Xorbits Inference（Xinference）是一个 性能强大且功能全面的 分布式 推理框架。可用于大语言模型（LLM），语音识别模型，多模态模型等各种模型的推理。通过 Xorbits Inference，你可以轻松地 一键部署你自己的模型或内置的前沿开源模型 - https://github.com/xorbitsai/inference。无论你是研究者，开发者，或是数据科学家，都可以通过 Xorbits Inference 与最前沿的 AI 模型，发掘更多可能。
Xinference 的功能和亮点有：
- * 🌟 模型推理，轻而易举：大语言模型，语音识别模型，多模态模型的部署流程被大大简化。一个命令即可完成模型的部署工作。
- * ⚡️ 前沿模型，应有尽有：框架内置众多中英文的前沿大语言模型，包括 baichuan，chatglm2 等，一键即可体验！内置模型列表还在快速更新中！
- * 🖥 异构硬件，快如闪电：通过 ggml，同时使用你的 GPU 与 CPU 进行推理，降低延迟，提高吞吐！
- * ⚙️ 接口调用，灵活多样：提供多种使用模型的接口，包括 OpenAI 兼容的 RESTful API（包括 Function Calling），RPC，命令行，web UI 等等。方便模型的管理与交互。
- * 🌐 集群计算，分布协同: 支持分布式部署，通过内置的资源调度器，让不同大小的模型按需调度到不同机器，充分使用集群资源。
- * 🔌 开放生态，无缝对接: 与流行的三方库无缝对接，包括 LangChain， LlamaIndex， Dify，以及 Chatbox。
🎉 Xinference 0.14.0发布！
基于helm 的 k8s 部署方式上线，模型加载现在可以指定 model path。
- 新增内置支持模型 📦
- embedding模型 gte-Qwen2-7B-instruct 🧠
- 新功能 🚀
- 官方支持基于helm的K8s集群安装方式，具体参考文档：https://inference.readthedocs.io/zh-cn/latest/getting_started/using_kubernetes.html 📘
- embedding模型支持多GPU部署 🖥️🔗
- 重要：模型launch接口新增model_path参数。现在自定义模型推荐使用此种方式，如果需要注册与内置模型家族一致的自定义模型，强烈推荐直接launch接口传入model_path即可。分布式场景配合worker_ip即可。原来的注册模型方式在下一个大版本将迎来一定的重构 📂
- sglang引擎调整为默认开启，不再需要配置环境变量 🔧
- sglang引擎支持 llama3 和 qwen2 🦙
- vllm和sglang支持 gemma2 和 llama3.1 💡
- MLX引擎支持cache_limit_gb选项 📈
- 图像模型支持image_to_image接口 🎨
- BUG修复 🐛
- 修复 GLM chat相关问题 💬
- 修复模型注册无法找到transformers引擎的问题 🔄
- 修复docker镜像的启动问题 🐋
- 修复gguf多part加载的问题 🛠️
- UI相关 💻
- 修复用户切换model_format导致白屏的问题 🖥️
我们感谢每一位参与的社区伙伴对 Xinference 的帮助和支持，也欢迎更多使用者和开发者参与体验和使用 Xinference。
欢迎您在 https://github.com/xorbitsai/inference 给我们一个 星标，这样你就可以在 GitHub 上及时收到每个新版本的通知。