PyTorchバージョンとNVIDIA GPU Compute Capability Level サポート 【2026年6月更新】
古い PyTorch のコード資産を持っている会社は、「昔のコードが最新の PyTorch で動かない」「最新の GPU（GeForce RTX 50 シリーズ＝Blackwell など）で動かない」という問題によく遭遇します。本記事では、PyTorch バージョン・対応 GPU Compute Capability（SM レベル）・対応 CUDA バージョンの関係を、2026年6月時点の情報にあわせて整理します。
🔄 2026年6月更新
- Blackwell 世代（GeForce RTX 50 シリーズ = sm_120 / データセンター向け B100・B200 = sm_100）は CUDA 12.8 以降で対応。
- PyTorch は 2.7.0（2025年4月）で Blackwell に正式対応し、CUDA 12.8 ビルド（
cu128）の wheel を提供。以降の 2.8 / 2.9 / 2.10 系も対応しています。 - 2.8 以降の cu128 ビルドでは Maxwell / Pascal（sm_50・sm_60）が対象外になりました（Volta sm_70 は維持）。
- 現行の安定版は 2.10 系（2026年1月）。CUDA 12.6 / 12.8 に加え CUDA 13.0 ビルドも選択でき、Python は 3.14 まで対応。
- CUDA 13.0 では Maxwell / Pascal / Volta（sm_50〜sm_72）のサポートが終了し、対応は Turing（sm_75）以降になりました。旧 GPU 資産を使う場合は CUDA 12.x 系に留める必要があります。
PyTorchがサポートするGPUの Compute Capability
| PyTorch バージョン | サポートされる Compute Capability (SM) レベル |
|---|---|
| 1.0.0 - 1.3.1 | SM_35, SM_37, SM_50, SM_60, SM_61, SM_70 |
| 1.4.0 - 1.7.1 | SM_37, SM_50, SM_60, SM_61, SM_70, SM_75 |
| 1.8.0 - 1.8.1 | SM_37, SM_50, SM_60, SM_70, SM_75, SM_80 |
| 1.9.0 - 1.12.1 | SM_37, SM_50, SM_60, SM_70, SM_75, SM_80, SM_86 |
| 1.13.0 - 2.0.1 | SM_37, SM_50, SM_60, SM_70, SM_75, SM_80, SM_86, SM_89, SM_90 |
| 2.1.0 - 2.6.0 | SM_50, SM_60, SM_70, SM_75, SM_80, SM_86, SM_89, SM_90 |
| 2.7.0 | SM_50, SM_60, SM_70, SM_75, SM_80, SM_86, SM_89, SM_90, SM_100, SM_120（Blackwell 対応・cu128 wheel） |
| 2.8.0 以降 | SM_70, SM_75, SM_80, SM_86, SM_89, SM_90, SM_100, SM_120（cu128 では Maxwell sm_50・Pascal sm_60 が対象外） |
PyTorch旧バージョンインストール方法参考ページ
https://pytorch.org/get-started/previous-versions/
PyTorchがサポートするPythonバージョン
| PyTorch バージョン | サポートされる Python バージョン |
|---|---|
| 1.4.0 - 1.7.1 | 3.6, 3.7, 3.8 |
| 1.8.0 - 1.9.1 | 3.6, 3.7, 3.8, 3.9 |
| 1.10.0 - 1.12.1 | 3.7, 3.8, 3.9, 3.10 |
| 1.13.0 - 2.0.1 | 3.8, 3.9, 3.10, 3.11 |
| 2.1.0 - 2.5.1 | 3.8, 3.9, 3.10, 3.11, 3.12 |
| 2.6.0 - 2.8.0 | 3.9, 3.10, 3.11, 3.12, 3.13 |
| 2.9.0 以降 | 3.10, 3.11, 3.12, 3.13, 3.14 |
Compute Capabilityと代表的GPUラインナップ
| SM_世代 | データセンター/プロ向けGPU | GeForce GPU |
|---|---|---|
| SM_120 (Blackwell) | - | GeForce RTX 5090, RTX 5080, RTX 5070, RTX 5060 |
| SM_100 (Blackwell) | NVIDIA B100 (GB100), B200, GB202, GB203, GB205, GB206, GB207, NVIDIA B40, RTX PRO 6000 Blackwell | - |
