Skip to content
/ Win-AI-Wheelhouse Public

🪟 为 Windows AI 开发者提供预编译 wheel 文件的集中仓库 | 自动抓取并整理 PyTorch、Flash Attention、xformers、SageAttention 等常用库的最新版本 | 免编译，开箱即用 | 特别适合 ComfyUI 和 Stable Diffusion 用户

huggingface.co/BradPita/Win-AI-Wheelhouse

License

MIT license
40 stars 3 forks Branches Tags Activity
Star
Notifications You must be signed in to change notification settings

BradPita/Win-AI-Wheelhouse

BranchesTags

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

134 Commits
LICENSE
LICENSE
 
 
README.md
README.md
 
 

Repository files navigation

Windows AI Wheelhouse

Windows AI Wheelhouse logo

面向 Windows 平台的 AI 预编译 Python 轮子合集

⏱️ 最后自动更新（UTC）：2026-01-30T03:27:48.169883+00:00

📑 目录
  1. 项目愿景
  2. 致敬与启发
  3. 快速开始
  4. CXX11 ABI 说明
  5. 可用轮子
  6. 贡献
  7. 致谢

🟦 项目愿景

本项目作为一个学习和实践的项目，在延续 wildminder AI-windows-whl 优秀理念的基础上，尝试通过以下方式提供一些补充：

  • 🤖 自动化更新：通过 GitHub Actions 定期自动抓取和更新 wheel 链接
  • 📊 多源聚合：整合来自不同社区贡献者的预编译资源
  • 📖 结构化呈现：按版本和依赖关系分类展示，便于查找
  • 🔍 智能解析：自动识别版本号、CXX11 ABI 等元数据

这些尝试完全出于个人学习目的，也希望能够为社区提供一个不同角度的资讯汇整。如果本项目能为更多 Windows AI 爱好者节省一点点时间，让大家能够更专注于创作和探索，那便这个项目最大的荣幸。

🟦 致敬与启发

本项目深受 wildminder AI-windows-whl 项目的启发，我们旨在延续其精神，为更广泛的 Windows AI 社区提供稳定可靠的预编译资源。

特别感谢 Eddy 孜孜不倦的精神和无私的指导。从接触他的 Palingenesis 模型 开始，是他的热情感召，让我这样一个影视从业者，能够开始尝试撰写自己需要的代码。

我的 Palingenesis AIGC 作品

使用 Eddy 的 Palingenesis 模型创作的 MV：

My First AIGC MV

点击图片观看视频

🟦 快速开始

按照以下步骤即可使用仓库中的 wheel：

环境准备

  1. Windows 版 Python：请确认本地安装的 Python 版本与 PyTorch 支持范围一致（当前为 3.9 - 3.14）。可前往 Python 官网 下载。

安装示例

通过 pip 搭配 .whl 直链进行安装，建议给 URL 加上引号，防止 shell 解析问题。

# 以安装特定 flash-attention 轮子为例
pip install "https://huggingface.co/lldacing/flash-attention-windows-wheel/blob/main/flash_attn-2.7.4.post1+cu128torch2.7.0cxx11abiFALSE-cp312-cp312-win_amd64.whl"

Tip

在下方 可用轮子 区域按 Python/PyTorch/CUDA 版本找到匹配行，然后复制下载链接放入 pip install 命令即可。

(返回顶部)

🟦 CXX11 ABI 说明

部分表格包含 CXX11 ABI 列，这是 C++ 编译器的两种不兼容模式。表格中使用以下符号标注：

  • ✓ 或 TRUE：启用 CXX11 ABI（新版，适用于新版 PyTorch，通常 2.7.0 及以上）
  • ✗ 或 FALSE：禁用 CXX11 ABI（Pre-CXX11 ABI，旧版）
  • —（横线或未标注）：未明确标注（大多数 Windows 用户应优先选择此版本）

Important

PyTorch 和扩展库的 CXX11 ABI 必须一致，否则会导致崩溃或链接错误。

如何检测你的 PyTorch 使用哪种 ABI？

运行以下 Python 代码：

import torch
print(f"PyTorch 版本: {torch.__version__}")
print(f"CXX11 ABI: {torch._C._GLIBCXX_USE_CXX11_ABI}")

