vLLM 모델을 Qwen3.6 NVFP4로 변경 (#741)

Author: Neibce

backend/problem/llm_hint.py

@@ -11,7 +11,7 @@
 
 LOCAL_VLLM_CHAT_COMPLETIONS_URL = "http://localhost:8000/v1/chat/completions"
 CLUSTER_VLLM_CHAT_COMPLETIONS_URL = "http://vllm.code-place-prod:8000/v1/chat/completions"
-VLLM_MODEL = "Qwen/Qwen3.5-9B"
+VLLM_MODEL = "nvidia/Qwen3.6-35B-A3B-NVFP4"
 VLLM_CONNECT_TIMEOUT_SEC = 10
 VLLM_STREAM_READ_TIMEOUT_SEC = 3600
 
@@ -135,6 +135,10 @@ def get_vllm_chat_completions_url():
     return LOCAL_VLLM_CHAT_COMPLETIONS_URL
 
 
+def get_vllm_model():
+    return os.getenv("VLLM_MODEL", VLLM_MODEL)
+
+
 def _normalize_html_to_text(value):
     if not value:
         return ""
@@ -228,7 +232,7 @@ def build_hint_payload(problem, previous_hints=None, user_code=None, stream=Fals
         messages.append({"role": "user", "content": user_code_prompt})
 
     return {
-        "model": VLLM_MODEL,
+        "model": get_vllm_model(),
         "messages": messages,
         "temperature": 0.2,
         "max_tokens": 512,

backend/problem/tests.py

@@ -23,7 +23,7 @@
 from utils.constants import CONTEST_PASSWORD_SESSION_KEY
 from .llm_hint import (CLUSTER_VLLM_CHAT_COMPLETIONS_URL, LOCAL_VLLM_CHAT_COMPLETIONS_URL,
                        VLLM_CONNECT_TIMEOUT_SEC, VLLM_MODEL, VLLM_STREAM_READ_TIMEOUT_SEC,
-                       LLMHintError, get_vllm_chat_completions_url, stream_problem_hint)
+                       LLMHintError, get_vllm_chat_completions_url, get_vllm_model, stream_problem_hint)
 
 from .views.admin import TestCaseAPI
 from .utils import parse_problem_template
@@ -751,6 +751,10 @@ def test_get_vllm_chat_completions_url_for_kubernetes(self):
         with mock.patch.dict(os.environ, {"KUBERNETES_SERVICE_HOST": "10.0.0.1"}, clear=False):
             self.assertEqual(get_vllm_chat_completions_url(), CLUSTER_VLLM_CHAT_COMPLETIONS_URL)
 
+    def test_get_vllm_model_uses_env_override(self):
+        with mock.patch.dict(os.environ, {"VLLM_MODEL": "test/model"}, clear=False):
+            self.assertEqual(get_vllm_model(), "test/model")
+
     # ------------------------------------------------------------------
     # 레거시 대회 (ai_assistant_enabled 필드 도입 이전 생성) 테스트
     # ------------------------------------------------------------------

kubernetes/base/backend/deployment.yaml

@@ -99,6 +99,8 @@ spec:
               value: "http://otel-collector.monitoring.svc.cluster.local:4317"
             - name: OTEL_TRACES_SAMPLER_ARG
               value: "0.05"
+            - name: VLLM_MODEL
+              value: "nvidia/Qwen3.6-35B-A3B-NVFP4"
           # TODO: Security Context 설정을 추가해야 합니다. 현재 entrypoint.sh 에서 권한을 변경하고 있지만, 보안 강화를 위해 컨테이너 레벨에서 설정하는 것이 좋습니다. (Junwoo)
           startupProbe:
             httpGet:

kubernetes/base/vllm/README.md

@@ -8,7 +8,7 @@
 ## 전제 조건
 
 - 클러스터에 NVIDIA device plugin 이 설치되어 있어야 합니다.
-- `vLLM`을 띄울 GPU 노드 정확히 1대에만 아래 라벨이 붙어 있어야 합니다.
+- `vLLM`을 띄울 RTX 5090 GPU 노드 정확히 1대에만 아래 라벨이 붙어 있어야 합니다.
 
 ```bash
 kubectl label node <gpu-node-name> workload.code-place.ai/vllm=true
@@ -35,8 +35,8 @@ kubectl describe pod -n code-place-prod -l app=vllm
 
 ## 현재 설정
 
-- 이미지: `vllm/vllm-openai:v0.20.0`
-- 모델: `Qwen/Qwen3.5-9B`
+- 이미지: `vllm/vllm-openai:v0.24.0`
+- 모델: `nvidia/Qwen3.6-35B-A3B-NVFP4`
 - 포트: `8000`
 - 주요 옵션: `--dtype auto`, `--gpu-memory-utilization 0.9`, `--max-model-len 4096`, `--kv-cache-dtype fp8`, `--calculate-kv-scales`, `--enable-prefix-caching`, `--enable-chunked-prefill`, `--max-num-seqs 60`
 - 리소스: `cpu: 16`, `memory: 64Gi`, `nvidia.com/gpu: 1`
@@ -50,6 +50,7 @@ kubectl describe pod -n code-place-prod -l app=vllm
 - `livenessProbe` 가 계속 실패하면 쿠버네티스가 컨테이너를 재시작합니다.
 - `Service` 는 `ClusterIP` 이므로 외부에 직접 노출되지 않습니다.
 - Longhorn replica 수는 YAML 에서 고정하지 않고, 필요하면 Longhorn UI 에서 직접 조정하는 전제를 둡니다.
+- 현재 모델은 NVFP4 모델이므로 RTX 5090 같은 Blackwell GPU 전제를 유지해야 합니다.
 - `max-num-seqs=60` 은 처리량 위주 값이라, 메모리 압박이나 OOM 이 보이면 가장 먼저 낮춰야 합니다.
 - 더 보수적으로 운영하려면 이미지 tag 대신 digest 로 pin 하는 것이 가장 안전합니다.
 

kubernetes/base/vllm/deployment.yaml

@@ -26,14 +26,16 @@ spec:
         fsGroup: 1000
       containers:
         - name: vllm
-          image: vllm/vllm-openai:v0.20.0
+          image: vllm/vllm-openai:v0.24.0
           env:
             - name: VLLM_PORT
               value: "8000"
+            - name: VLLM_MODEL
+              value: "nvidia/Qwen3.6-35B-A3B-NVFP4"
           imagePullPolicy: IfNotPresent
           args:
             - --model
-            - Qwen/Qwen3.5-9B
+            - $(VLLM_MODEL)
             - --port
             - "8000"
             - --host