问题背景
如果你刚入手了 NVIDIA RTX 5070 Ti 显卡，在安装 PyTorch 时可能会遇到这个令人头疼的错误：
UserWarning: NVIDIA GeForce RTX 5070 Ti with CUDA capability sm_120 is not compatible
with the current PyTorch installation.
The current PyTorch install supports CUDA capabilities sm_50 sm_60 sm_61 sm_70 sm_75
sm_80 sm_86 sm_90.
别担心！这篇文章将手把手教你解决这个问题。
为什么会出现这个错误？
RTX 5070 Ti 采用了最新的 Blackwell 架构，其 CUDA 计算能力为 sm_120。这是 2025 年最新一代的架构，而大多数现有的 PyTorch 版本是在这款显卡发布之前编译的，因此不包含对 sm_120 的支持。
架构对照表
| GPU 系列 | 架构 | CUDA 能力 | PyTorch 支持版本 |
|---|---|---|---|
| RTX 4090/4080 | Ada Lovelace | sm_89 | PyTorch 2.0+ |
| RTX 3090/3080 | Ampere | sm_86 | PyTorch 1.7+ |
| RTX 5090/5070 Ti | Blackwell | sm_120 | PyTorch 2.7+ (CUDA 12.8) |
解决方案
步骤 1：检查你的驱动版本
首先确认你的 NVIDIA 驱动已更新到最新版本：
nvidia-smi
你应该看到类似这样的输出：
Driver Version: 576.88 CUDA Version: 12.9
如果驱动版本低于 576.x，请前往 NVIDIA 官网下载最新的 GeForce Game Ready 驱动。
步骤 2：创建全新的 Python 环境
强烈建议创建一个全新的环境，避免旧版本冲突：
# 使用 conda (推荐)
conda create -n pytorch_env python=3.11 -y
conda activate pytorch_env# 或使用 venv
python -m venv pytorch_env
# Windows:
pytorch_env\Scripts\activate
# Linux/Mac:
source pytorch_env/bin/activate
步骤 3：安装支持 sm_120 的 PyTorch
这是最关键的一步！你需要安装带 CUDA 12.8 支持的 PyTorch nightly 版本：
pip3 install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu128
为什么用 nightly 版本？
截至 2025年10月，PyTorch 的稳定版本可能还未完全包含 Blackwell 架构支持。nightly 版本包含最新的 CUDA 12.8 编译，能够识别
sm_120架构。
步骤 4：验证安装
运行以下命令验证安装是否成功：
import torch# 1. 检查版本
print(f"PyTorch 版本: {torch.__version__}")
print(f"CUDA 版本: {torch.version.cuda}")# 2. 检查支持的架构 (关键!)
print(f"支持的架构: {torch.cuda.get_arch_list()}")# 3. 检查 GPU 是否可用
print(f"GPU 可用: {torch.cuda.is_available()}")
print(f"GPU 名称: {torch.cuda.get_device_name(0)}")# 4. 简单计算测试
x = torch.randn(1000, 1000).cuda()
y = x @ x
print(f"计算测试通过! 结果形状: {y.shape}")
期望输出：
PyTorch 版本: 2.8.0.dev20251024+cu128
CUDA 版本: 12.8
支持的架构: ['sm_50', 'sm_60', 'sm_61', 'sm_70', 'sm_75', 'sm_80', 'sm_86', 'sm_90', 'sm_100', 'sm_120']^^^^^^^^看到这个就对了!
GPU 可用: True
GPU 名称: NVIDIA GeForce RTX 5070 Ti
计算测试通过! 结果形状: torch.Size([1000, 1000])
常见问题排查
Q1: 安装后仍然报 sm_120 错误
**原因：**环境中混用了旧版本的 PyTorch。
解决方案：
# 完全卸载旧版本
pip uninstall torch torchvision torchaudio -y# 清理缓存
pip cache purge# 重新安装
pip3 install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu128
Q2: torch.cuda.get_arch_list() 中没有 sm_120
**原因：**安装了错误的 PyTorch 版本（可能是 CPU 版本或旧版 CUDA）。
解决方案：
# 检查当前安装
pip show torch# 确保安装链接正确
pip3 install --force-reinstall --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu128
Q3: 使用 Stable Diffusion / ComfyUI 等工具仍报错
很多 AI 工具（如 AUTOMATIC1111 的 Stable Diffusion WebUI）会自动安装自己的 PyTorch 版本，可能是不支持 sm_120 的旧版本。
解决方案：
# 进入工具的虚拟环境
cd stable-diffusion-webui # 或你的工具目录# Windows
venv\Scripts\activate# Linux/Mac
source venv/bin/activate# 更新 PyTorch
pip3 install --upgrade --force-reinstall --pre torch torchvision --index-url https://download.pytorch.org/whl/nightly/cu128
Q4: 担心 nightly 版本不稳定？
**短期方案：**nightly 版本虽然是开发版，但对于新硬件支持来说是必需的。实际使用中很少遇到严重 bug。
**长期方案：**关注 PyTorch 官方发布，一旦 PyTorch 2.7 或更高稳定版发布，立即切换：
# 将来的稳定版安装命令 (假设 2.7.0 正式发布)
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128
替代方案：使用 Conda
如果你偏好使用 Conda：
conda create -n pytorch_env python=3.11 -y
conda activate pytorch_env# 方式1: 使用 conda (可能需要等待官方更新)
conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia# 方式2: 在 conda 环境中用 pip 安装 nightly (推荐)
pip3 install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu128
性能测试
安装完成后，可以运行这个简单的基准测试：
import torch
import timedevice = torch.device('cuda')
size = 10000# 矩阵乘法测试
x = torch.randn(size, size, device=device)
y = torch.randn(size, size, device=device)# 预热
_ = x @ y# 计时
start = time.time()
for _ in range(10):z = x @ y
torch.cuda.synchronize()
end = time.time()print(f"RTX 5070 Ti 性能测试:")
print(f"10次 {size}x{size} 矩阵乘法耗时: {end - start:.3f} 秒")
print(f"平均每次: {(end - start) / 10:.3f} 秒")
总结
RTX 5070 Ti 的 sm_120 错误本质上是软件支持滞后于硬件更新的问题。解决方法很简单：
- ✅ 更新驱动到 576.x+
- ✅ 创建全新 Python 环境
- ✅ 安装 PyTorch nightly with CUDA 12.8
- ✅ 验证
sm_120出现在架构列表中
记住这个关键命令：
pip3 install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu128
现在你可以充分发挥 RTX 5070 Ti 的强大性能了！
参考链接
- PyTorch 官方论坛讨论
- PyTorch 安装指南
- NVIDIA CUDA 兼容性文档
最后更新：2025年10月24日
