comfyui安装sageattention、Triton(N卡提速、降显存,适用Blackwell架构(如RTX 50系列)显卡)图文

▍PART 0基础教程合集(前1~20集教程) 其他comfyui相关的教程我放文章底部

comfyui安装（非整合包，直装）熟悉界面提示词翻译整线下载模型models、工作流、解决报错报红界面整理（固定节点、分组）图生图图片打标图片反推+图生图声音克隆子工作流 LoRA下载使用数学表达式、分组开关 for循环视频反推 wan2.2图生视频全流程局部重绘视频切片/随机种 git安装comfyui插件 models文件存储优化 fp16、bf16转fp8、gguf（运行提速/显存降低）comfyui应用（App mode）comfyui-cyc-email远程通知 ComfyUI MCP

▍PART 序

只说安装和使用。
在rtx5000系列/Blackwell架构显卡降低显存占用、提升推理速度效果比较明显。
非Blackwell架构的提升比较有限。
官方的说法是针对生视频、生图片有所提升
雪狼因为显卡是属于rtx ada系列，目前是无感的。
但是有很多rtx5000系显卡的小伙伴反馈效果提升明显，故就做了本章教程，所以只讲安装和使用。
所以感兴趣的小伙伴，可以自己测下看看效果。
操作之前最好先复制一份实例，防止python环境改动过大跑不了！！！！！！

▍PART 正文

comfyui实例右上角三个点，
点下去，
有一个管理

输入命令安装下（全程要开魔法）

python -m pip install triton-windows<3.4

这个是你实例所在目录。留意下

直接输入命令

git clone https://github.com/DazzleML/comfyui-triton-and-sageattention-installer.git

他会在你实例目录下，新建一个文件夹（你知道下就好）
不用特地去找

执行下面命令（意思打开并进入文件夹）

cd comfyui-triton-and-sageattention-installer

安装comfyui_triton_sageattention 脚本

python comfyui_triton_sageattention.py --install

如果他提示你

Ps C:\Users\cyc\ComfyUI-Installs\ComfyUI\ComfyUI>cdnd-sageattention-installerC.venv) C:\Users\cyc\ComfyUI-Installs\ComfyuI\ComfyuI\comfyui-triton-and-sageattention-installer> python comfyui_triton_sageattention.py --install comfyui-triton-a Found ComfyUI installations:[1] F:\aiApp\comfyUIFile(ComfyUI Desktop) Select installation to install to [1-1],

enter a path, or 'q' to quit:

意思是程序找到了一个 ComfyUI 安装位置
我这边是一个[1-1]选项
你直接输入1回车就可以
你要确定你有没有安装成功
输入命令

python comfyui_triton_sageattention.py --show-installed

出来下图提示，就是ok了

2.2.0+cu130torch2.10.0andhigher.post6这个版本号，
是专门为 PyTorch 2.10 及以上版本 构建的通用安装包
所以不是说安装错了之类。
版本号没有问题
那么来说下怎么设置
他是氛围全局加速和局部加速的
局部是这么用，
你重启comfyui后
比如来到qwen2511的工作流
先连Patch Sage Attention KJ（kjnodes插件的节点）
再去连其他的
这样就是应用上了，你可以没连之前测下，连了之后测下

我列一个sage_attention下拉框的对照表，
你看着来选，
不然默认auto就可以。

后端选项 (Backend)	核心实现	精度策略 (Q/K/V)	目标硬件/场景	特点与说明
`sageattn_qk_int8_pv_fp16_cuda`	CUDA	Q/K: INT8V: FP16	Ampere架构 (如RTX 3090)	速度与精度的良好平衡，在支持的硬件上非常稳定-。
`sageattn_qk_int8_pv_fp16_triton`	Triton	Q/K: INT8V: FP16	跨架构兼容性 (如RTX 3060/3070/3080)	兼容性最好，用Triton实现，在不同N卡上都能获得不错的加速。
`sageattn_qk_int8_pv_fp8_cuda`	CUDA	Q/K: INT8V: FP8	Ada/Hopper架构 (如RTX 4090, H100)	速度更快，但需要 CUDA 12.4+ 和 SM89+ 的GPU支持。
`sageattn_qk_int8_pv_fp8_cuda++`	CUDA++	Q/K: INT8V: FP8	Ada/Hopper架构	在 `fp8_cuda` 基础上进一步优化，可能采用更快的累加策略（FP32+FP16）
`sageattn3`	自动选择	自动选择	Blackwell架构 (如RTX 50系列)	为最新 Blackwell 架构GPU优化的 SageAttention 3.x 版本。
`sageattn3_per_block_mean`	自动选择	自动选择	Blackwell架构	`sageattn3` 的一个变体，可能使用“per-block mean”的量化策略。