PyTorchバージョンとNVIDIA GPU Compute Capability Level サポート【2026/9/23情報更新】

PyTorchバージョンとNVIDIA GPU Compute Capability Level サポート【2026/9/23情報更新】
Photo by Christian Wiediger / Unsplash

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9月更新

  • Rubin 世代(sm_107)は CUDA 13.4 で対応しました。CUDA 13.4 のリリースノートに「compute capability 10.7」と明記されています。
  • CUDA 13.4 の新機能と新しく対応したプラットフォームには R615 以降のドライバが必要です(CUDA 13.4 リリースノート)。
  • 番号の読み方について補足します。Blackwell の GPU を積む製品は sm_100、sm_103、sm_110、sm_120、sm_121 の 5 つに分かれます。出荷先の市場で分かれているわけではなく、12.0 の RTX PRO 6000 Blackwell Server Edition は公式一覧のデータセンター欄にあります。Rubin は 10.7 で、番号の大小は世代の新旧を表しません。
  • 通常の cubin はメジャー番号が同じで、マイナーが同じか上の GPU でしか動きません。同じ Blackwell でも sm_100 と sm_120 の間にバイナリの互換はありません。詳しくは 「Blackwell」は 1 つではなかった。NVIDIA の Compute Capability 番号のわかりにくさを整理する をご覧ください。

🔄 2026年6月更新

  • Blackwell 世代(GeForce RTX 50 シリーズ = sm_120 / B200・GB200 = 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。
  • 製品ごとの世代・CUDA コア数・VRAM・発売年は 2026年 NVIDIA GPU 一発検索ツール で絞り込めます。番号と世代名の対応は NVIDIA GPU と Capability Level にまとめています。

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 - 1.3.1SM_35, SM_37, SM_50, SM_60, SM_61, SM_70
1.4.0 - 1.7.1SM_37, SM_50, SM_60, SM_61, SM_70, SM_75
1.8.0 - 1.8.1SM_37, SM_50, SM_60, SM_70, SM_75, SM_80
1.9.0 - 1.12.1SM_37, SM_50, SM_60, SM_70, SM_75, SM_80, SM_86
1.13.0 - 2.0.1SM_37, SM_50, SM_60, SM_70, SM_75, SM_80, SM_86, SM_89, SM_90
2.1.0 - 2.6.0SM_50, SM_60, SM_70, SM_75, SM_80, SM_86, SM_89, SM_90
2.7.0SM_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 - 1.7.13.6, 3.7, 3.8
1.8.0 - 1.9.13.6, 3.7, 3.8, 3.9
1.10.0 - 1.12.13.7, 3.8, 3.9, 3.10
1.13.0 - 2.0.13.8, 3.9, 3.10, 3.11
2.1.0 - 2.5.13.8, 3.9, 3.10, 3.11, 3.12
2.6.0 - 2.8.03.9, 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 発売時期(目安)
SM_107 (Rubin) NVIDIA Rubin GPU(CUDA 13.4 リリースノートの記載。製品別の公式一覧には未掲載) - 2026年〜(予定)
SM_121 (Blackwell) GB10(DGX Spark) - 2025年〜
SM_120 (Blackwell) RTX PRO 6000 Blackwell, RTX PRO 6000 Blackwell Server Edition, RTX PRO 4500 Blackwell Server Edition(ダイは GB202〜GB207 系) GeForce RTX 5090, RTX 5080, RTX 5070, RTX 5060 2025年〜
SM_103 (Blackwell) NVIDIA B300, GB300, GB300(DGX Station) - 2025年〜
SM_100 (Blackwell) NVIDIA B100 (GB100), B200, GB200, NVIDIA B40 - 2024年〜
SM_90 (Hopper) NVIDIA H100, NVIDIA H200 - 2022年〜
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 2022年〜
SM_80 (Ampere) NVIDIA A100, NVIDIA A30, A800 40GB - 2020年〜
SM_86, SM_87 (Ampere) NVIDIA A40, RTX A2000, A3000, RTX A4000, A5000, A6000, A10, A16, A2 Tensor Core GPU GeForce RTX 3090, GeForce RTX 3080, GeForce RTX 3070, GeForce RTX 3060, GeForce RTX 3050 2020年〜
SM_75 (Turing) Quadro RTX 8000, RTX 6000, RTX 5000, RTX 4000, T4 GeForce RTX 2080 Ti, GeForce RTX 2070, GeForce GTX 1660 Ti 2018年〜
SM_70, SM_72 (Volta) Tesla V100, Quadro GV100, Titan V, Xavier NX - 2017年〜
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 2016年〜
SM_50, SM_52, SM_53 (Maxwell) Tesla M-series, Quadro M6000 GeForce GTX 980 Ti, GTX Titan X, GTX 980, GTX 970 2014年〜
SM_35, SM_37 (Kepler) Tesla K40, Tesla K80 - 2013年〜
SM_30 (Kepler) - GeForce 700シリーズ, GT-730 2012年〜
SM_20 (Fermi) - GeForce 400, 500, 600, GT-630 2010年〜

