结论先行：「Sage Attention 导致 GPU 掉线」是夸张的说法，但并非空穴来风。 SageAttention 早期版本（2.0.0 时代）确有真实崩溃报告（CUDA illegal memory access → 进程/驱动崩，严重者需重启）， 可以成为"最后一根稻草"；但你机器历史上三次 GPU 掉总线与启动参数无关（裸配置也崩），根因是 PCIe 链路震荡（已修复），9 月的两次是整机断电——都不该算到 Sage Attention 头上。 实测你 GPU 机当前已装 SageAttention 2.2.0（社区修复版，支持 RTX 50 系 Blackwell sm120），无需回退或禁用。
⚠️ 2026-09-06 用户实测 A/B 后，上述"无需禁用"结论已作废：开启 sage 最快 7 分钟出问题，去掉
--use-sage-attention后连续 100+ 分钟无故障。对本机当前栈，禁用 sage = 正确选择。详见文末"实测更新"。
--use-sage-attention 跑 HunyuanVideo → CUDA error: an illegal memory access → Aborted (core dumped)。sageattention is not new enough version or could not determine CUDA architecture（报错失败，不是掉卡）。| 时间 | 事故 | 结论（运维记录已定位） |
|---|---|---|
| 2026-08-24 前后（三次） | GPU 掉总线（CUDA error: unspecified launch failure → (Fatal) Abort → nvidia-smi 无设备） | 与启动参数无关：裸配置（零参数）照样崩；根因 = MoDT 主板 + 驱动动态电源管理导致 PCIe Gen1↔Gen5 链路震荡 → GSP 锁死掉卡。已用 NVreg_DynamicPowerManagement=0x00 修复（连续多轮重负载零崩溃） |
| 2026-09-03 | 整机断电（连 SSH 都不可达，journald "uncleanly shut down"） | 市电/PSU 掉电，非软件崩溃；同时段"模块错误"是 DaSiWa 缩放节点的边界 bug（896×1200 参考图），与显卡无关 |
| 2026-09-09 | 整机离线（ARP 不通），18 分钟后手动开机恢复 | 断电/网线类，非 ComfyUI/GPU 崩溃，与 Sage 无关 |
本机 Sage 状态（2026-09-06 实测）：
pip show sageattention → Version 2.2.0（/home/zyw/SageAttention 源码安装，兼容 Blackwell）start_comfyui_v6.sh（含 --use-sage-attention），8189 正常服务中两层故障要分开看：
illegal memory access / unspecified launch failure → Python 进程 Abort。最坏情况是驱动需要重置（表现像"掉线"，但重启驱动/重启 ComfyUI 即可）。nvidia-smi 报 "No devices were found"、lspci 无 Nvidia → 根因几乎都是驱动/电源管理/供电/插槽（你的链路震荡、或 MIO 电源保护、市电闪断）。软件崩溃只有在底层本来就脆（链路不稳、供电波动）时才会被"放大"成掉总线。Sage Attention 在这条链上至多是压垮骆驼的最后一根稻草，不是根因；你的根因已修复且在监控中。
--use-sage-attention 是正确的组合（Blackwell 官方推荐档），不用回退、不用禁用。illegal memory access / sageattention 栈帧 → 软件层：检查 torch/驱动/sage 三件套版本匹配，或临时关闭 sage 对照；No devices were found / Xid / LnkSta 降级 → 总线层：检查 lspci -vv 链路速率（修复基线应保持 32GT/s）、电源/插槽（9 月以来反复断电，建议优先排查 PSU 与市电）。http://192.168.31.31:8189（HTTP 200 正常）。建议：a) 尽快在路由器给该机 MAC 绑定固定 IP；b) 更新 AGENTS.md / 运维记录 / 各脚本里的 .25 为 .31；c) dsw-v18-generate 等技能里的 ComfyUI 地址同步更新。用户实测（GPU 机 192.168.31.31，本机当前软件栈）：
--use-sage-attention：最快 7 分钟就出问题；→ 本文件开头"无需回退或禁用"的判断作废。对本机当前栈，禁用 sage 是当下正确选择，稳定性优先于那点加速。
远程核验（2026-09-06，SSH 到 .31）：
| 检查项 | 结果 |
|---|---|
| 当前进程参数 | main.py ... --lowvram --force-fp16 --reserve-vram 1.0 --fast-disk --cache-lru 20 --preview-method none——已无 --use-sage-attention ✓ |
| sageattention 包 | 2.2.0 仍在（editable 安装于 ~/SageAttention，2026-08-11 本机源码编译），但未启用 |
| torch / triton | torch 2.11.0+cu130 / triton 3.6.0（注意：社区 Blackwell 轮子多为 "torch2.10.0andhigher" 口径） |
| DPM 修复 | NVreg_DynamicPowerManagement=0x00 仍在 ✓ |
comfyui_h3.log 崩溃签名 | illegal memory / launch failure / Fatal / CUDA error 零命中 |
dmesg Xid | 无 → 本次故障属软件层（进程/kernel 崩溃），不是总线掉卡 |
为什么"对本机环境源码编译的 2.2.0"仍会 7 分钟崩（用户提示后，查文档 + 编译产物核验，2026-09-06）：
① 前置确认：用户记忆正确——sage 2.2.0 是 2026-08-11 在本机 pip install -e . 源码编译（editable 安装；build/ 产物时间 08-11 15:37~15:38，晚于同日上午 05:59 安装的 torch 2.11.0+cu130）→ 编译环境与运行环境一致，之前"构建与运行环境不匹配"的猜测作废。
② 真正的问题在编译目标架构：
_qattn_sm80 / _qattn_sm89 / _fused 即全部 .so 产物）；sageattention/ 目录下也只有 sm80_compile.py / sm89_compile.py / sm90_compile.py，没有 sm120_compile.py → 官方 2.2.0 构建不包含 Blackwell（sm120）CUDA 内核；sageattention/triton/）；这条路径在 triton 3.6.0 + sm120 + H3 超长多模态序列下不稳定——社区专门为 RTX 50 系做 sm120a 定制轮子，正是因为官方构建缺 Blackwell 目标；torch>=2.3.0 / triton>=3.0.0，且 "CUDA >=12.8 for Blackwell or SageAttention2++"（本机 CUDA 13.0 ✓）；并建议精度敏感应用仍用 SageAttention2（H3 视频生成即属精度敏感场景）。→ 修订后的判断：不是装错、不是构建错误，而是 sageattention 2.2.0 官方构建在 Blackwell 上"天然没有 CUDA 内核、只能依赖 triton JIT"这个内在短板，与你的 A/B 实测（禁用即稳定）完全吻合。
操作建议：
dsw-v18/DaSiWa 流程不受影响（sage 只是 attention 加速，不开不损失质量，只损失速度）。sanjxz/sageattention-2.2.0-blackwell-sm120a 一类）或等官方版本补上 sm120 支持，避开"纯 triton JIT"路径；装好先用一条短 H3 任务冒烟（7 分钟对照），没问题再长期开。备注：官方 README 明示精度敏感应用仍推荐 SageAttention2。grep -aE "illegal memory|Aborted|launch failure" /home/zyw/comfyui_h3.log 与 dmesg | grep -i xid 均为 0 即健康。ComfyUI-H3运维记录.md（2026-08-24 掉总线根因与修复）、2026-09-03-GPU机离线根因分析.md、2026-09-09-GPU机离线诊断.md