| SM_90 (Hopper) | NVIDIA H100, NVIDIA H200 | - |
| SM_89 (Ada Lovelace) | NVIDIA L4, NVIDIA L40, RTX 6000 Ada Generation, L40s Ada | GeForce RTX 4090, GeForce RTX 4080, GeForce RTX 4070 Ti / 4070, GeForce RTX 4060 Ti / 4060, GeForce RTX 4050 |
| SM_86, SM_87 (Ampere) | NVIDIA A100, NVIDIA A30, NVIDIA A40, RTX A2000, A3000, RTX A4000, A5000, A6000, A10, A16, A2 Tensor Core GPU, A800 40GB | GeForce RTX 3090, GeForce RTX 3080, GeForce RTX 3070, GeForce RTX 3060, GeForce RTX 3050 |
| SM_75 (Turing) | Quadro RTX 8000, RTX 6000, RTX 5000, RTX 4000, T4 | GeForce RTX 2080 Ti, GeForce RTX 2070, GeForce GTX 1660 Ti |
| SM_70, SM_72 (Volta) | Tesla V100, Quadro GV100, Titan V, Xavier NX | - |
| SM_60, SM_61, SM_62 (Pascal) | Tesla P100, Quadro GP100 | GeForce GTX 1080, GTX 1070, GTX 1060, GTX 1050, GTX 1030, GT 1010, Titan Xp |
| SM_50, SM_52, SM_53 (Maxwell) | Tesla M-series, Quadro M6000 | GeForce GTX 980 Ti, GTX Titan X, GTX 980, GTX 970 |
| SM_35, SM_37 (Kepler) | Tesla K40, Tesla K80 | - |
| SM_30 (Kepler) | - | GeForce 700シリーズ, GT-730 |
| SM_20 (Fermi) | - | GeForce 400, 500, 600, GT-630 |
出展: https://blog.qualiteg.com/nvidia-gpu-capability-level/
対応CUDAバージョン
| SM_世代 | アーキテクチャ | 互換性のある最小CUDAバージョン | 最新CUDA(12.8 / 13.0)での状態 |
|---|---|---|---|
| SM_120 | Blackwell | CUDA 12.8以降 | 対応 |
| SM_100, SM_101 | Blackwell | CUDA 12.8以降 | 対応 |
| SM_90 | Hopper | CUDA 12.0以降 | 対応 |
| SM_89 | Ada Lovelace | CUDA 11.8以降 | 対応 |
| SM_86, SM_87 | Ampere | CUDA 11.1以降 | 対応 |
| SM_80 | Ampere | CUDA 11.0以降 | 対応 |
| SM_75 | Turing | CUDA 10.0以降 | 対応 |
| SM_70, SM_72 | Volta | CUDA 9.0以降 | CUDA 13.0でサポート終了 |
| SM_60, SM_61, SM_62 | Pascal | CUDA 8.0以降 | CUDA 13.0でサポート終了 |
| SM_50, SM_52, SM_53 | Maxwell | CUDA 6.0以降 | CUDA 13.0でサポート終了 |
| SM_30, SM_35, SM_37 | Kepler | CUDA 5.0以降 | サポート終了 |
| SM_20 | Fermi | CUDA 3.2以降 | サポート終了 |
Qualiteg 技術コンサルティング
GPU 環境の選定と構築、運用経験のある相手に相談できます。
PyTorch・CUDA・GPU 世代の組み合わせは、動かすまでも、その先の運用も悩みどころが尽きません。私たちは自社で GPU クラスターを運用し、LLM プロダクトを開発しています。
GPU 選定（H100 / A100 / RTX 系）から推論最適化（量子化・vLLM）、マルチGPU・マルチノードの分散構成まで、机上ではなく運用経験に基づいてアドバイスします。
LLMインフラ・基盤技術の支援を見る →関連ポスト
・NVIDIA GPU 一覧・検索ツール・NVIDIA GPU と Capability Level
