Checkpoint（检查点）是 AI 模型在训练期间或训练后某一时刻的权重与参数快照，代表该时刻模型的完整状态，捕获模型到该阶段所学的一切，并允许加载模型用于生成或继续训练而无需从头开始。

实践中 Checkpoint 有多种用途。训练中，它们使进度能定期保存，以便训练中断或结果变差时可恢复或回滚到更早状态。在更广泛的 AI 图像与视频生成社区中，Checkpoint 是已训练模型分发与共享的主要格式。基于同一基础架构（如 Stable Diffusion）构建的不同 Checkpoint 会因训练数据不同而产生截然不同的视觉风格，因此对使用开源或社区训练模型的工作者而言，Checkpoint 选择是关键创意决策。

对使用 AI 生成平台的创作者而言，Checkpoint 常以可选的模型选项呈现，决定工具产出的基础美学与能力。理解每个 Checkpoint 代表一个独立的已训练实体而非同一模型的设置变体，有助于在可选选项间做出更明智的选择并理解输出差异。