inte byte-exakt återställning av den högre noggrannheten i källan. Se SafeTensors-lagring mot kvantisering för den gränsen.
En praktisk ordning för att återfå utrymme
- Utdata du avsiktligt exporterade någon annanstans: bekräfta kopieringen, ta bort lokala dubbletter.
- Exakt lika modellkopior: omdirigera körningstider till ett arbetsbibliotek innan du raderar dubbletter.
- Utbildningsmellanvärden som lämnats i sticket: behåll de slutgiltiga, valda stegen och återupptagningsstatus du verkligen behöver.
- Oanvända härledda variantar: behåll källan plus återupptagbar metod, eller spara exakt distributionsartefakt när konvertering är kostsamt.
- Självständiga eller privata original: arkivera och testa återställning innan de blir kandidater för rensning.
Fri utrymme återförs inte tillbaka. Om du inte kan hämta eller återställa en fil kan en andra fungerande kopia vara den enda återställningsväg du för närvarande har. Byt ut den mot en verifierad arkivversion innan du anser den överflödig.
Hur mycket utrymme bör du lämna?
Planera för tillfällig överlappning. En säker migrering eller återställning kan kräva att källan, arkivet och den återställda kopian finns samtidigt. Träning skapar ytterligare kontrollpunkter; modellhämtningar kan använda tillfälliga filer; programuppdateringar och filsystemets beteende kräver också utrymme. En disk som är ”exakt tillräckligt stor” för dagens synliga bibliotek är redan för liten för ett verifierat återställningsflöde.
Granska biblioteket efter modellfamilj istället för att vänta på operativsystemets varning om låg plats. kvarhållningschecklista omvandlar den här granskningen till tydliga beslut om att behålla, återgöra, arkivera och ta bort.
Håll modellfamiljen; gör överflödiga kopior valfria.
Tensor Archive gäller för utvalda lokala tensorfamiljer som du vill behålla exakt. Arkivera, verifiera och återställ en familj innan du återanvänder en duplicerad arbetskopia. Det kvantiserar inte modellen, ändrar inte dess vikter eller lovar att alla omkringliggande körningstidsberoenden har fåtts.
Använd detta i din körning
För ComfyUI följer du det fullständiga arbetsflödet för säkerhetskopiering och återställning av modellbibliotek. Om adaptrar står för merparten av röran använder du guiden om diskutrymme för LoRA och bevarar de exakta relationerna till basmodellerna.
Källor
- Hugging Face API: Stable Diffusion 1.5-repositoryns versionshanteringsmetadata — exakt publicerade filstorlekar kontrollerade 09 augusti 2026.
- Hugging Face API: SDXL-bas 1.0-repositorys metadata — exakt publicerad basfilstorlek kontrollerad 09 augusti 2026.
- ComfyUI Dokumentation: Modeller — mappar för modelltyper och ytterligare sökvägar som används för att inventera ett aktivt bibliotek.
- SafeTensors-dokumentation — tensorserialiseringsegenskaper som är relevanta för modelfilens lagring.