파이토치 환경 설정은 무조건 최신 버전을 깔기가 아니라 내 GPU 세대와 드라이버에 맞는 CUDA 채널을 고르는 문제입니다. 2026년 10월 현재 스테이블은 PyTorch 2.14.1이고 공식 CUDA 설치 채널은 cu126, cu130, cu132 셋으로 정리됐습니다. RTX 50 시리즈는 CUDA 12.8 이상 빌드에서만 돌아가고, GTX 10 시리즈는 이번 2.14가 마지막 지원입니다. 이 글에서는 세대별 호환 표와 드라이버 기준선, 예산별 권장 경로, 복붙 설치 명령까지 한 번에 끝냅니다.
2026년 10월, 파이토치 환경 설정의 기준선은 2.14.1
PyPI 기준 스테이블은 torch 2.14.1, torchvision 0.29.1이고 Python 3.10 이상을 요구합니다(2026년 10월 3일 PyPI 메타데이터 기준). 2.14는 9월 2일 출시된 최신 메이저로, NVGEMM 기반 GEMM 백엔드, Apple Silicon 네이티브 선형대 연산(SVD, QR, Cholesky), 차세대 Rubin(sm_107) 타깃 추가가 핵심 변경점입니다. PyPI에서 그냥 pip install torch를 하면 기본 휠이 CUDA 13.0으로 바뀌었다는 공지(2.11부터 적용)도 있습니다. 다만 재현성이 최우선인 연구실 공통 환경이라면 직전 버전 2.13 고정도 합리적 선택이고, 판단 기준은 버전 숫자가 아니라 GPU와 CUDA 채널의 조합입니다.
CUDA 버전표로 보는 내 GPU 가능 조합
아래 표가 이 글의 핵심입니다. GPU 세대가 곧 컴퓨트(capability) 번호이고, 컴퓨트가 쓸 수 있는 채널을 결정합니다.
| GPU 세대 | 컴퓨트 | 지금 쓸 채널 | 비고 |
|---|---|---|---|
| RTX 50 시리즈(Blackwell) | sm_120 | cu130 또는 cu132 | CUDA 12.8 이상 빌드 필요, 파이토치 2.7.0부터 공식 지원 |
| RTX 40 시리즈(Ada) | sm_89 | cu126 또는 cu130 | cu130 권장, 신기능 컴파일 최적화 유리 |
| RTX 30 시리즈(Ampere) | sm_86 | cu126 또는 cu130 | 안정 매트릭스 최상, 장애 리포트가 가장 많은 조합 |
| RTX 20 시리즈(Turing) | sm_75 | cu130 | CUDA 13.x 계열 지원 최소 세대, cu126도 동작 |
| GTX 10 시리즈(Pascal) | sm_61 | cu126 고정 | CUDA 13.x 불가, 2.15부터 cu126 채널도 사라짐 |
| V100(Volta) | sm_70 | cu126 고정 | GTX 10과 같은 상황, 2.14가 마지막 공식 휠 |
같은 표를 드라이버 쪽에서 보면 아래와 같습니다. Linux 기준 최소 드라이버 버전입니다(Windows는 번호 표기가 다르지만 같은 브랜치를 보면 됩니다).
| CUDA 채널 | 최소 Linux 드라이버 | 출시 |
|---|---|---|
| cu126 | 560.28.03 | 2024년 8월 |
| cu128 | 570.26 | 2025년 1월 |
| cu130 | 580.65.06 | 2025년 8월 |
| cu132 | 595.45.04 | 2026년 3월 |
RTX 50 시리즈가 sm_120 오류를 내는 이유
5080이나 5090을 새로 조립하고 과거 문서대로 설치하면 이 오류를 반드시 만납니다. CUDA capability sm_120 is not compatible with the current PyTorch installation. The current PyTorch install supports sm_50 … sm_90. 이유는 간단합니다. pip 휠에 들어가는 컴파일된 커널(cubin)이 특정 컴퓨트 목록까지만 포함되는데, sm_120은 CUDA 12.8부터 생긴 타깃이라 2.7.0 이전 휠에는 아예 없습니다. 해결 방법은 표대로 cu130 이상 채널로 다시 설치하는 것뿐이고, 이때 시스템 CUDA Toolkit을 따로 설치하거나 드라이버를 내릴 필요는 없습니다. 드라이버가 580 이상이면 재설치 한 줄로 끝납니다. 같은 카드의 실측 성능이 궁금하면 RTX 5090 vs 4090 실측 비교를 참고하세요.
CUDA 13.0이 GTX 10과 V100에 의미하는 것
NVIDIA는 CUDA 13.0에서 컴퓨트 7.5 미만(Maxwell, Pascal, Volta)의 오프라인 컴파일과 라이브러리 지원을 삭제했습니다. GTX 1080, GTX 970, V100 사용자에게 두 가지 결과로 이어집니다. 첫째, cu130과 cu132 휠은 이 카드들을 지원하지 않습니다. 둘째, 파이토치 커뮤니티가 2.15 릴리스부터 cu126 채널 제거를 사전 공지했습니다 — 즉 torch 2.14.1 + cu126이 구세대 카드용 마지막 공식 조합입니다. 다만 실행 환경 자체는 살아 있습니다. 드라이버 580 브랜치가 LTS로 구세대 GPU를 2028년 중반까지 지원할 예정이라, 이미 돌아가는 환경은 계속 돌아갑니다. 지금 GTX 10으로 학습 중이라면 requirements.txt에 torch==2.14.1을 cu126으로 못 박고 업그레이드를 멈추는 게 정답입니다.
