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 v0.16.0 发布，本次发布会同时带来企业版和云上版本更新。
社区版
📋 更新指南
* 🏷️ pip：pip install 'xinference==0.16.0’
* 🐳 Docker：拉取最新版本即可，也可以直接在镜像内用 pip 更新
🆕 更新日志
* 新功能
* 🏎️ transformers 引擎的 continuous batching 成为默认推理行为，原来的推理逻辑已被废弃。参考文档 📖: Continuous Batching
* 🖼️ FLUX.1 的文生图接口支持动态 batch，提升吞吐。详情请参考文档 📖
* 👁️ 部分 vllm 引擎的 vision 模型支持 awq / gptq 量化
* ⚙️ qwen2.5-instruct 支持 MLX 引擎
* 🕒 xinference 命令行响应时间缩短
* 🐞 BUG修复
* 修复 glm4-chat 模型 padding 相关问题
* ⏳ 即将废弃
* v0.17.0 将支持 Python 3.12，移除对 Python 3.8 的支持
企业版
📦 已更新至 v0.0.6 版本，企业版包含社区全部功能，并提供高可用、可观测性、国产卡支持。详细请联系 📞 @李鹏
🆕 主要更新内容
1. 🎥 支持 minicpm base64 格式视频解析
2. 🚀 默认开启 SGLANG 引擎
3. 🔧 暴露删除运行实例的接口，便于处理数据不一致
4. 🛠️ 修复运行实例列表的一致性问题
5. 在社区版 v0.16.0 正式发布前，其功能已提前更新并可供使用
云上版本
访问 🔗 inference.top。注册即送 🎁 500 积分！
* 💳 微信支付功能上线，充值后享受更少的并发限制
* 💬 文本对话滚动优化
* 🖼️ 图像模型添加进度条显示
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。