[온프레미스 AI Assistant 아키텍처 — Qwen3·Qwen3-VL 14일 설계] 5/14화: vLLM으로 Qwen3 서빙 — FP8·텐서 병렬 실전 구축
[온프레미스 AI Assistant 아키텍처 — Qwen3·Qwen3-VL 14일 설계] 5/14화: vLLM으로 Qwen3 서빙 — FP8·텐서 병렬 실전 구축에 댓글 없음
vLLM의 PagedAttention과 Continuous Batching으로 Qwen3-30B-A3B를 듀얼 RTX 4090에서 고처리량 서빙하는 실전 구축 가이드. FP8 양자화, 텐서 병렬, KV 캐시 튜닝, Xid 장애 대응까지 다룹니다.