Checkpoints (auch: Modelle) in Stable Diffusion sind trainierte Gewichtsdateien, die alle gelernten Parameter eines Bildgenerierungsmodells enthalten, von der offiziellen Stability-AI-Basis bis zu Community-Fine-Tunes für spezifische Stile.
Rubrik: GenAI & Content Creation · Unterrubrik: Stable Diffusion · Niveau: Fortgeschritten
Was sind Modelle und Checkpoints?
Ein Checkpoint ist eine vollständige Momentaufnahme der Modellgewichte zu einem bestimmten Trainingsstand. Bei Stable Diffusion umfasst das die Gewichte des U-Nets, des CLIP-Encoders und (oft) des VAEs, zusammen mehrere Gigabyte pro Datei.
Die Open-Source-Natur von Stable Diffusion hat ein riesiges Ökosystem an Community-Fine-Tunes geschaffen. Auf Plattformen wie Civitai und Hugging Face sind Tausende spezialisierter Modelle für Fotorealismus, Anime, Fantasy-Illustration, Architektur und mehr verfügbar.
Erklärung
Modell-Kategorien
Basis-Modelle (Official):
- SD 1.4, SD 1.5: Die ersten weit verbreiteten Versionen (SD 1.4 über das Hugging-Face-Konto von CompVis, SD 1.5 über das von Runway veröffentlicht). Breite Kompatibilität, riesiges Fine-Tune-Ökosystem.
- SD 2.0, SD 2.1: Verbesserte Architektur, aber geringere Community-Adoption wegen schwächerer Out-of-the-Box-Ergebnisse.
- SDXL 1.0: 1024 px nativ, sehr viele Community-Fine-Tunes.
- SD 3.5 (Oktober 2024): neueste offene Bildmodell-Generation von Stability AI (Stand November 2026), unter der Stability AI Community License.
- FLUX.1 [dev]/[schnell]: Black Forest Labs, 12 Mrd. Parameter; Nachfolger sind FLUX.2 und FLUX 3.
Fotorealismus-Modelle (Community):
- Realistic Vision: Verbreitetes SD-1.5-basiertes Fotorealismus-Modell
- AbsoluteReality: Fotorealistische Porträts (SD 1.5)
- Juggernaut XL: SDXL-basiert, Fotorealismus
- RealVisXL: Weitere SDXL-Fotorealismusvariante
Künstlerische/Illustrative Modelle:
- Deliberate: Detailreiche, düstere Illustrationen (SD 1.5)
- DreamShaper XL: Vielseitiger Allrounder (SDXL)
- Playground v2.5: Eigenständig trainiertes Modell mit SDXL-Architektur
Anime/Manga-Modelle:
- Anything, AbyssOrangeMix: SD-1.5-basierte Anime-Modelle
- Animagine XL: SDXL-basiertes Anime-Modell
Spezialmodelle:
- Inpainting-Checkpoints (z. B. Stable Diffusion Inpainting für SD 1.x): Für Inpainting optimiert
- Pix2Pix-Modelle: Für bildgesteuerte Transformation
- Cascaded-Modelle (Stable Cascade): Dreistufige Architektur für hohe Qualität
Dateiformat: Safetensors vs. CKPT
CKPT (Pickle-Format): Das ursprüngliche PyTorch-Checkpoint-Format. Problematisch: CKPT-Dateien können beliebigen Python-Code einbetten, der beim Laden ausgeführt wird, ein ernsthaftes Sicherheitsrisiko (Code Execution Exploit).
Safetensors: Von Hugging Face entwickeltes sicheres Format. Enthält ausschließlich Tensordaten, keinen ausführbaren Code, und lädt schnell. Inzwischen Standard; A1111 speichert Merges standardmäßig als .safetensors.
Empfehlung: Ausschließlich .safetensors-Dateien herunterladen. CKPT-Dateien nur aus absolut vertrauenswürdigen Quellen (Stability AI offizielle Releases) akzeptieren.
Schritt-für-Schritt / Einrichtung
Modelle von Civitai laden
```
- civitai.com → Models → Typ: Checkpoint
- Filter nach Base Model: SD 1.5 / SDXL 1.0 / Flux
- Modell-Seite: Auf Safetensors-Datei achten
- Direkt herunterladen oder:
Extensions → Civitai Helper Modell-URL eingeben → Download → Lädt automatisch in richtigen Ordner
```
Modelle von Hugging Face laden
```bash pip install -U huggingfacehub hf download stabilityai/stable-diffusion-xl-base-1.0 \ sdxlbase1.0.safetensors \ --local-dir ./models/Stable-diffusion/
```
Checkpoint-Merging in AUTOMATIC1111
`` Checkpoint Merger Tab: Primary model: ModelA.safetensors Secondary model: ModelB.safetensors Tertiary model: (optional) ModelC.safetensors Multiplier: 0.5 (50% A, 50% B) Interpolation method: - No interpolation: nur Modell A, für Formatkonvertierung oder VAE-Einbacken - Weighted sum: A × (1-M) + B × M, Standardwahl - Add difference: A + (B-C) × M ``
Beispiele (5 konkrete Anwendungsfälle)
- Markenstil via spezifischem Checkpoint: Eine Agentur wählt DreamShaper XL für Fantasie-Imagery und Juggernaut XL für fotorealistische Kampagnen. Zwei Modelle für zwei klar getrennte Bildsprachen, konsistente Qualität ohne Prompt-Anpassungen.
- Modell-Merging für Hybrid-Ästhetik: Zwei Modelle, ein Fotorealismus-Checkpoint und ein Anime-Stil-Checkpoint, werden 70/30 gemerged. Das Ergebnis: Anime-Charaktere mit fotorealistischen Beleuchtungseigenschaften.
