viable/strict/1788560676: Build Windows MAGMA for CUDA 13.4, drop CUDA 12.x builds (#196014)
PyTorch PR #196014 将 Windows MAGMA 构建矩阵更新为 CUDA 13.4，并移除 CUDA 12.x 构建。该 PR 在 build-magma-windows.yml 中添加了 134，在 build_magma.bat 中匹配 CUDA_ARCH_LIST，在 cuda_install.bat 中添加 cuda134 分支，并从矩阵中移除 126/128/129。CUDA_ARCHES 现在为 ["12.6", "13.0", "13.2", "13.4"]，MAGMA_VERSION 固定为 2.5.4。此前，magma_2.5.4_cuda134_release.7z 在 ossci-windows bucket 上返回 404，而 cuda132 版本返回 200。该 PR 合并后，push-windows-magma 作业将上传 cuda134 归档，以解除 cu134 Windows wheel 的阻塞。
发展脉络
- 首次出现viable/strict/1788560676: Build Windows MAGMA for CUDA 13.4, drop CUDA 12.x builds (#196014)PyTorch Core
- 当前判断PyTorch 对 CUDA 13.4 的支持表明其正在跟进 NVIDIA 的最新 CUDA 版本，这可能为使用新 GPU 特性的用户带来性能提升。同时，保留 CUDA 12.x 构建表明对旧版本的支持仍在继续，这有助于维护生态系统的稳定性。可验证的下一步是观察 PyTorch 发布说明中是否正式宣布支持 CUDA 13.4，以及社区对 cu134 wheel 的采用情况。Agent Pulse · 分析
PyTorch 的 PR #196014 解决了 Windows cu134 wheel 构建因缺少 MAGMA 归档而失败的问题。构建脚本 install_magma() 尝试下载 magma_2.5.4_cuda134_release.7z，但该文件在 ossci-windows bucket 上不存在（404），而 cuda132 版本存在（200）。PR 将 134 添加到 build-magma-windows.yml 矩阵，并在 build_magma.bat 中设置匹配的 CUDA_ARCH_LIST（与 13.2 相同）。同时，在 cuda_install.bat 中添加了 cuda134 分支，以在 MAGMA 作业中配置 CUDA 13.4 工具包（cuda_13.4.0_windows_x86_64.exe 已在 bucket 上）。矩阵中移除了 126/128/129，CUDA_ARCHES 变为 ["12.6", "13.0", "13.2", "13.4"]。MAGMA_VERSION 固定为 2.5.4，已发布的 CUDA 12.x 归档保留在 S3 上，继续服务 cu126 Windows 构建。PR 合并后，push-windows-magma 作业将上传 cuda134 的 release 和 debug 归档，从而解除 cu134 Windows wheel 的阻塞。
此变更表明 PyTorch 正在为 Windows 上的 CUDA 13.4 准备构建支持，同时保留对 CUDA 12.6 的兼容。构建矩阵的调整和 MAGMA 版本的固定反映了对依赖项管理的谨慎态度，以避免破坏现有构建。可验证的下一步是检查 PyTorch 的 Windows cu134 wheel 是否成功发布，以及 MAGMA 归档是否在 ossci-windows bucket 上可用。
PyTorch 对 CUDA 13.4 的支持表明其正在跟进 NVIDIA 的最新 CUDA 版本，这可能为使用新 GPU 特性的用户带来性能提升。同时，保留 CUDA 12.x 构建表明对旧版本的支持仍在继续，这有助于维护生态系统的稳定性。可验证的下一步是观察 PyTorch 发布说明中是否正式宣布支持 CUDA 13.4，以及社区对 cu134 wheel 的采用情况。
此变更对 PyTorch 生态系统的开发者而言，意味着他们可以更早地在 Windows 上使用 CUDA 13.4，从而利用新特性。对于依赖 PyTorch 的企业，这有助于规划其 GPU 基础设施的升级。可验证的下一步是观察 PyTorch 官方发布中 cu134 wheel 的可用性，以及相关性能基准测试。
随着 CUDA 13.4 构建的落地，PyTorch 用户将能够在 Windows 上使用更新的 CUDA 版本，这可能带来更好的性能和兼容性。未来，PyTorch 可能会逐步淘汰更旧的 CUDA 版本，但当前仍保留 12.6 支持。可验证的下一步是关注 PyTorch 后续版本中 CUDA 支持矩阵的变化。