结果解读：

  • 输出 0 或 False → 使用 Pre-CXX11 ABI，选择 CXX11 ABI 列为 —、✗ 或 FALSE 的 wheel
  • 输出 1 或 True → 使用 CXX11 ABI，选择 CXX11 ABI 列为 ✓ 或 TRUE 的 wheel

快速选择指南

对于大多数 Windows 用户（使用 PyTorch 官方版本）：

  1. ✅ 优先选择 CXX11 ABI 列显示为 — 的 wheel（最兼容）
  2. ✅ 次选 CXX11 ABI 列显示为 ✗ 或 FALSE 的 wheel（明确兼容）
  3. ⚠️ 仅在确认后选择 CXX11 ABI 列显示为 ✓ 或 TRUE 的 wheel

Tip

如果不确定，优先选择未标注 CXX11 ABI（显示 —）的版本，这些版本通常与官方 PyTorch 兼容。

(返回顶部)

🟦 可用轮子

以下是当前收录的轮子

⚙️ PyTorch

深度学习框架的基石，强烈建议优先通过官方渠道安装以确保兼容性。

为了方便，在 Linux/WSL（NVIDIA GPU）环境下列出常用命令；其他配置（CPU、macOS、ROCm）请参考官网指引。

稳定版（2.9.1）

多数用户推荐使用该版本

CUDA Version Pip Install Command
CUDA 13.0 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu130
CUDA 12.8 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu128
CUDA 12.6 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu126
历史稳定版 2.7.1 / 2.8.0
历史稳定版（2.8.0）
CUDA Version Pip Install Command
CUDA 12.9 pip install "torch>=2.8.0.dev,<2.9.0" torchvision --index-url https://download.pytorch.org/whl/cu129
CUDA 12.8 pip install "torch>=2.8.0.dev,<2.9.0" torchvision --index-url https://download.pytorch.org/whl/cu128
CUDA 12.6 pip install "torch>=2.8.0.dev,<2.9.0" torchvision --index-url https://download.pytorch.org/whl/cu126
历史稳定版（2.7.1）
CUDA Version Pip Install Command
CUDA 12.8 pip install torch==2.7.1 torchvision==0.22.1 torchaudio==2.7.1 --index-url https://download.pytorch.org/whl/cu128
CUDA 12.6 pip install torch==2.7.1 torchvision==0.22.1 torchaudio==2.7.1 --index-url https://download.pytorch.org/whl/cu126
CUDA 11.8 pip install torch==2.7.1 torchvision==0.22.1 torchaudio==2.7.1 --index-url https://download.pytorch.org/whl/cu118
CPU only pip install torch==2.7.1 torchvision==0.22.1 torchaudio==2.7.1 --index-url https://download.pytorch.org/whl/cpu

Nightly 版本

适合追新特性，但可能存在不稳定。

PyTorch 2.10（Nightly）

CUDA Version Pip Install Command
CUDA 13.0 pip install --pre torch torchvision --index-url https://download.pytorch.org/whl/nightly/cu130
CUDA 12.8 pip install --pre torch torchvision --index-url https://download.pytorch.org/whl/nightly/cu128
CUDA 12.6 pip install --pre torch torchvision --index-url https://download.pytorch.org/whl/nightly/cu126

⚙️ Torchaudio

PyTorch 官方音频处理库，提供音频 I/O、转换和特征提取等功能。

展开已收录的 Torchaudio
Package Version Python Ver PyTorch Ver CUDA Ver CXX11 ABI Source Download Link
2.8.0a0 3.12 2.9.0 12.8 ✓ Wildminder Link
2.8.0a0 3.13 2.10.0 13.0 ✓ Wildminder Link
2.11.0a0 3.12 2.10.0 13.0 ✓ Wildminder Link
2.11.0a0 3.13 2.10.0 12.8 ✓ Wildminder Link
2.11.0a0 3.13 2.10.0 13.0 ✓ Wildminder Link
2.11.0a0 3.13 2.11.0 13.0 ✓ Wildminder Link

(返回顶部)

