# 核实：SageAttention 是不是已经有"版本 3"了？（2026-09-06）

> 结论：**说对了一半。** 要分两层看：
> ① 如果指 **pip 包版本号** "sageattention 3.x"——**不存在**（PyPI 官方包最新仍是 1.0.6，2.2.x 全部走源码/社区编译轮子，没有 3.x 包）。
> ② 如果指 **SageAttention3 这个算法/实现**——**真实存在**（THU-ML 官方仓库 `sageattention3_blackwell/`，论文 arXiv:2505.11594），但它不是 2.2.0 的"升级版 3"，而是**另一条技术路线：Blackwell FP4 注意力**，目前主要落地在 SGLang 等推理服务，**尚未进入 ComfyUI 主线**。

---

## 一、两层事实

### 1. 包版本号：没有 3.x
| 出处 | 最新版本 | 说明 |
|---|---|---|
| PyPI `sageattention` | **1.0.6**（2024-11 发布，此后未更新） | 官方 pip 包停留在 1.x |
| 你在 GPU 机上的安装 | **2.2.0**（`/home/zyw/SageAttention` 源码装） | 2.2.x 是社区为 RTX 50 系 Blackwell 做的预编译/源码路线，仍是 ComfyUI 生态当前主线 |

### 2. SageAttention3（算法/实现）：真实存在
- 论文：**《SageAttention3: Microscaling FP4 Attention for Inference and An Exploration of 8-Bit Training》**，arXiv:2505.11594（2025-05-16 投稿，2026-01-14 修订 v3）。
- 官方实现：thu-ml/SageAttention 仓库内 `sageattention3_blackwell/` 子目录，独立模块 `sageattn3_blackwell`。
- 核心卖点：
  - 利用 **Blackwell（RTX 50 系）FP4 Tensor Core** 加速注意力：RTX 5090 上 **1038 TOPS，比该卡最快的 FlashAttention 快 5×**；
  - 顺带探索 8-bit 注意力用于训练（前向+反向）。
- 适用性（官方 README 明示的**限制**）：
  - ✅ 效果好：视频生成（CogVideoX-2B、HunyuanVideo、Mochi）+ 几乎全部图像生成（Flux、SD 3.5）；
  - ⚠️ **不保证所有模型无损加速**：其他视频模型建议"混合用法"——首/末时间步用 SageAttention2++，中间步用 SageAttention3。
- 部署门槛：**源码编译**，要求 `python ≥ 3.13`、`torch ≥ 2.8.0`、`CUDA ≥ 12.8`。
- 落地情况：SGLang 已接入并有 Blackwell 修复 PR（#16335，Qwen-Image）；ComfyUI 官方 sage 后端仍走 2.2.x 路线。

---

## 二、对你的环境（5060 Ti 16GB + ComfyUI + H3）意味着什么

| 检查项 | 你的现状 | 是否满足 SageAttention3 |
|---|---|---|
| Python | 3.12.3（h3-env-context） | ❌ 需 ≥3.13 |
| torch / CUDA | CUDA 13.x、torch 未见 2.8 基线 | 未满足产出方推荐 |
| GPU | RTX 5060 Ti（sm120 Blackwell） | ✅ 算力满足 |
| 场景 | MiniMax H3 + ComfyUI（dasiwa/官方工作流） | ⚠️ H3 不在官方 README 已验证清单（CogVideoX/Hunyuan/Mochi/Flux/SD3.5），且官方明示其他视频模型需混合用法、不保证无损 |
| 生态 | 社区/Comfy 选择 2.2.x | 主线未动 |

**结论：不用追、不用装。** 你机器上的 **2.2.0 是当前 ComfyUI 生态的正确选择**，SageAttention3 是给"RTX 50 系 + 大吞吐推理服务（SGLang/vLLM）+ 已验证扩散模型"准备的前瞻路线；等它（a）进入 ComfyUI 官方 sage 后端、（b）或社区出适配 H3 的验证与 Blackwell 轮子后再说。想跟进就 Star thu-ml/SageAttention 看 release。

---

## 三、参考链接
- 论文：https://arxiv.org/abs/2505.11594
- 官方 Blackwell 实现 README：https://github.com/thu-ml/SageAttention/tree/main/sageattention3_blackwell
- PyPI 版本页（最新 1.0.6）：https://pypi.org/project/sageattention/
- SGLang 集成修复 PR：#16335（sgl-project/sglang）
- 同日相关：《2026-09-06-SageAttention是否导致GPU掉线-核实.md》（同目录）