前言
众所周知，官方 Triton 原生不支持 Windows，想要在 Windows 平台用上 SageAttention 注意力加速，必须依靠社区移植版 triton-windows。
经过多轮版本试错、依赖对齐，终于跑通一套稳定可用组合：
triton-windows == 3.7.1.post27
SageAttention == 2.2.0+cu130torch2.10.0andhigher.post6
运行平台：ComfyUI（Windows）
这套组合适配 PyTorch 2.10.0 及以上 + CUDA130，支持 RTX30/40/50 全系 N 卡，相比默认 SDPA、xformers，有效降低显存占用、提升出图速度，SDXL、视频模型（Wan2.2 等）收益尤为明显。
重要提醒：务必先保证 ComfyUI 基础环境正常出图，再安装加速组件，避免一次性叠加过多变量难以排错。
一、环境基线（参考）
- 系统：Windows10/11 x64
- GPU：NVIDIA RTX 系列（支持 CUDA）
- PyTorch：≥2.10.0 + cu130
- Python：3.10 / 3.11 / 3.12 / 3.13（推荐 3.11、3.12）
- 显卡驱动：建议≥560+（满足 CUDA13.0 运行要求）
- ComfyUI：原版 / 秋叶整合包 / 便携版均可
二、安装步骤
1. 进入 ComfyUI Python 环境
根据你的 ComfyUI 类型选择对应终端命令：
① 便携整合包（python_embeded）
在 ComfyUI 根目录打开 CMD/PowerShell
cmd
# 后续所有pip命令均使用嵌入式python
.\python_embeded\python.exe -s -m pip list
② 虚拟 venv 环境
cmd
.\venv\Scripts\activate
2. 卸载冲突旧版本（关键！）
很多报错根源：残留官方 triton、旧版 triton-windows、旧 SageAttention
cmd
# 便携包示例，venv环境直接去掉路径前缀
.\python_embeded\python.exe -s -m pip uninstall -y triton triton-windows sageattention
3. 锁定版本安装 triton-windows
cmd
.\python_embeded\python.exe -s -m pip install triton-windows==3.7.1.post27
4. 安装 SageAttention 2.2.0+cu130torch2.10.0andhigher.post6
该版本为预编译 wheel，适配 Torch2.10 及以上 CUDA130 环境
包来源：woct0rdho/SageAttention Releases
cmd
.\python_embeded\python.exe -s -m pip install sageattention==2.2.0+cu130torch2.10.0andhigher.post6
如果 pip 无法直接拉取，前往 Release 下载对应 whl 本地安装：
cmd
.\python_embeded\python.exe -s -m pip install 【本地whl文件完整路径】
5. 验证安装是否成功
cmd
.\python_embeded\python.exe -c "import triton; import sageattention;print('✅ triton加载成功');print('✅ SageAttention加载成功')"
无报错 = 依赖安装完成。
三、ComfyUI 启用 SageAttention 两种方式
方式 1：启动参数（推荐，全局生效）
修改你的启动 bat，启动 main.py 追加参数：
bat
python main.py --use-sage-attention
示例完整启动脚本片段：
bat
@echo off
cd /d %~dp0
.\python_embeded\python.exe main.py --use-sage-attention
pause
方式 2：节点控制（需要 KJNodes 等插件）
安装 ComfyUI-KJNodes，使用Model Optimize节点，注意力后端选择sage，适合只想特定工作流启用加速。
四、如何确认 SageAttention 真正生效
启动 ComfyUI，观察控制台日志：
✅ 成功标识日志：
plaintext
Using sage attention
运行生成任务无报错、无 fallback 提示即为正常。
五、实测收益
- SDXL 大图生成：显存占用下降 15%~30%，迭代速度提升 10%~25%
- Wan 视频模型：大分辨率长片段显存压力显著缓解，更容易避免 OOM
- 相比 xformers：高分辨率场景优势更大；注意部分老旧模型存在兼容性，出现画面异常可临时关闭 sage attention 回退测试
六、高频踩坑与解决方案
- No module named ‘triton’ 环境选错！整合包必须使用
python_embeded内 Python，不要使用系统 Python。 - ptxas fatal、内核编译报错 版本不匹配！严格使用本文指定版本组合，不要随意升级 triton-windows。
- 安装成功，启动不显示 Using sage attention 缺少启动参数
--use-sage-attention；或者 PyTorch 版本低于 2.10.0。 - 出图出现色块、扭曲、噪声异常 少量模型与 SageAttention 存在兼容问题，移除启动参数即可恢复正常。
- 安装超时 / 下载失败 切换国内 pip 源，或者手动下载 whl 离线安装。
七、版本锁定清单（复制留存）
plaintext
triton-windows==3.7.1.post27
sageattention==2.2.0+cu130torch2.10.0andhigher.post6
结语
这套版本组合经过实测可稳定运行，解决大量 Windows 用户使用 SageAttention 遇到的 Triton 版本不兼容、内核编译失败难题。如果你一直在 Windows ComfyUI 上尝试 SageAttention 屡屡翻车，可以直接照搬这套版本矩阵。
提示：后续升级组件时，不要随意跨大版本更新 triton-windows，新版本可能破坏现有兼容性。