- Safetensors-Migration alter Projekte: Ältere CKPT-Modelle aus vertrauenswürdiger Quelle werden mit dem A1111-Checkpoint-Merger (Methode „No interpolation“, nur Modell A, Format safetensors) konvertiert. Beim Laden der CKPT-Datei bleibt das Pickle-Risiko bestehen.
- Fine-Tune-Evaluation vor Produktion: Bevor ein neues Community-Modell produktiv eingesetzt wird, wird es auf einem standardisierten Test-Prompt-Set evaluiert: Photorealismus-Test, Anatomie-Test (Hände, Gesichter), Stil-Konsistenz, NSFW-Neigung.
- Modell-Zoo für Team-Workflows: Ein Content-Team hält einen kuratierten Ordner mit 5-8 getesteten Modellen für verschiedene Einsatzzwecke bereit. Jedes Modell hat eine README-Notiz mit optimalen Parametern, empfohlenen VAEs und bekannten Schwächen.
In der Praxis
Modell-Dateigröße und VRAM
| Modell (Datei) | Dateigröße |
|---|---|
| SD 1.5 (v1-5-pruned-emaonly.safetensors) | ~4,3 GB (fp16-Varianten rund die Hälfte) |
| SDXL 1.0 Base (sdxlbase_1.0.safetensors) | ~6,9 GB |
| FLUX.1 [dev] (flux1-dev.safetensors, ohne Text-Encoder) | ~23,8 GB |
Der VRAM-Bedarf hängt zusätzlich von Auflösung, Präzision (fp16, fp8, quantisiert) und Auslagerung ab.
Modell-Versionierung
Modelle auf Civitai werden oft in mehreren Versionen veröffentlicht (V1, V2, V3...). Neuere Versionen sind nicht automatisch besser für jeden Anwendungsfall. Vor dem Wechsel: Beispielbilder und Community-Feedback vergleichen.
Sicherheits-Checkliste für neue Modelle
- Nur .safetensors herunterladen
- Civitai oder Hugging Face als Quellen bevorzugen (Hugging Face scannt laut Doku jede Datei mit ClamAV und auf Pickle-Importe)
- Modell-Kommentare und Bewertungen lesen
- NSFW-Status des Modells vor Team-Nutzung prüfen
- Lizenz-Angabe beachten (CreativeML OpenRAIL, MIT, kommerziell/nicht-kommerziell)
Vergleich & Abgrenzung
| Format | Sicherheit | Ladegeschwindigkeit | Verbreitung |
|---|---|---|---|
| .safetensors | Sehr hoch | Sehr schnell | Industrie-Standard |
| .ckpt | Gering (Code-Exec.) | Langsamer | Legacy |
| .pt | Gering | Mittel | Selten (Embeddings) |
| GGUF (Flux) | Hoch | Schnell | Wachsend (Flux) |
Häufige Fragen (FAQ)
F: Sind alle Civitai-Modelle sicher zum Download? Hugging Face scannt laut eigener Dokumentation jede hochgeladene Datei mit ClamAV und prüft Pickle-Dateien auf Importe; auch Civitai prüft Uploads. Safetensors-Dateien enthalten per Design keinen ausführbaren Code. CKPT-Dateien sollten auch von Civitai nur nach sorgfältiger Prüfung heruntergeladen werden. Das Hauptrisiko auf Civitai sind nicht Malware, sondern Urheberrechtsfragen (Modelle, die unerlaubt auf urheberrechtlich geschütztem Material trainiert wurden).
F: Kann ich Modelle kommerziell nutzen? Das hängt von der jeweiligen Lizenz ab. SD 1.5 (CreativeML OpenRAIL-M) und SDXL (CreativeML OpenRAIL++-M) erlauben kommerzielle Nutzung mit Nutzungsbeschränkungen. SD 3.5 und SDXL-Turbo stehen unter der Stability AI Community License: kommerziell kostenlos bis 1 Mio. US-Dollar Jahresumsatz, darüber ist eine Enterprise-Lizenz nötig. Bei FLUX.1 [dev] (Non-Commercial License v1.1.1) erlaubt Abschnitt 2(d) zwar die kommerzielle Nutzung der Ausgaben, der Betrieb des Modells für umsatzbringende Arbeit wie Kundenaufträge oder eigene Werbung ist nach Abschnitt 1(c) und 4(a) aber nicht gedeckt; dafür braucht es eine kommerzielle Lizenz von Black Forest Labs, einen lizenzierten API-Anbieter oder FLUX.1 [schnell] (Apache 2.0). Community-Modelle erben meist die Bedingungen ihres Basismodells. Immer die Lizenz des spezifischen Modells prüfen (Stand November 2026, keine Rechtsberatung).
F: Was ist der Unterschied zwischen Checkpoint, LoRA und Embedding? Ein Checkpoint enthält das vollständige Modell (U-Net bzw. Transformer, Text-Encoder, oft VAE). Ein LoRA ist ein kleiner Zusatz, der ein vorhandenes Modell verändert, ein Textual-Inversion-Embedding nur ein neues Wort im Text-Encoder. Beide funktionieren nur mit der Modellfamilie, für die sie trainiert wurden.
Verwandte Einträge
- LoRA Training, LoRAs als kleinere Modell-Ergänzungen
- VAE, Der VAE-Anteil im Checkpoint
- Flux, Die nächste Modell-Generation
Weiterführend
- Rombach, R. et al. (2022). High-Resolution Image Synthesis with Latent Diffusion Models. CVPR.
- Civitai Modell-Plattform:
- Hugging Face Model Hub:
- Safetensors Format:
- Stability AI offizielle Modelle:
- Stability AI Community License:
- Hugging Face Hub Security (Pickle- und Malware-Scan):