파이토치 환경 설정의 진짜 시작은 드라이버 확인
혼동하기 쉬운데, pip로 설치하는 torch 휠에는 CUDA 런타임이 동봉됩니다. 시스템에 CUDA Toolkit을 별도 설치할 필요가 없고, 필요한 것은 NVIDIA 드라이버뿐입니다. Toolkit이 필요한 순간은 nvcc로 커스텀 확장을 컴파일할 때(예: flash-attention 직접 빌드)뿐입니다. 시작은 두 단계입니다. 먼저 nvidia-smi로 오른쪽 위 Driver Version을 확인해 표의 최소선 이상인지 봅니다. 580 이상이면 다음 한 줄로 cu130 설치가 끝납니다.
pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu130
설치 후 검증은 아래 명령 한 번이면 됩니다.
python -c "import torch; print(torch.__version__, torch.version.cuda, torch.cuda.get_device_name(0))"
버전, CUDA, 카드 이름이 순서대로 찍히면 성공이고, cuda 자리에 None이 나오면 휠이 CPU용이거나 드라이버가 표 기준선 아래인 경우입니다.
상황별 복붙 설치 명령과 예산별 권장 경로
| 상황 | 명령 |
|---|---|
| RTX 50 시리즈 신규 조립 | pip3 install torch torchvision –index-url https://download.pytorch.org/whl/cu130 |
| GTX 10, V100 유지 | pip3 install torch==2.14.1 torchvision==0.29.1 –index-url https://download.pytorch.org/whl/cu126 |
| Mac(Apple Silicon) | pip install torch torchvision (2.14에서 Metal 네이티브 커널 대거 확대) |
| AMD 라데온(Linux) | pip3 install torch torchvision –index-url https://download.pytorch.org/whl/rocm7.2 |
예산별로 묶으면 이렇습니다. 학생(GPU 없는 노트북): 로컬 설치는 접고 코랩용 requirements만 구세대 호환인 cu126 기준으로 고정하세요. 연구실(RTX 50 시리즈 다수): 전 인원을 cu130 단일 채널로 통일하고 requirements.txt에 torch==2.14.1을 고정하면 재현성 사고가 사라집니다. 직장인(로컬 LLM용 4070 이상): cu130에 vLLM 조합이 가장 무난한데, vLLM이 자체 torch 버전 pin을 강제하므로 서빙 스택 세팅은 vLLM 설치 가이드의 pin 처리를 먼저 확인하세요. 견적 단계라면 GPU만큼 중요한 RAM 32GB 기준도 함께 보세요.
버전 표가 말해주지 않는 두 가지 함정
첫째, conda와 pip 혼용입니다. conda의 pytorch-build=cuda 채널과 pip 휠을 한 환경에 섞으면 CUDA 런타임이 두 개 깔려 연쇄 오류를 냅니다. 팀 공용 환경이면 pip 단일 경로로 정책화하세요. 둘째, torch.compile 재컴파일 지옥입니다. Blackwell에서 구버전 Triton 조합으로 torch.compile을 돌리면 sm_120 미지원 JIT 실패가 반복됩니다. 2.14 계열은 컴파일러가 Blackwell을 정식 지원하므로, 컴파일을 쓸 거라면 버전 자체를 최신으로 올리는 편이 낫습니다.
자주 묻는 질문
파이토치를 쓰려면 CUDA Toolkit을 꼭 설치해야 하나요?
아닙니다. pip 휠에 CUDA 런타임이 포함되므로 NVIDIA 드라이버만 표 기준선 이상이면 됩니다. Toolkit이 필요해지는 건 nvcc로 확장을 직접 빌드할 때뿐입니다.
Windows도 cu130 채널이 되나요?
됩니다. 공식 설치 가이드의 Linux and Windows 항목에 cu126, cu130, cu132 채널이 모두 제공됩니다. 다만 PyPI 기본 휠의 CUDA 13.0 전환 공지는 Linux 기준이라, Windows에서는 index-url을 명시적으로 붙이는 편이 안전합니다.
지금 쓰는 torch 2.12를 계속 써도 되나요?
동작만 한다면 가능합니다. 다만 깃허브 프로젝트를 받으면 requirements.txt의 torch 라인을 먼저 확인하세요. 버전 불일치 오류는 같은 채널 index-url로 재설치하는 게 가장 빠릅니다.
GTX 1080은 언제까지 버틸 수 있나요?
현재 조합(2.14.1 + cu126)을 고정하면 드라이버 LTS 지원 기준 2028년 중반까지 실행 환경은 유지됩니다. 실질 한계는 카드가 아니라 신규 모델 라이브러리들의 최소 torch 요구 버전이 먼저 올라가는 지점입니다.
출처: PyTorch 공식 2.14 릴리스 블로그(2026년 9월 2일), PyPI torch 2.14.1·torchvision 0.29.1 메타데이터, PyTorch previous-versions 설치 페이지와 download.pytorch.org 휠 인덱스 직접 확인, NVIDIA CUDA 13.0 릴리스 노트·Blackwell 호환 가이드, CUDA 채널별 드라이버 기준선은 gpucompat 집계 교차 확인(Linux 기준). 2026년 10월 3일 기준.
댓글 남기기