以下是对 ComfyUI 中 .ckpt 和 .safetensors 模型文件名称由来的详细解析

🔍 文件名来源解析

📌 .ckpt 文件

1. 名称含义

   • ckpt 是 “Checkpoint”（检查点）的缩写，源于深度学习训练过程中的术语。
   • 设计意图：在模型训练时定期保存进度（如每 1000 步），允许从中断点恢复训练，避免数据丢失。

2. 技术背景

   • 采用 Python 的 pickle 序列化技术，可保存完整训练状态（模型权重、优化器参数、训练代码等）。
   • 副作用：

• ⚠️ 文件体积大（通常 2-7GB），因包含冗余信息。
• ⚠️ 安全风险：pickle 可能嵌入恶意代码，加载时自动执行。

📌 .safetensors 文件

1. 名称含义

   • safe（安全） + tensors（张量） ，直指其核心设计目标：安全存储张量数据。
   • 由 Hugging Face 团队开发，专为安全推理场景设计。

2. 技术革新

   • 仅存储模型权重张量（不含代码、优化器状态等）。
   • 安全性机制：

• 🛡️ 禁用 pickle，从根源杜绝恶意代码注入。
• 🛡️ 支持内存映射（memory-mapping），加载时无需完整读取文件。

⚖️ 核心差异对比

🧩 设计逻辑详解

🔧 .ckpt 的实用性局限

• 历史背景：早期 PyTorch/TensorFlow 依赖 pickle 保存模型，但未考虑安全风险。
• 现实问题：用户需信任模型来源（如 Civitai 平台），否则可能被恶意代码攻击。

🛡️ .safetensors 的创新点

1. 安全优先

   • 通过 张量格式标准化（如 numpy 存储），隔离代码与数据。
   • 社区推动转换工具（如 Ckpt2Safetensors），逐步替代 .ckpt。

2. 效率优化

   • 内存映射技术：文件无需完全加载到内存，大幅提升启动速度。
   • 跨平台兼容：脱离 Python 环境依赖，适配更多部署场景。

💡 在 ComfyUI 中的实践建议

1. 文件存放路径
   • 统一置于 models/Stable-diffusion/ 目录，系统自动识别。
     
2. 格式选择
   • 优先使用 .safetensors：安全、快速、节省空间。
   • 保留 .ckpt：仅需继续训练时使用。
3. 转换工具
   • 使用 Hugging Face 官方工具转换旧模型。

⚠️ 关键提醒

❗ 安全警告：
从非官方渠道下载的 .ckpt 文件需用 Pickle 扫描器检测恶意代码。
✅ 最佳实践：
在 ComfyUI 中默认使用 .safetensors，平衡效率与安全。

通过上述设计逻辑可见，文件名直接反映功能定位：

• 🔄 .ckpt → 训练检查点（功能全面但风险高）；
• 🔒 .safetensors → 安全张量存储（专为部署优化）。
  技术演进正推动社区逐步淘汰 .ckpt，拥抱更安全的格式。