⚙️ Flash Attention

高性能注意力机制的先驱实现，通过分块计算和重计算策略大幅降低显存并提速。

展开已收录的 Flash Attention

📝 CXX11 ABI 说明：

  • ✓ = 启用 CXX11 ABI（适用于新版 PyTorch，通常 2.7.0 及以上）
  • ✗ = 禁用 CXX11 ABI（Pre-CXX11 ABI，适用于旧版或特定配置）
  • — = 未明确标注（请根据您的 PyTorch 版本选择，或参考 CXX11 ABI 说明）
Package Version Python Ver PyTorch Ver CUDA Ver CXX11 ABI Source Download Link
2.7.0.post2 3.10 2.4.0 12.4 ✗ lldacing Link
2.7.0.post2 3.10 2.4.1 12.4 ✗ lldacing Link
2.7.0.post2 3.11 2.4.0 12.4 ✗ lldacing Link
2.7.0.post2 3.11 2.4.1 12.4 ✗ lldacing Link
2.7.0.post2 3.11 2.5.0 12.4 ✗ lldacing Link
2.7.0.post2 3.11 2.5.1 12.4 ✗ lldacing Link
2.7.0.post2 3.12 2.4.0 12.4 ✗ lldacing Link
2.7.0.post2 3.12 2.4.1 12.4 ✗ lldacing Link
2.7.0.post2 3.12 2.5.0 12.4 ✗ lldacing Link
2.7.0.post2 3.12 2.5.1 12.4 ✗ lldacing Link
2.7.4 3.10 2.5.1 12.4 ✗ lldacing Link
2.7.4 3.10 2.6.0 12.4 ✗ lldacing Link
2.7.4 3.10 2.6.0 12.6 ✗ lldacing Link
2.7.4.post1 3.10 2.7.0 12.8 ✗ lldacing Link
2.7.4.post1 3.10 2.8.0 12.8 ✓ lldacing Link
2.7.4 3.11 2.6.0 12.4 ✗ lldacing Link
2.7.4 3.11 2.6.0 12.6 ✗ lldacing Link
2.7.4.post1 3.11 2.7.0 12.8 ✗ lldacing Link
2.7.4 3.12 2.6.0 12.4 ✗ lldacing Link
2.7.4 3.12 2.6.0 12.6 ✗ lldacing Link
2.7.4 3.12 2.6.0 12.8 ✗ Kijai Link
2.7.4.post1 3.12 2.7.0 12.8 ✗ lldacing Link
2.7.4.post1 3.12 2.8.0 12.8 ✓ Wildminder Link
2.8.0.post2 3.12 2.8.0 12.8 ✓ Wildminder Link
2.8.1 3.12 2.8.0 12.8 ✓ Wildminder Link
2.8.2 3.12 2.8.0 12.8 ✓ Wildminder Link
2.8.2 3.12 2.9.0 12.8 ✓ Wildminder Link
2.8.3 3.12 2.8.0 12.8 ✓ Wildminder Link
2.8.3 3.12 2.9.0 12.8 ✓ Wildminder Link
2.8.3 3.12 2.9.0 13.0 ✓ Wildminder Link
2.8.3 3.12 2.9.1 13.0 ✓ Wildminder Link
2.8.3 3.12 2.10.0 13.0 ✓ Wildminder Link
2.8.3 3.12 2.11.0 13.0 ✓ Wildminder Link
2.8.3 3.13 2.8 12.8 — BradPita Link
2.8.3 3.13 2.9.0 12.9 ✓ Wildminder Link
2.8.3 3.13 2.9.0 13.0 ✓ Wildminder Link
2.8.3 3.13 2.9.1 12.8 ✓ Wildminder Link
2.8.3 3.13 2.9.1 13.0 ✓ Wildminder Link
2.8.3 3.13 2.10.0 12.8 ✓ Wildminder Link
2.8.3 3.13 2.10.0 13.0 ✓ Wildminder Link
2.8.3 3.13 2.11.0 13.0 ✓ Wildminder Link

(返回顶部)

