Stable Diffusion模型选择指南：Checkpoint与LoRA的区别及正确用法

下载了一份绘图资源，放进模型列表却不能单独出图；换了另一份，原来的 LoRA 又失效了。很多时候并不是提示词没写对，而是把基础模型和附加适配权重当成了同一种东西。

先看资源类型、基础模型家族和作者说明，再看示例图片。对于常见 Stable Diffusion 工作流，可以先用合适的基础模型建立稳定结果，再按需要添加 LoRA；不要一开始就叠满多个资源。

Checkpoint 不只是“大文件”，先确认里面是什么

绘图社区常把可加载的主要模型权重称为 Checkpoint，用它决定基础生成能力或整体风格。但 checkpoint 本来也是权重检查点的通用说法，LoRA 权重同样可能被称作 LoRA checkpoint，不能只凭这个词判断文件能否独立使用。

在 WebUI 中选择 Checkpoint 基础模型的界面局部

下载前看模型卡中的类型、架构、加载方式和依赖。某个文件可能需要配套的文本编码器、VAE 或其他组件，不能因为扩展名是 safetensors，就认为所有绘图软件都能直接加载。

如果只是想给读书活动做植物插画，先选一个工作流支持、授权适合用途的基础模型，让它在不加 LoRA 时完成简单主体。基础配置没跑通时继续堆附件，排错只会更难。

LoRA 是附加适配，不能代替基础模型

LoRA 通过训练较少的附加参数来适配已有模型，常用于学习特定风格或概念。推理时通常要把它加载到匹配的基础模型中，而不是把 LoRA 当成一整套文生图系统。

比如基础模型已经能画清楚植物，只是希望统一成某种插画效果，可以再考察相应 LoRA。它的价值在于针对性调整，不代表文件较小就必然画得更好，也不意味着加载后任何主体都会准确。

加载 LoRA 时需确认其与基础模型的兼容家族

最先核对的是兼容家族。针对某一架构训练的 LoRA，不能默认能用于另一个家族；即使同属一个家族，作者指定的基础版本和训练条件也值得遵循。出现加载错误时，先看兼容说明，不要靠不断提高权重解决。

想换整体方向时看主模型，只补一种效果时看 LoRA

如果需要从整体摄影方向转向另一套绘画能力，比较不同基础模型可能更直接。若现有模型的构图和主体已经适合，只想加入一种明确风格或概念，匹配的 LoRA 才是更合适的尝试对象。

使用时先固定基础模型、提示词和画幅，只添加一个 LoRA，按作者建议设置触发词与权重。支持强度控制的工具中，适配权重影响作用程度，但具体数值不能跨软件与模型照搬。

调节 LoRA 权重以控制风格影响程度

不要把多个 LoRA 同时启用后的变化，都归因于其中一个。先观察主体、构图和风格分别发生了什么，再决定保留哪一个；遇到失真时也应回到不加载附件的基线比较，而不是继续叠加修复资源。

示例图好看之外，还要留下可复用的记录

资源页面的示例可能还用了特殊提示词、后期编辑或其他组件，单独下载一个权重不保证复现整张图。先核对作者给出的工作流，再判断自己的显存、软件版本和目标尺寸能否支持。

同时记录模型名称、具体版本、LoRA 名称与权重，以及必要的提示词。种子可以帮助同一配置下比较变化，但跨模型、版本和环境不能保证完全相同。许可也要分别检查，免费取得文件并不等于任何用途都自动获准。

选模型的顺序可以很简单：先确定兼容的基础模型，再验证简单任务，最后只为明确缺少的效果添加 LoRA。这样遇到问题时，能知道该换基础能力，还是调整附加适配，而不是在资源文件夹里不断碰运气。