vLLM RBLN: RBLN NPU용 vLLM 플러그인¶
vLLM RBLN(vllm-rbln)은 리벨리온 NPU를 위한 vLLM용 하드웨어 플러그인으로, 고성능 LLM 추론 및 서빙을 지원합니다.
설치 방법¶
vLLM RBLN을 설치하기 이전에 반드시 rebel-compiler와 optimum-rbln의 최신 버전을 설치해야 합니다.
vLLM RBLN은 PyPI에서 바로 설치할 수 있으며, GitHub의 vLLM RBLN 저장소 내 소스 코드를 통해서도 설치 가능합니다.
다음은 pip를 통해 최신 릴리즈를 설치하는 명령어입니다.
Note
버전 v0.8.1부터 vllm-rbln은 새로운 플러그인 시스템으로 마이그레이션되었습니다. 또한 이 버전부터는 vllm-rbln을 설치하면 vllm이 자동으로 종속성으로 함께 설치됩니다.
만약 vllm-rbln을 이전에 설치한 적 있다면, 정상적인 동작을 위해 기존의 vllm 관련 패키지를 모두 지우고 vllm-rbln 패키지를 다시 설치해 주세요.
튜토리얼¶
vllm-rbln을 쉽게 시작할 수 있도록, 기본적인 기능과 다양한 배포 옵션을 보여주는 튜토리얼을 제공합니다.
- vLLM RBLN을 활용하는 예시 코드
- vLLM RBLN을 활용해서 OpenAI와 호환되는 서버를 구축하는 예시 코드
아키텍처 디자인¶
현재 vLLM RBLN은 optimum-rbln을 기반으로 작동합니다. 모델을 optimum-rbln을 사용해 컴파일한 후, 컴파일된 모델을 vLLM에서 사용합니다.
이 방식은 현재까지 기본이자 권장되는 접근 방식으로, 새로운 아키텍처가 활발히 개발 중인 상황에서도 안정적이고 신뢰할 수 있는 워크플로우를 제공합니다.
모든 튜토리얼과 예제는 이 아키텍처를 기반으로 작성되어 있습니다.
Torch Compile 기반으로의 전환¶
사용자의 편의를 높이기 위해 새로운 아키텍처를 도입할 예정입니다.
이는 torch.compile()을 활용함으로써 별도의 컴파일 단계를 제거하여, 표준 vLLM 워크플로우를 통한 보다 직관적이고 일관된 사용자 경험을 제공합니다.
torch.compile()을 사용하면 첫 실행 시 모델이 컴파일되는 콜드 스타트(cold start)가 발생합니다. 이 때 컴파일 결과는 캐시에 저장되며, 이후 실행은 웜 스타트(warm start)로 처리되어 더 빠르고 최적화된 성능을 제공합니다.
V1 엔진 지원¶
vLLM RBLN은 V1 엔진을 지원합니다. 기본적으로는 여전히 V0 엔진이 사용되지만, 환경 변수 VLLM_USE_V1=1을 설정하면 V1 엔진을 사용할 수 있습니다.
향후 릴리스에서는 V1 엔진이 vLLM RBLN의 기본 엔진으로 설정될 예정입니다.
지원하는 모델 목록¶
다음은 vLLM RBLN이 현재 지원하는 모델 목록입니다.
Generative Models¶
| Architecture | Example Model Code |
|---|---|
| RBLNLlamaForCausalLM | Llama-2/3 |
| RBLNGemmaForCausalLM | Gemma |
| RBLNPhiForCausalLM | Phi-2 |
| RBLNOPTForCausalLM | OPT |
| RBLNGPT2LMHeadModel | GPT2 |
| RBLNMistralForCausalLM | Mistral |
| RBLNExaoneForCausalLM | EXAONE-3/3.5 |
| RBLNQwen2ForCausalLM | Qwen2/2.5 |
| RBLNBartForConditionalGeneration | BART |
| RBLNT5ForConditionalGeneration | T5 |
| RBLNBlip2ForConditionalGeneration | BLIP2 |
| RBLNQwen3ForCausalLM | Qwen3 |
| RBLNWhisperForConditionalGeneration | Whisper |
Multimodal Language Models¶
| Architecture | Example Model Code |
|---|---|
| RBLNLlavaNextForConditionalGeneration | LlaVa-Next |
| RBLNQwen2_5_VLForConditionalGeneration | Qwen2.5-VL |
| RBLNIdefics3ForConditionalGeneration | Idefics3 |
| RBLNGemma3ForConditionalGeneration | Gemma3 |
| RBLNLlavaForConditionalGeneration | Llava |
Pooling Models¶
| Architecture | Example Model Code |
|---|---|
| RBLNT5EncoderModel | T5Encoder-based |
| RBLNBertModel | BERT-based |
| RBLNRobertaModel | RoBERTa-based |
| RBLNXLMRobertaModel | XLM-RoBERTa-based |
| RBLNXLMRobertaForSequenceClassification | XLM-RoBERTa-based |
| RBLNRobertaForSequenceClassification | RoBERTa-based |
| RBLNQwen3ForCausalLM | Qwen3-based |
| RBLNQwen3Model | Qwen3-based |