⚙️ xformers

Meta 开发的内存高效注意力库，提供多种优化算子，广泛应用于图像生成和 LLM 推理。

Note

安装 PyTorch 后通常可以直接 pip install xformers。若失败，可在预编译来源中寻找与环境匹配的 wheel。

ABI3 版本可兼容 Python 3.9-3.12。

展开已收录的 xformers
Package Version Python Ver PyTorch Ver CUDA Ver Source Download Link
0.0.22.post2 3.8 2.0-2.4 11.8 PyTorch Link
0.0.22.post3 3.8 2.0-2.4 11.8 PyTorch Link
0.0.22.post4 3.8 2.0-2.4 11.8 PyTorch Link
0.0.22.post7 3.8 2.0-2.4 11.8 PyTorch Link
0.0.22.post4 3.8 2.1-2.5 12.1 PyTorch Link
0.0.22.post7 3.8 2.1-2.5 12.1 PyTorch Link
0.0.22.post2 3.9 2.0-2.4 11.8 PyTorch Link
0.0.22.post3 3.9 2.0-2.4 11.8 PyTorch Link
0.0.22.post4 3.9 2.0-2.4 11.8 PyTorch Link
0.0.22.post7 3.9 2.0-2.4 11.8 PyTorch Link
0.0.22.post4 3.9 2.1-2.5 12.1 PyTorch Link
0.0.22.post7 3.9 2.1-2.5 12.1 PyTorch Link
0.0.22.post2 3.10 2.0-2.4 11.8 PyTorch Link
0.0.22.post3 3.10 2.0-2.4 11.8 PyTorch Link
0.0.22.post4 3.10 2.0-2.4 11.8 PyTorch Link
0.0.22.post7 3.10 2.0-2.4 11.8 PyTorch Link
0.0.22.post4 3.10 2.1-2.5 12.1 PyTorch Link
0.0.22.post7 3.10 2.1-2.5 12.1 PyTorch Link
0.0.22.post2 3.11 2.0-2.4 11.8 PyTorch Link
0.0.22.post3 3.11 2.0-2.4 11.8 PyTorch Link
0.0.22.post4 3.11 2.0-2.4 11.8 PyTorch Link
0.0.22.post7 3.11 2.0-2.4 11.8 PyTorch Link
0.0.22.post4 3.11 2.1-2.5 12.1 PyTorch Link
0.0.22.post7 3.11 2.1-2.5 12.1 PyTorch Link
0.0.23 3.8 2.0-2.4 11.8 PyTorch Link
0.0.23.post1 3.8 2.0-2.4 11.8 PyTorch Link
0.0.23 3.8 2.1-2.5 12.1 PyTorch Link
0.0.23.post1 3.8 2.1-2.5 12.1 PyTorch Link
0.0.23 3.9 2.0-2.4 11.8 PyTorch Link
0.0.23.post1 3.9 2.0-2.4 11.8 PyTorch Link
0.0.23 3.9 2.1-2.5 12.1 PyTorch Link
0.0.23.post1 3.9 2.1-2.5 12.1 PyTorch Link
0.0.23 3.10 2.0-2.4 11.8 PyTorch Link
0.0.23.post1 3.10 2.0-2.4 11.8 PyTorch Link
0.0.23 3.10 2.1-2.5 12.1 PyTorch Link
0.0.23.post1 3.10 2.1-2.5 12.1 PyTorch Link
0.0.23 3.11 2.0-2.4 11.8 PyTorch Link
0.0.23.post1 3.11 2.0-2.4 11.8 PyTorch Link
0.0.23 3.11 2.1-2.5 12.1 PyTorch Link
0.0.23.post1 3.11 2.1-2.5 12.1 PyTorch Link
0.0.24 3.8 2.0-2.4 11.8 PyTorch Link
0.0.24 3.8 2.1-2.5 12.1 PyTorch Link
0.0.24 3.9 2.0-2.4 11.8 PyTorch Link
0.0.24 3.9 2.1-2.5 12.1 PyTorch Link
0.0.24 3.10 2.0-2.4 11.8 PyTorch Link
0.0.24 3.10 2.1-2.5 12.1 PyTorch Link
0.0.24 3.11 2.0-2.4 11.8 PyTorch Link
0.0.24 3.11 2.1-2.5 12.1 PyTorch Link
0.0.25 3.8 2.0-2.4 11.8 PyTorch Link
0.0.25.post1 3.8 2.0-2.4 11.8 PyTorch Link
0.0.25 3.8 2.1-2.5 12.1 PyTorch Link
0.0.25.post1 3.8 2.1-2.5 12.1 PyTorch Link
0.0.25 3.9 2.0-2.4 11.8 PyTorch Link
0.0.25.post1 3.9 2.0-2.4 11.8 PyTorch Link
