AI 出图第一课：底模是什么，SDXL 底模怎么选

刚开始用 ComfyUI 的人，多半卡在同一个困惑上：模型列表里几百个名字，SDXL、RealVisXL、Juggernaut、DreamShaper，它们到底是什么关系？随便选一个用行不行？

我一开始也是随便选，直到发现同样的提示词，换一个模型，出图质量天差地别。后来才明白一件事：换对底模一次，胜过改十次提示词。这篇把「底模」这个最基础的概念讲清楚。

底模是画家的功力

底模（Checkpoint）是一个几 GB 的模型文件，存着经过数十亿图文对训练出的神经网络权重。它相当于一位画家的功力：决定会不会画、擅长画什么、质量上限在哪。

一张图的生成流程并不复杂：提示词告诉底模画什么，采样器控制画多细，LoRA 和 ControlNet 是可选插件。底模坐在正中间，其余一切都围着它转。

打个比方：底模是画家本人，提示词是你下的订单，LoRA 是给画家加的风格滤镜，ControlNet 是让画家照着底稿描。功力不行，订单写得再好也白搭。

这解释了一个新手常见的误区：出图效果差，第一反应是改提示词。提示词只决定画什么，画质和画风的上限，从选定底模那一刻就已经锁定。

SDXL 和 RealVisXL 们是什么关系

SDXL 1.0 是 Stability AI 的官方原版，既定义了这一代模型的架构（1024 分辨率起步），也提供了原版权重。可以把 SDXL 理解成毛坯房：结构是好的，能住，但什么都不突出。

RealVisXL、Juggernaut XL、DreamShaper XL 这些社区模型，是作者拿 SDXL 当地基、用特定领域的图片继续训练出来的精装修版本：

• RealVisXL：专攻真实人像质感，头像写真的利器
• Juggernaut XL：全能写实，光影均衡，商品图和场景图的主力
• DreamShaper XL：多面手，写实、插画、2.5D 都能出，但样样通、样样松

它们的架构与 SDXL 完全相同，用法一样，SDXL 的 LoRA 大多通用。换底模只是换一个 checkpoint 文件，工作流一个节点都不用动；但等于换了一位画家，画风、质感、上限同时改变，比调任何参数的影响都大。

边界也要说清：SD 1.5 是上一代（512 分辨率时代），与 SDXL 的底模、LoRA、VAE 互不通用。直接从 SDXL 起步，不必在 SD1.5 上浪费时间。

我的选法：写实双雄

我的出图方向是电商商品图和人像写真，模型组合可以做减法：Juggernaut XL 当主力，全能写实，商品图场景图都能扛；RealVisXL 当备用，人像皮肤质感更专精，写真单子顶上。DreamShaper XL 这类多面手可以放弃——多面手的问题是没有长板，出的图容易往插画方向偏，撑不起交付级的写实需求。

多面手不是不好，是不匹配。以后接插画类单子，再补专门的风格模型也不迟。

下载渠道与四个坑

社区模型没有独立官网，作者本人在 CivitAI 上传的页面就是权威源头，HuggingFace 上的作者官方仓库同样可靠。除此之外的第三方下载站一律不碰：文件被篡改、缺 VAE、版本张冠李戴都是常事。

四条具体经验：

1. 认准 fp16 版本（6.5GB 左右）。fp32 有 13GB，画质没有任何肉眼差别，纯浪费磁盘。顺带澄清一个概念：fp16 不是量化。量化是为内存不足的设备准备的压缩方案，有画质代价；SDXL 只有 6.5GB，完全用不着。
2. 版本下拉框里优先选带 BakedVAE 的。VAE 已烘焙进文件，不用单独接 VAE 节点，也不会出灰图。
3. 优先下 Lightning 版，4-8 步出图，速度是标准版的六倍以上。但必须配低参数：步数 4-8、CFG 1-2、采样器 DPM++ SDE Karras。拿普通参数跑 Lightning 版会出糊图，这是最常见的翻车点。标准版细节更足，留到交付精修时用。
4. 验真看哈希。CivitAI 页面有模型哈希，ComfyUI 加载日志里也会显示，对得上就是正版。

两年前的模型，还值得学吗

RealVisXL V5.0 发布于 2024 年 9 月，到今天两年没大更新，SDXL 这一代生态整体进入「冻结但成熟」状态。纯论画质上限，FLUX 和国产新模型确实更强。

我依然从 SDXL 起步，理由有三：商用画质仍在付费水位线之上，Juggernaut 至今是下载量最大的 SDXL 精调版；ControlNet、LoRA、批量工具链全围绕 SDXL 建成，学习资料最全；对 Mac 这类统一内存设备，SDXL 是质量和速度的最佳平衡点。

更关键的是，工作流、参数、控图这套内功，八成可以迁移到任何新模型。先在成熟生态里把功力练成，真碰到画质天花板的那单，再上新模型不迟。

同 seed 实测：两个底模的画风差异

选型不能只听道理，上实测。我用同一套提示词、同一组 seed（666001 起递增）、同参数（6 步、CFG 1.0、768×1344），分别在两个底模上各出一批，直接看图。

seed 666001 的对照（左 RealVisXL，右 Juggernaut）：

差异一目了然。RealVisXL 出的是「生活抓拍」：淡妆近素颜，窗景入画，像家人随手拍的照片。Juggernaut 出的是「商业写真」：妆容完整，轮廓光明显，背景全部虚化突出人物，提示词的每个细节（一字肩、姿态、发丝光）都执行到位。

还有一个容易忽略的指标：提示词服从性。我写了「微微露肩」，Juggernaut 精准执行，RealVisXL 直接画成了圆领毛衣。对商业交付来说，模型听不听话，比单看画质更重要。

所以最终选型比「谁画质高」更立体：

• 主力 Juggernaut：精致感、服从性、可控性全占，商品图和人像商单的交付主力
• 辅助 RealVisXL：客户要「真实自然、不像 AI」的生活感照片时，它反而占优
• 两个互补，都不删

小结

底模决定画质上限，效果不好先查底模，再动提示词。按业务方向选专精模型，弃多面手；下载认准 CivitAI 与 HuggingFace，选 fp16、BakedVAE、Lightning 版。

现在就把底模装进 ComfyUI，用固定 seed 跑一组自己的对照图——亲眼看过一次，胜过读十篇选型文。下一篇进入参数篇：CFG、步数、采样器，每调一个参数看一张对比图。