← 返回列表

2026-09-06-sageattention-Blackwell社区轮子评价.md

核实：社区轮子 sanjxz/sageattention-2.2.0-blackwell-sm120a 评价如何？（2026-09-06）

结论：该仓库几乎无社区热度（HF 0 下载、1 赞、2026-07-25 后未更新），谈不上"口碑好/坏"，而是"太小众、且平台与你不匹配"。 但它代表的那一类 Blackwell 定制轮子生态有明确且一致的社区验证结论：官方 SageAttention 在 RTX 50 系上的 Triton 路径不可靠（黑屏/崩溃），正确用法是用 KJNodes "Patch Sage Attention" 节点的 CUDA 后端——这点与你的 A/B 实测完全吻合。 ⚠️ 更正：我上一轮把它列为可选方案不准确——这是 Windows + Python 3.13 + torch 2.14 nightly 的轮子，你的 Linux + py3.12 + torch 2.11 机器装不了。

一、sanjxz 仓库档案（HF API 核实）

项值
内容一个预编译 wheel + 完整构建脚本（build_optimized.bat 等）
目标平台Windows x64 only（.bat 构建链）；cp313；torch 2.14.0.dev20260715+cu132 nightly；CUDA 13.x；GPU sm_120a（5090/5080/5070/5060）
热度likes=1，downloads=0，2026-07-25 发布后无更新
体积7.5MB（一个 wheel）
编译特征SASS-only for sm_120a（无 PTX，其他架构不可 JIT）；clang thinLTO + lld-link；-O3 --use_fast_math
自测（作者口径，无第三方复核）RTX 5070 上比 torch SDPA 快 5.77–5.86×（B2 H24 L4096 D128 fp16），cosine ≥ 0.9992；三后端精测中 sageattn_qk_int8_pv_fp16_cuda 精度最高（rel err 0.009–0.011，cosine ≥ 0.99994）

与本机的匹配度：完全不匹配（Windows 轮子 / Python 3.13 vs 你的 3.12 / torch 2.11 vs 2.14 nightly） → 即便想试也装不上；作者自己明说"不同 torch nightly 下 DLL load failed 属预期"，C++ ABI 在 nightly 间漂移。

二、它的 README 里最有价值的部分（为何这类轮子存在）

作者直言"这个 repo 有趣的不是 wheel，而是四个非显然的构建阻塞点"：

  1. torch 2.14 强制 C++20，SageAttention 的 setup.py 传 C++17 → torch 头文件编译失败；
  2. CUDA 13.3 的 CCCL 拒绝 MSVC 传统预处理器（需 /Zc:preprocessor）；
  3. clang thinLTO 产出 LLVM bitcode，MSVC link.exe 读不了 → 换 lld-link；
  4. nvcc 在 Windows 上拒绝 clang 作宿主编译器 → clang 只管 pybind 胶水。

→ 这类轮子的价值主要在给"CUDA 13 + 新 torch 上自编 CUDA 扩展"提供可复现方法，工程文档质量高；但不是官方背书，性能数据为作者自测。

三、整个 Blackwell 轮子生态的社区共识（多方互相印证，可信度高）

来源要点
mobcat40（Comfy-Org 官方 Discussion #11583，2025-12-31）RTX 5090 上 ~30–35% 加速（Qwen Image Edit 40 步 14m30s→9m30s）；"别用 --use-sage-attention，Triton 后端会让部分模型（Qwen、Wan）黑屏"；正确姿势 = KJNodes Patch Sage Attention 节点 + sageattn_qk_int8_pv_fp16_cuda
ziggyxp/sageattention-blackwell-pt211-cu130-cp313（2026-01-28）提供 cu128 与 cu130 两套轮子（对 torch 2.11 nightly）；同样的警告：全局 flag 的 Triton 后端在 Qwen/Wan 上黑屏，用 KJNodes 节点 + CUDA 后端；轮子必须匹配精确 torch nightly，否则 DLL load failed
sanjxz README（2026-07-25）同上；并测出 qk_int8_pv_fp16_cuda 是精度最高的后端；SageAttention2.2.0 的 SAGE_ATTENTION_SUPPORTS_MASK=False → 带 mask 的 attention 自动回退 PyTorch，并非全流程加速
KJNodes #721 评论区（2026-08）5060 Ti 上 H3 的省显存 Sage 补丁失败 → 升级到 2.2.0 系可解
woct0rdho releasesWindows 轮子「groundwork」，KJNodes#721 评论区用它（cu130/torch2.10+ 口径）救活 5060 Ti

→ 这些"轮子"之间互相独立验证了同一结论：Blackwell 上问题出在 Triton 执行路径本身，而不是某一个轮子——与你"去掉 --use-sage-attention 后 100 分钟无故障"的实测一致。

四、附带发现：ComfyUI 里 SageAttention3 目前是"死代码"（回应你上一个问题）

sanjxz README（对 ComfyUI 0.28.0 源码的核实）：

五、对你（Linux + cp312 + torch 2.11.0+cu130 + RTX 5060 Ti）的建议

  1. sanjxz 轮子：不用看——平台错配；它既不是你的选项，也不代表社区主流。
  2. 目前继续禁用 sage仍是理性选择（多方共识 + 你的 A/B 双击中"Triton 路径不稳"）。
  3. 未来若想找回加速，Linux 路线是：按 ziggyxp 那类构建方法对当前 torch 2.11/cu130 源码编（TORCH_CUDA_ARCH_LIST 含 12.0），然后不用全局 flag，改在 H3 工作流里用 KJNodes "Patch Sage Attention" 节点指定 sageattn_qk_int8_pv_fp16_cuda（精度也最高）；装完先跑短 H3 任务 7 分钟对照。
  4. Sage3 请继续等待：ComfyUI 侧需要第三方节点接线才可能启用，暂不具备实用条件。

六、参考链接

下载此文件