ComfyUI-WanVideoWrapper项目中的SM89内核兼容性问题分析与解决方案

问题背景

在使用ComfyUI-WanVideoWrapper项目进行视频处理时，部分用户遇到了"SM89 kernel is not available"的错误提示。这个问题主要出现在NVIDIA RTX 40系列显卡(如4090)和50系列显卡(如5070 Ti、5080)上，特别是在使用最新版本的PyTorch时。

错误分析

该错误的核心信息表明系统无法找到适用于计算能力8.9(SM89)的GPU内核。SM89对应的是NVIDIA Ada Lovelace架构(如RTX 4090)和Blackwell架构(如RTX 5080)的计算能力版本。

错误通常发生在以下情况：

1. 使用了不兼容的PyTorch版本
2. SageAttention库未正确安装或版本不匹配
3. Triton编译器出现问题

根本原因

经过社区验证，这个问题主要与PyTorch的夜间构建版本有关。特别是2025年4月18日之后的PyTorch 2.8.0.dev版本与SageAttention库存在兼容性问题。SageAttention作为WanVideoWrapper的核心依赖之一，需要特定版本的PyTorch和CUDA支持才能正常工作。

解决方案

方案一：降级PyTorch版本

对于RTX 40系列显卡(CUDA 12.6)用户：

pip install torch==2.8.0.dev20250321+cu126 --index-url https://download.pytorch.org/whl/nightly/cu126

对于RTX 50系列Blackwell显卡(CUDA 12.8)用户：

pip install torch==2.8.0.dev20250321+cu128 --index-url https://download.pytorch.org/whl/nightly/cu128

注意：降级前需要完全卸载现有PyTorch安装：

python -m pip uninstall torch torchvision torchaudio

方案二：正确安装SageAttention

1. 安装Windows版Triton：

pip install triton-windows

2. 安装预编译的SageAttention wheel包(根据Python版本选择)：

pip install sageattention-2.1.1+cu126torch2.6.0-cp310-cp310-win_amd64.whl

3. 克隆并安装SageAttention源码：

git clone https://github.com/thu-ml/SageAttention
cd SageAttention
pip install -e .

4. 将SageAttention文件夹内容复制到ComfyUI的site-packages目录中

方案三：使用推荐的PyTorch版本组合

对于稳定运行，推荐使用以下版本组合：

• torch: 2.8.0.dev20250428+cu128
• torchaudio: 2.6.0.dev20250429+cu128
• torchvision: 0.22.0.dev20250429+cu128

安装命令：

pip install --force-reinstall --pre torch --pre torchvision --pre torchaudio --index-url https://download.pytorch.org/whl/nightly/cu128

注意事项

1. 确保使用完整安装的Python环境，而非便携版，因为编译安装需要完整的Python开发环境
2. 安装时使用系统Python的pip.exe，而非ComfyUI虚拟环境中的pip
3. 每次更新ComfyUI后，需要重新检查PyTorch版本，因为更新可能会自动降级PyTorch
4. 对于Blackwell架构显卡，必须使用CUDA 12.8版本

技术原理深入

SM89内核问题本质上是软件栈不匹配导致的。PyTorch的夜间构建版本更新频繁，有时会引入与特定硬件加速库(如SageAttention)不兼容的变更。SageAttention使用Triton编译器生成针对特定计算能力的优化内核，当PyTorch版本与Triton版本不匹配时，就会出现内核不可用的错误。

解决方案的核心是保持整个软件栈的版本兼容性，包括：

1. PyTorch版本与CUDA版本的匹配
2. PyTorch版本与SageAttention版本的匹配
3. Triton编译器与PyTorch版本的匹配

通过选择经过验证的稳定版本组合，可以确保各组件协同工作，充分发挥GPU的计算能力。