콘텐츠로 이동

RBLN NPU에서 gemma-3-27b-it 서빙

호스트에 RBLN Driver가 설치되어 있어야 하며, RBLN Compiler(rebel-compiler)를 설치하려면 RBLN Portal 계정이 필요합니다. 호환되는 패키지 버전은 설치 매트릭스에서 확인할 수 있습니다.

1
2
3
$ pip install \
  --extra-index-url https://pypi.rbln.ai/simple \
  rebel-compiler==0.12.0
1
2
3
4
$ pip install \
  --extra-index-url https://wheels.vllm.ai/0.30.0/cpu \
  --extra-index-url https://download.pytorch.org/whl/cpu \
  vllm-rbln==0.12.0
가이드 — 개요 및 설정

개요

google/gemma-3-27b-it는 비전-언어 모델입니다. RBLN NPU에서는 RBLN vLLM 플러그인이 최초 실행 시 언어 모델과 비전 인코더를 컴파일하고, 이를 vLLM OpenAI 호환 API로 서빙합니다. 이미지는 chat-completions의 image_url 콘텐츠 필드로 전달합니다.

Configuration

--rbln-num-devices-per-local-rank는 엔진 프로세스 하나가 사용할 NPU 디바이스 수를 지정하며, RBLN 컴파일러는 Rebellions Scalable Design(RSD)으로 이 디바이스들에 맞게 모델을 분할합니다. NPU별 RSD 적용 방식은 모델 병렬화에서 확인할 수 있습니다. 비전 인코더는 --additional-config(optimum_overrides.visual)로 설정합니다. 이 설정을 바꾸면 다음 실행 시 모델을 재컴파일합니다. 재컴파일을 일으키는 설정 전체는 Compile Cache에 정리되어 있습니다.

이 모델 라인의 다른 크기이며, 각각 별도의 recipe가 있습니다:

gemma-3-4b-it · gemma-3-12b-it

전체 엔진 인자는 설정 가이드에서 확인할 수 있습니다.

참고 및 제약

  • 시퀀스 길이와 NPU 개수는 컴파일 시 고정되며, 변경하면 다음 실행 시 재컴파일됩니다.