Blackwell 显卡生成在第一个注意力层失败：cuDNN Frontend error: No valid execution plans built

cuDNN Frontend error: No valid execution plans built
（官方 PR 原文对现象的描述：On these cards PyTorch's default SDPA path can select the cuDNN backend, which reports: cuDNN Frontend error: No valid execution plans built. With FLUX this fails at the first attention block in the UNet, so generation never produces an image.）

现象与触发场景

常见触发场景：

• Blackwell 架构新卡（官方文档以 sm_103 为例）上跑 Flux 类工作流
• torch 构建的 CUDA 版本低于 12.8
• 有人试图在 sitecustomize.py 里调用 torch.backends.cuda.enable_cudnn_sdp(False) 来绕过，结果无效

根因

• PyTorch 默认的 scaled dot product attention（SDPA）在 Blackwell 上会选中 cuDNN 后端，而该后端没有为这个架构构建出有效的执行计划，于是直接失败。官方 PR 原文：On these cards PyTorch's default SDPA path can select the cuDNN backend, which reports: cuDNN Frontend error: No valid execution plans built。
• 用 FLUX 时失败发生在 UNet 的第一个注意力块（first attention block in the UNet），所以完全出不了图；而报错信息本身既不指向 attention 也不指向 GPU 架构，仅看日志很难定位（PR 原文：The error message doesn't point at attention or at the GPU architecture, so it's hard to diagnose from the log alone）。
• 官方文档另外注明：Blackwell 需要 CUDA 12.8 或更新的 pytorch 构建，针对 cu121 编译的构建在这些显卡上根本无法运行。
• 在 CUDA 初始化之前用代码关掉 cuDNN SDPA 后端不可靠——该开关在 CUDA 初始化后不会保留，所以必须用启动参数。

解决步骤

已按「最可能有效」排序。请从上往下做，每做完一步用「验证」确认，不要一次改五处。

1. 换用绕开 SDPA 与 cuDNN 的手写注意力实现
   官方文档给出的可靠办法是加启动参数 --use-split-cross-attention，让注意力走 ComfyUI 自带的 split cross attention 实现，而不是 PyTorch 的 SDPA。
   python main.py --use-split-cross-attention
2. 确认 torch 的 CUDA 版本不低于 12.8
   官方文档明确 Blackwell 需要 CUDA 12.8 或更新的 pytorch 构建；如果是 cu121 等旧构建，先升级 torch，再回到上一步验证。
   python -c "import torch; print(torch.__version__, torch.version.cuda)"
3. 不要用改代码的方式关掉 cuDNN SDPA
   官方文档特别提示：在启动前通过 sitecustomize.py 调用 torch.backends.cuda.enable_cudnn_sdp(False) 不起作用，因为该标记在 CUDA 初始化后不被保留。启动参数才是可靠解法。

验证是否修好

补充说明

报错原文与现象描述逐字来自 Comfy-Org/docs PR #1491 （docs(troubleshooting): add Blackwell (sm_103) cuDNN SDPA failure and workaround，本采集已通过 GitHub API 核实该 PR 标题与正文）。PR 原文写明：On these cards PyTorch's default SDPA path can select the cuDNN backend … Launching with --use-split-cross-attention avoids the cuDNN path and resolves it. “How this was verified: Hit and resolved on NVIDIA B300” —— 即验证硬件是 B300（sm_103），不是消费级 50 系。官方文档另注明：在启动前通过 sitecustomize.py 调用 torch.backends.cuda.enable_cudnn_sdp(False) 不起作用，因为该标记在 CUDA 初始化后不会被保留，启动参数才是可靠解法。

来源

1. [6] （官方文档）　How to Troubleshoot and Solve ComfyUI Issues（Blackwell GPU sm_103 一节）　https://docs.comfy.org/troubleshooting/overview
2. [214] （官方文档）　Comfy-Org/docs PR #1491（新增该 Blackwell 条目）　https://github.com/Comfy-Org/docs/pull/1491
3. [215] （官方文档）　GPU Troubleshooting - ComfyUI（NVIDIA 各代卡的 SDPA / precision 排障）　https://mintlify.wiki/Comfy-Org/ComfyUI/guides/gpu-troubleshooting

这条报错要用到的东西

按本条报错所属的类别（硬件、驱动、操作系统与非 N 卡环境）列出站内相关的下载包与板块入口。 它们不是「必须下载才能修好」，而是这一类问题里最常要动到的东西；具体怎么做，以上面的解决步骤为准。

同一类别的其他条目

返回报错库