0.0.25 3.9 2.1-2.5 12.1 PyTorch Link
0.0.25.post1 3.9 2.1-2.5 12.1 PyTorch Link
0.0.25 3.10 2.0-2.4 11.8 PyTorch Link
0.0.25.post1 3.10 2.0-2.4 11.8 PyTorch Link
0.0.25 3.10 2.1-2.5 12.1 PyTorch Link
0.0.25.post1 3.10 2.1-2.5 12.1 PyTorch Link
0.0.25 3.11 2.0-2.4 11.8 PyTorch Link
0.0.25.post1 3.11 2.0-2.4 11.8 PyTorch Link
0.0.25 3.11 2.1-2.5 12.1 PyTorch Link
0.0.25.post1 3.11 2.1-2.5 12.1 PyTorch Link
0.0.26 3.8 2.0-2.4 11.8 PyTorch Link
0.0.26.post1 3.8 2.0-2.4 11.8 PyTorch Link
0.0.26 3.8 2.1-2.5 12.1 PyTorch Link
0.0.26.post1 3.8 2.1-2.5 12.1 PyTorch Link
0.0.26 3.9 2.0-2.4 11.8 PyTorch Link
0.0.26.post1 3.9 2.0-2.4 11.8 PyTorch Link
0.0.26 3.9 2.1-2.5 12.1 PyTorch Link
0.0.26.post1 3.9 2.1-2.5 12.1 PyTorch Link
0.0.26 3.10 2.0-2.4 11.8 PyTorch Link
0.0.26.post1 3.10 2.0-2.4 11.8 PyTorch Link
0.0.26 3.10 2.1-2.5 12.1 PyTorch Link
0.0.26.post1 3.10 2.1-2.5 12.1 PyTorch Link
0.0.26 3.11 2.0-2.4 11.8 PyTorch Link
0.0.26.post1 3.11 2.0-2.4 11.8 PyTorch Link
0.0.26 3.11 2.1-2.5 12.1 PyTorch Link
0.0.26.post1 3.11 2.1-2.5 12.1 PyTorch Link
0.0.27 3.8 2.0-2.4 11.8 PyTorch Link
0.0.27.post1 3.8 2.0-2.4 11.8 PyTorch Link
0.0.27.post2 3.8 2.0-2.4 11.8 PyTorch Link
0.0.27 3.8 2.1-2.5 12.1 PyTorch Link
0.0.27.post1 3.8 2.1-2.5 12.1 PyTorch Link
0.0.27.post2 3.8 2.1-2.5 12.1 PyTorch Link
0.0.27 3.9 2.0-2.4 11.8 PyTorch Link
0.0.27.post1 3.9 2.0-2.4 11.8 PyTorch Link
0.0.27.post2 3.9 2.0-2.4 11.8 PyTorch Link
0.0.27 3.9 2.1-2.5 12.1 PyTorch Link
0.0.27.post1 3.9 2.1-2.5 12.1 PyTorch Link
0.0.27.post2 3.9 2.1-2.5 12.1 PyTorch Link
0.0.27 3.10 2.0-2.4 11.8 PyTorch Link
0.0.27.post1 3.10 2.0-2.4 11.8 PyTorch Link
0.0.27.post2 3.10 2.0-2.4 11.8 PyTorch Link
0.0.27 3.10 2.1-2.5 12.1 PyTorch Link
0.0.27.post1 3.10 2.1-2.5 12.1 PyTorch Link
0.0.27.post2 3.10 2.1-2.5 12.1 PyTorch Link
0.0.27 3.11 2.0-2.4 11.8 PyTorch Link
0.0.27.post1 3.11 2.0-2.4 11.8 PyTorch Link
0.0.27.post2 3.11 2.0-2.4 11.8 PyTorch Link
0.0.27 3.11 2.1-2.5 12.1 PyTorch Link
0.0.27.post1 3.11 2.1-2.5 12.1 PyTorch Link
0.0.27.post2 3.11 2.1-2.5 12.1 PyTorch Link
0.0.27 3.12 2.0-2.4 11.8 PyTorch Link
0.0.27.post1 3.12 2.0-2.4 11.8 PyTorch Link
0.0.27.post2 3.12 2.0-2.4 11.8 PyTorch Link
0.0.27 3.12 2.1-2.5 12.1 PyTorch Link
0.0.27.post1 3.12 2.1-2.5 12.1 PyTorch Link
0.0.27.post2 3.12 2.1-2.5 12.1 PyTorch Link
0.0.28.post1 3.8 2.4-2.6 12.4 PyTorch Link
0.0.28.post1 3.9 2.4-2.6 12.4 PyTorch Link
0.0.28.post2 3.9 2.4-2.6 12.4 PyTorch Link