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_107RubinCUDA 13.4以降対応(R615 以降のドライバが必要)
SM_120BlackwellCUDA 12.8以降対応
SM_100, SM_101BlackwellCUDA 12.8以降対応
SM_90HopperCUDA 12.0以降対応
SM_89Ada LovelaceCUDA 11.8以降対応
SM_86, SM_87AmpereCUDA 11.1以降対応
SM_80AmpereCUDA 11.0以降対応
SM_75TuringCUDA 10.0以降対応
SM_70, SM_72VoltaCUDA 9.0以降CUDA 13.0でサポート終了
SM_60, SM_61, SM_62PascalCUDA 8.0以降CUDA 13.0でサポート終了
SM_50, SM_52, SM_53MaxwellCUDA 6.0以降CUDA 13.0でサポート終了
SM_30, SM_35, SM_37KeplerCUDA 5.0以降サポート終了
SM_20FermiCUDA 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

・2026年 NVIDIA GPU 一発検索ツール
・NVIDIA GPU 一覧・検索ツール
・NVIDIA GPU と Capability Level
・「Blackwell」は 1 つではなかった。Compute Capability 番号のわかりにくさ

Read more

Claudeのリセット権(上限のリセット)とは?Fableリセット・週次リセットで戻るものとChatGPTとの違い

Claudeのリセット権(上限のリセット)とは?Fableリセット・週次リセットで戻るものとChatGPTとの違い

Claude Fable 5.2 のリリース記念で配られたリセット権(上限のリセット)をご紹介します。使った利用枠を定期リセットを待たずに戻せる権利で、Fable リセットで戻るのは Fable で使った分です。週次リセットとの違い、もらえる件数、プランごとの期限、注意点、ChatGPT のリセットとの違いを、公式ヘルプと実際の画面をもとに整理します。

By Qualiteg プロダクト開発部
ゼロから作るコーディングエージェント【第6回】評価をどう作るか。動くものを作らせて自動採点し、採点器そのものを疑う

ゼロから作るコーディングエージェント【第6回】評価をどう作るか。動くものを作らせて自動採点し、採点器そのものを疑う

採点器の「テスト」10点が3日間ずっと0/0でした。点数の表を見ているだけでは気づけません。仕様書を渡してWebシステムを作らせ、起動して叩いて採点する評価装置の作り方、5種類×3本の合否基準、対照実験を先にやる理由、自作でない課題で「テストだけが決めている契約」を先に洗う話を、測った数字で書きます。

By Qualiteg プロダクト開発部
大企業のAIセキュリティを支える基盤技術 - 今こそ理解するActive Directory 第7回 セキュリティとベストプラクティス - 本番環境での考慮事項

大企業のAIセキュリティを支える基盤技術 - 今こそ理解するActive Directory 第7回 セキュリティとベストプラクティス - 本番環境での考慮事項

こんにちは、今回はシリーズ第7回セキュリティとベストプラクティス - 本番環境での考慮事項 について解説いたします! 連載の構成 * 第1章:基本概念の理解 - Active DirectoryとKerberos/NTLM認証の基礎 * 第2章:ドメイン環境の構築 - 検証環境の構築手順 * 第3章:クライアントとサーバーのドメイン参加 - ドメイン参加の詳細手順 * 第4章:プロキシサーバーと統合Windows認証 * 第5章:ブラウザ設定と認証 - 各ブラウザでの設定方法 * 第6章:トラブルシューティング - よくある問題と解決方法 * 【★今回です★】第7章:セキュリティとベストプラクティス - 本番環境での考慮事項 * 第8章:実践的な構成例 - AIセキュリティツールとの統合事例 第7章:セキュリティとベストプラクティス 第 7 回は、ここまでの回で作った認証基盤を「本番で運用できる状態」にするための話です。 前半の 7.1

By Qualiteg コンサルティング