LiblibAI下载AI模型前怎么分清Checkpoint和LoRA？从用途、体积到本地目录判断

在 LiblibAI 下载 AI 模型前，判断 Checkpoint 还是 LoRA，最可靠的依据是详情页标注的模型类型、适配架构和使用说明，而不是文件扩展名。Checkpoint 是生成时选中的主模型，决定基础画面能力；LoRA 是附加权重，需要搭配兼容的 Checkpoint 才能发挥作用。两者都可能使用 .safetensors，仅看文件名结尾无法区分。

官方地址：https://www.liblib.art/

Checkpoint和LoRA分别负责什么

Checkpoint 可以理解为完整生成链路里的基础模型。打开本地 WebUI 后，通常先从主模型下拉框选择一个 Checkpoint，再输入提示词生成图片。它决定模型认识哪些概念、偏向什么画面分布，以及整体的基础质量与结构能力。

LoRA 则是在基础模型上训练出的附加网络，常用于注入某种画风、角色、服装、材质或特定物体概念。它不会代替主模型，而是在生成时与主模型一起工作。加载 LoRA 前必须先确认它是基于 SD 1.5、SDXL、FLUX 还是其他架构训练，并选择匹配的底模。

下载前先看详情页这六项信息

1. 模型类型：页面是否明确写着Checkpoint、LoRA或其他资源类型。
2. 版本：当前选中的是哪个版本，下载文件是否与页面版本一致。
3. 基础架构：属于SD 1.5、SDXL、FLUX还是其他体系。
4. 推荐底模：LoRA作者是否指定了某个基础模型。
5. 触发词和权重：LoRA是否需要特定词语，推荐强度是多少。
6. 许可与下载状态：作者是否允许下载、当前用途是否被许可。

同一个作品页面可能提供多个版本，甚至不同版本适配不同架构。下载前应把版本名称、文件名、更新时间、推荐底模和许可说明一起保存。不要因为页面标题相同，就认为所有版本可以互换。

为什么不能只靠文件扩展名判断

.safetensors 是一种权重存储格式，不是模型类型名称。Checkpoint、LoRA、VAE 或其他网络都可能采用这种格式；.ckpt、.pt 也可能承载不同内容。因此，“这是 safetensors 文件”只能说明保存格式，不能说明应该放进哪个目录。

文件名里的 lora、xl、flux 等词可以提供线索，但文件名可能被作者或下载者修改。最稳妥的方法仍是回到模型详情页核对类型与架构；团队内部可以再记录文件哈希，避免同名不同版。

文件体积只能当辅助线索

完整 Checkpoint 通常包含更多基础权重，因此往往比 LoRA 大；LoRA 只保存低秩适配权重，常见体积相对较小。但训练方式、精度、架构和保存内容不同，体积范围会重叠，不能设定一个固定阈值。

看到一个几百 MB 的文件，不能直接断定它是 LoRA；看到数 GB 文件，也不应跳过详情页确认。体积最适合用于发现异常：例如页面明确标注 LoRA，而下载包却远大于同页面其他版本，就应检查是否下载了整包、底模或压缩文件。

下载后应该放到哪个本地目录

以 AUTOMATIC1111 Stable Diffusion WebUI 的默认结构为例，Checkpoint 通常放入 models/Stable-diffusion，LoRA 放入 models/Lora。官方命令行设置也允许使用自定义 Checkpoint 目录和 --lora-dir，所以采用 LiblibAI 客户端、自定义数据目录或其他启动器时，应以实际配置路径为准。

文件放好后刷新模型列表。Checkpoint 应出现在主模型选择器中；LoRA 应出现在附加网络的 LoRA 卡片列表。若一个文件出现在错误位置，不要靠改名强行让它加载，应移回正确目录并重新检查模型类型。

两类模型在WebUI里的加载方式不同

Checkpoint 的操作顺序是：选择主模型，等待模型加载完成，再设置提示词与生成参数。切换 Checkpoint 会改变整个基础模型状态，显存占用和加载时间通常也更明显。

LoRA 的操作顺序是：先选择兼容 Checkpoint，再从附加网络卡片插入 LoRA 调用。AUTOMATIC1111 官方说明使用 这类提示词形式启用 LoRA，其中 multiplier 控制影响强度。作者提供的触发词还需要按模型说明加入正向提示词。

如果 LoRA 列表里看不到文件，先检查目录、文件是否解压、扩展名和刷新状态；如果可以加载但没有效果，再检查底模架构、触发词与权重。若加载时报层结构或张量错误，优先怀疑架构不匹配。

还容易混淆哪些下载资源

尤其在 ComfyUI 中，工作流可以引用多个模型，却不一定把模型权重打包进去。导入工作流后出现缺失节点或缺失模型，并不表示工作流损坏，而是本地还没有对应资源或路径不同。

按创作目标决定下载哪一种

• 需要一个新的基础画风与生成能力：优先找兼容环境的Checkpoint。
• 已有满意底模，只想增加角色或风格：优先找匹配该架构的LoRA。
• 想复现作者完整节点流程：除了模型，还要确认工作流、插件和其他依赖。
• 本机存储有限：不要只按体积挑选，先确保模型类型与目标任务正确。
• 准备商业交付：分别核对主模型、LoRA、工作流和生成结果的许可。

下载许可和本地兼容是两道检查

页面提供下载入口，不代表可以把模型上传到其他平台、二次销售、融合发布或用于所有商业场景。不同作者可能设置不同许可，部分资源还可能带有会员、个人或企业条件。应以当前详情页和平台规则为准，并保存使用时的版本与许可记录。

获得下载权限后，还要检查本地软件是否支持模型架构。LiblibAI 当前客户端页面说明支持模型下载后直接生图，并提供 WebUI 与 ComfyUI 启动方式；但具体模型能否加载，仍取决于客户端版本、启动器、节点和目标模型架构。

最终判断清单

1. 详情页明确标注的模型类型是什么。
2. 下载文件对应哪个版本和基础架构。
3. 它是主模型，还是需要兼容底模的附加模型。
4. 文件体积是否与页面说明大致合理，但不把体积当作定论。
5. Checkpoint与LoRA分别放入实际配置的正确目录。
6. 加载后从主模型下拉框或附加网络入口确认类型。
7. 作者许可允许当前下载、生成和交付用途。

一句话判断：Checkpoint 是先选中的基础模型，LoRA 是后加载的附加模型。下载前看详情页类型和架构，下载后看目录与加载入口，文件扩展名和体积只作为辅助信息，就能避免大多数模型放错目录或无法生效的问题。