# \#pytorch-2-10 **URL:** https://discuss.pytorch.kr/tag/pytorch-2-10/6964.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [PyTorch 2.11이 출시되었습니다 🎉](https://discuss.pytorch.kr/t/pytorch-2-11/9355)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [3월 24, 2026, 2:30오후 UTC](https://discuss.pytorch.kr/t/pytorch-2-11/9355 "2026-03-24T14:30:03Z")
PyTorch 2.11 소개 PyTorch Foundation에서는 최신 PyTorch 버전인 PyTorch 2.11을 공식 발표하였습니다. 이번 버전은 분산 학습 환경을 위한 미분 가능한 집합 통신 지원과 최신 GPU 아키텍처 환경에서의 성능 극대화를 위한 FlexAttention 기술의 최적화에 중점을 두었습니다. 또한 Apple Silicon 기반의 MPS 백엔드 환경에서 비동기 오류 보고 기능을 추가하고 연산자 지원을 대폭 확장하였으며, 인텔 GPU를 위한 XPUGraph 기능이 추가되어 다양한 하드웨어 생태계 전반에 걸친 성능 최적화를 이루어냈습니다. 이번 릴리스는 이전 2.10 버전 이후 432명의 기여자가 참여하여 총 2,723개의 커밋을 반영한 결과물입니다. 이전 버전부터 예고된 바와 같이 2026년부터는 릴리스 주기가 기존 분기별 단위에서 2개월 단위로 단축되어 새로운 기능들이 더욱 빠르게 배포되고 있습니다. PyTorch 2.11의 주요 업데이트 분산 학습을 위한 미분 가능한 컬렉티브 (Differentiable Collectives) 함수형 컬렉티브(functional collectives) 연산에 미분 기능(differentiability) 지원이 추가되었습니다. 이전에는 복잡한 분산 딥러닝 연구나 고급 학습 기법을 적용할 때 사용자 정의(custom) autograd 함수를 일일이 작성해야 했으나, 이제는 컬렉티브 연산을 통과하는 역전파(backpropagation)가 자체적으로 지원됩니다. 이는 분산 학습 워크플로우를 설계하는 엔지니어의 수고를 크게 덜어주며 진일보한 연구를 가능케 합니다. Hopper 및 Blackwell GPU를 위한 FlexAttention 및 FlashAttention-4 최신 NVIDIA Hopper 및 Blackwell GPU 환경에서 FlexAttention 기능이 FlashAttention-4 백엔드를 정식으로 지원합니다. PyTorch 내에서 CuTeDSL의 score/mask 수정 함수를 자…