0.0.28.post3 3.9 2.4-2.6 12.4 PyTorch Link
0.0.28.post1 3.10 2.4-2.6 12.4 PyTorch Link
0.0.28.post2 3.10 2.4-2.6 12.4 PyTorch Link
0.0.28.post3 3.10 2.4-2.6 12.4 PyTorch Link
0.0.28.post1 3.11 2.4-2.6 12.4 PyTorch Link
0.0.28.post2 3.11 2.4-2.6 12.4 PyTorch Link
0.0.28.post3 3.11 2.4-2.6 12.4 PyTorch Link
0.0.28.post1 3.12 2.4-2.6 12.4 PyTorch Link
0.0.28.post2 3.12 2.4-2.6 12.4 PyTorch Link
0.0.28.post3 3.12 2.4-2.6 12.4 PyTorch Link
0.0.29 3.9 2.4-2.6 12.4 PyTorch Link
0.0.29.post1 3.9 2.4-2.6 12.4 PyTorch Link
0.0.29.post2 3.9 2.4-2.6 12.4 PyTorch Link
0.0.29.post3 3.9 2.4-2.6 12.4 PyTorch Link
0.0.29.post3 3.9 2.5-2.6 12.6 PyTorch Link
0.0.29 3.10 2.4-2.6 12.4 PyTorch Link
0.0.29.post1 3.10 2.4-2.6 12.4 PyTorch Link
0.0.29.post2 3.10 2.4-2.6 12.4 PyTorch Link
0.0.29.post3 3.10 2.4-2.6 12.4 PyTorch Link
0.0.29.post3 3.10 2.5-2.6 12.6 PyTorch Link
0.0.29 3.11 2.4-2.6 12.4 PyTorch Link
0.0.29.post1 3.11 2.4-2.6 12.4 PyTorch Link
0.0.29.post2 3.11 2.4-2.6 12.4 PyTorch Link
0.0.29.post3 3.11 2.4-2.6 12.4 PyTorch Link
0.0.29.post3 3.11 2.5-2.6 12.6 PyTorch Link
0.0.29 3.12 2.4-2.6 12.4 PyTorch Link
0.0.29.post1 3.12 2.4-2.6 12.4 PyTorch Link
0.0.29.post2 3.12 2.4-2.6 12.4 PyTorch Link
0.0.29.post3 3.12 2.4-2.6 12.4 PyTorch Link
0.0.29.post3 3.12 2.5-2.6 12.6 PyTorch Link
0.0.30 3.9 2.5+ 12.6 PyTorch Link
0.0.30 3.9 2.7-2.9 12.8 PyTorch Link
0.0.30 3.10 2.5+ 12.6 PyTorch Link
0.0.30 3.10 2.7-2.9 12.8 PyTorch Link
0.0.30 3.11 2.5+ 12.6 PyTorch Link
0.0.30 3.11 2.7-2.9 12.8 PyTorch Link
0.0.30 3.12 2.5+ 12.6 PyTorch Link
0.0.30 3.12 2.7-2.9 12.8 PyTorch Link
0.0.31 3.9 2.5+ 12.6 PyTorch Link
0.0.31.post1 3.9 2.5+ 12.6 PyTorch Link
0.0.31 3.9 2.7-2.9 12.8 PyTorch Link
0.0.31.post1 3.9 2.7-2.9 12.8 PyTorch Link
0.0.32.post1 3.9 2.5+ 12.6 PyTorch Link
0.0.32.post2 3.9 2.5+ 12.6 PyTorch Link
0.0.32.post1 3.9 2.7-2.9 12.8 PyTorch Link
0.0.32.post2 3.9 2.7-2.9 12.8 PyTorch Link
0.0.32.post1 3.9 2.8-2.9 12.9 PyTorch Link
0.0.32.post2 3.9 2.8-2.9 12.9 PyTorch Link
0.0.33 3.9 2.5+ 12.6 PyTorch Link
0.0.33.post1 3.9 2.5+ 12.6 PyTorch Link
0.0.33.post2 3.9 2.5+ 12.6 PyTorch Link
0.0.33 3.9 2.9+ 13.0 PyTorch Link
0.0.33.post1 3.9 2.9+ 13.0 PyTorch Link
0.0.33.post2 3.9 2.9+ 13.0 PyTorch Link
0.0.33 3.9 2.7-2.9 12.8 PyTorch Link
0.0.33.post1 3.9 2.7-2.9 12.8 PyTorch Link
0.0.33.post2 3.9 2.7-2.9 12.8 PyTorch Link
0.0.33 3.9 2.10 13.0 Wildminder Link
0.0.34 3.9 — 12.6 PyTorch Link
0.0.34 3.9 — 12.8 PyTorch Link
0.0.34 3.9 — 13.0 PyTorch Link

