no kernel image is available：显卡计算能力与二进制构建不匹配

现象与适用范围

适用于 PyTorch 或注意力扩展实际调用 GPU 算子时报告 no kernel image。新显卡太新、旧显卡被构建移除、第三方扩展未包含目标架构都可能触发，不能统一称为“显存不够”。

检索用原文或片段（具体编号、数值和文件名随环境变化）：

no kernel image is available for execution on the device

已核对的依据

ComfyUI 公开报告覆盖 RTX 5060 Ti 与 GTX 1080 Ti 场景；后者日志给出了设备计算能力与构建支持范围。xFormers 也要求核对构建架构。 P04 R05 PyTorch 架构查询接口 I03 I04

需要区分的情况

1. PyTorch 本身的 wheel 未包含设备架构。

2. Torch 能运行，但 xFormers、SageAttention 或自定义 CUDA 扩展没有该设备内核。

3. 异步 CUDA 错误稍后才暴露，堆栈最后出现的节点并非真正失败算子。

建议的操作顺序

以下顺序是基于上述资料整理的诊断方案，不代表上游已经为你的环境确认了原因。

第 1 步。 在实际运行 ComfyUI 的 Python 中记录 GPU 型号、Torch 版本与安装来源。若设备能初始化，比较 torch.cuda.get_device_capability() 与 torch.cuda.get_arch_list() 返回的核心构建架构；xFormers 的内核另用 python -m xformers.info 检查。再测试不依赖第三方注意力的原生路径。

第 2 步。 原生路径也失败时，结合设备计算能力与当前 PyTorch 构建的架构列表，按官方安装说明选择兼容构建；不要把“最新”自动当成对旧卡最佳。

第 3 步。 只有扩展失败时，换回支持的注意力实现或安装作者明确支持的匹配扩展；没有现成支持时再评估源码编译。

第 4 步。 必要时在隔离测试中增加同步调试帮助定位，调试完移除；保留原始失败节点和加载日志。

如何判断处理有效

实际触发失败的算子能在该设备执行，而不仅是 GPU 名称能被打印出来。记录核心与扩展各自验证结果。

注意事项与尚未确认的部分

PyTorch 核心构建的架构列表不代表第三方扩展包含的内核。不要通过伪装显卡架构绕过检查；不能承诺任何指定旧卡长期被最新构建支持。

资料核对日期：2026-09-21。本站未执行此工作流，未进行 GPU、最低显存或耗时测试。

原始资料

• P04 · PyTorch local installation。核对：2026-09-21。
• R05 · xFormers README。核对：2026-09-21。
• PyTorch CUDA 构建架构列表与设备计算能力。核对：2026-09-25。
• I03 · No kernel image on RTX 5060 Ti。核对：2026-09-21；原始日期：2025-04-19。
• I04 · No kernel image on GTX 1080 Ti。核对：2026-09-21；原始日期：2025-08-31。

相关排查与操作

• xFormers 已安装却不可用：检查扩展构建与实际解释器
• SageAttention / Triton 导入失败：先核对平台与版本组合