pytorch 2.11.0 正式版在2026年3月23日发布，发布工程团队对cuda二进制包做了两个影响不小的调整：cuda 12.8 和 12.9 的预编译包不再支持volta架构gpu，pypi的wheel包默认适配版本从cuda 12.x切换为cuda 13.0。对还在使用v100或者其他计算能力7.0设备的团队来说，这不是普通的版本号升级，是会直接影响安装包选择、运行兼容性的核心变动。
来源：PyTorch 官方 GitHub Release
官方说明明确标注，从 PyTorch 2.11 开始，CUDA 12.8 和 12.9 的预构建二进制不再支持Volta GPU，典型设备就是V100；这次调整的原因是配套升级到了CuDNN 9.15.1，这个版本本身和Volta架构不兼容。官方也给出了替代方案：需要用CUDA 12.8+版本同时设备是Volta架构的开发者，直接选还保留Volta支持的CUDA 12.6安装包就行，也可以选择从源码构建，编译时把Volta加入TORCH_CUDA_ARCH_LIST参数。
来源：PyTorch 官方 GitHub Release
PyPI wheel的默认CUDA版本调整同样值得关注。官方记录显示，从PyTorch 2.11开始，直接在PyPI上执行pip install torch，默认安装的就是适配CUDA 13.0的wheel包，覆盖Linux x86_64和Linux aarch64两个架构。此前PyPI的wheel默认适配的是CUDA 12.x，而且之前PyPI上只有Linux x86_64架构的CUDA wheel包。如果你的机器上还只有CUDA 12.x版本的驱动，直接装这个默认包大概率会出现运行错误，安装时要去官方索引里选对应环境的适配版本。
这次版本更新的影响主要集中在运维和训练平台侧。研究用的业务代码基本不需要修改，但镜像构建脚本、锁定依赖版本的requirements文件、离线wheel仓库、驱动版本和在用GPU型号得放在一起挨个核对。用V100的老训练集群要注意：PyTorch 2.11的CUDA 12.8/12.9安装包不能再当成通用默认选项随便装了；新集群用默认的CUDA 13.0 wheel反而能省掉手动选版本的成本。最终用什么安装方案，还是要以PyTorch官方发布页、安装指南和自己项目的实际硬件情况为准。
这类构建策略的变动也会影响团队内部的安装文档。如果之前的说明还写着直接执行pip install torch，现在不同机器拉下来的包很可能和历史环境的版本不一致。更稳妥的写法是把配套的CUDA版本、索引地址、GPU代际和最低驱动要求都标注清楚，同时给Volta设备预留好CUDA 12.6安装包或者源码编译的方案。官方已经给出了替代路径，升级的时候一定要按硬件分组做验证，别把同一条安装命令直接推给所有训练节点。