(返回顶部)

⚙️ SageAttention

精准且高效的注意力机制，通过平滑量化大幅降低显存占用，同时保持精度。

展开已收录的 SageAttention
Package Version Python Ver PyTorch Ver CUDA Ver Source Download Link
2.1.1 3.12 2.6.0 12.6 Wildminder Link
2.1.1 3.12 2.8.0 12.8 Wildminder Link

(返回顶部)

⚙️ SageAttention 2.2 (SageAttention2++)

SageAttention 的升级版本，引入更先进的量化策略和优化算法，显存节省更多，速度更快。

Note

仅支持 CUDA ≥ 12.8，因此需搭配 PyTorch ≥ 2.7。

展开已收录的 SageAttention 2++
Package Version Python Ver PyTorch Ver CUDA Ver Source Download Link
2.2.0 3.12 2.7.0 12.8 Eddy Link
2.2.0 3.12 2.9.0 12.8 Wildminder Link
2.2.0.post3 3.12 2.10.0 12.8 Wildminder Link
2.2.0.post3 3.12 2.10.0 13.0 Wildminder Link
2.2.0.post3 3.13 2.8.0 12.8 Wildminder Link
2.2.0.post3 3.13 2.8.0 12.9 Wildminder Link
2.2.0.post3 3.13 2.9.0 12.8 Wildminder Link
2.2.0.post3 3.13 2.9.0 12.9 Wildminder Link
2.2.0.post3 3.13 2.9.0 13.0 Wildminder Link
2.2.0.post3 3.13 2.10.0 12.8 Wildminder Link
2.2.0.post3 3.13 2.10.0 13.0 Wildminder Link

(返回顶部)

⚙️ SageAttention 3

用于推理的微缩放 FP4 注意力机制 和 8 位训练的探索，目前仅支持 Blackwell 架构。

Note

SageAttention3 不保證所有型號的無損加速。對於其他影片產生模型,我們建議在某些圖層或時間步長中選擇性地使用 SageAttention2++

展开已收录的 SageAttention 3
Package Version Python Ver PyTorch Ver CUDA Ver Source Download Link
1.0.0 3.12 2.8.0 12.8 Eddy Link

(返回顶部)

⚙️ SpargeAttn

稀疏注意力机制，通过智能跳过不重要的计算来加速推理，适用于长上下文场景。

展开已收录的 SpargeAttn
Package Version PyTorch Ver CUDA Ver Source Download Link

(返回顶部)

⚙️ Nunchaku

MIT 开发的 Transformer 推理加速库，专注于提升解码速度和吞吐量。

展开已收录的 Nunchaku
Package Version Python Ver PyTorch Ver Source Download Link
0.3.2 3.12 2.9 Wildminder Link
1.0.1 3.12 2.9 Wildminder Link
1.0.1 3.12 2.9 Wildminder Link
1.0.1 3.13 2.9 Wildminder Link
1.0.1 3.13 2.9 Wildminder Link

(返回顶部)

⚙️ NATTEN (Neighborhood Attention Transformer)

局部邻域注意力实现，在视觉任务中表现出色。

展开已收录的 NATTEN
Package Version Python Ver PyTorch Ver CUDA Ver Source Download Link
0.17.3 3.10 2.4.0 12.4 lldacing Link
0.17.3 3.10 2.4.1 12.4 lldacing Link
0.17.3 3.10 2.5.0 12.4 lldacing Link
0.17.3 3.10 2.5.1 12.4 lldacing Link
0.17.3 3.11 2.4.0 12.4 lldacing Link
0.17.3 3.11 2.4.1 12.4 lldacing Link
0.17.3 3.11 2.5.0 12.4 lldacing Link
0.17.3 3.11 2.5.1 12.4 lldacing Link
0.17.3 3.12 2.4.0 12.4 lldacing Link
0.17.3 3.12 2.4.1 12.4 lldacing Link
0.17.3 3.12 2.5.0 12.4 lldacing Link
0.17.3 3.12 2.5.1 12.4 lldacing Link
0.17.5 3.10 2.6.0 12.6 lldacing Link
0.17.5 3.10 2.7.0 12.8 lldacing Link
0.17.5 3.11 2.6.0 12.6 lldacing Link
0.17.5 3.11 2.7.0 12.8 lldacing Link
0.17.5 3.12 2.6.0 12.6 lldacing Link
0.17.5 3.12 2.7.0 12.8 lldacing Link

(返回顶部)

⚙️ Triton（Windows Fork）

用于编写高效深度学习算子的语言与编译器，官方不支持 Windows，这是社区维护的 Fork 版本。

  • Windows Fork：
  • 安装命令： pip install -U "triton-windows<3.6"
展开已收录的 Triton
Package Version Python Ver Source Download Link

(返回顶部)

⚙️ bitsandbytes

轻量级 CUDA 算子库，提供 8-bit 优化器和 LLM 量化支持，大幅降低显存需求。

展开已收录的 bitsandbytes
Package Version Source Download Link

(返回顶部)

⚙️ RadialAttention（ComfyUI 节点）

用于长视频生成的径向注意力机制，在保持质量的同时大幅减少内存占用。

💡 安装说明：
RadialAttention 不是独立的 wheel 包，而是通过 ComfyUI 自定义节点使用。安装步骤：

  1. 先安装 SpargeAttn（见上方，我们已收录其 Windows wheels）
  2. 将 ComfyUI-RadialAttn clone 到 ComfyUI/custom_nodes/ 目录
  3. （可选）安装 SageAttention 并使用 --use-sage-attention 参数启动 ComfyUI，作为备用加速方案

(返回顶部)

🟦 贡献 (Contributing)

贡献让开源社区成为一个令人惊叹的学习、启发和创造的地方。我们非常感激您做出的任何贡献。

如果您发现了新的预编译 wheel 文件或可靠的来源，请 pull request，或者直接开一个 issue 附上链接。

🟦 致谢 (Acknowledgments)

本仓库仅仅是一个链接集合。衷心感谢那些为社区辛勤构建和托管这些 wheel 文件的个人和团队。

(返回顶部)

About

🪟 为 Windows AI 开发者提供预编译 wheel 文件的集中仓库 | 自动抓取并整理 PyTorch、Flash Attention、xformers、SageAttention 等常用库的最新版本 | 免编译，开箱即用 | 特别适合 ComfyUI 和 Stable Diffusion 用户

huggingface.co/BradPita/Win-AI-Wheelhouse

Topics

windows deep-learning cuda pytorch wheels xformers comfyui flash-attention sageattention

Resources

Readme

License

MIT license
Activity

Stars

40 stars

Watchers

1 watching

Forks

3 forks
Report repository

Releases

No releases published

Packages

No packages published