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 v1.4.1 发布！ 🎉
💡 vLLM 分布式推理来了！ 现在你可以在 多台机器上运行 vLLM 进行高效推理。 👀 SGLang 引擎新增视觉模型支持，Transformer 引擎的 GPTQ 量化推理速度大幅提升！
🌟 开源社区动态
🎉 恭喜 @阿豪 和 @minamiyama 晋升 maintainer！ 让我们一起祝贺他们！👏👏
🆓 社区版更新指南
- pip：pip install 'xinference==1.4.1'
- Docker：拉取最新版本即可，或者在镜像内使用 pip 更新。
🚀 更新日志
🔥 新增模型
- LLM：
- 🦄 Qwen2.5-VL 32B
- 💰 Fin-R1（金融领域）
- 🧐 Deepseek-VL2
- ✨ 新功能
- 新增 n_worker 校验机制，若超出可用 worker 数量，则拦截避免错误 🚧
- Fin-R1 模型支持 GPTQ（int4, int8）和 FP8
- SGLang 引擎新增视觉模型支持 👀
- SGLang 现支持 GPTQ int8 量化
- 优化 GPTQ 处理：用 gptqmodel 取代 auto-gptq，提升推理效率 🚀
- vLLM 现支持分布式推理，可跨机器部署⚡
- Deepseek-V3 现支持 Function Calling 🛠️
- Qwen2.5-VL-32B 正式支持！
- 🎯 🐞 Bug 修复
- 📝 修正 7B-AWQ 下载中心拼写错误
- 🔧 兼容新版 LangChain OpenAI max_completion_tokens 参数
- 🛠 修复 Docker 镜像内 spacy > 3.0.6 限制导致的失败问题
- ⚙ 修复 vLLM 引擎量化参数无法生效的 bug
- 🏗 修复 _ModelWrapper 未继承 nn.Module 导致的 PyTorch 类型错误
- ⚡ 修复 LLM 流式输出问题，提升交互体验！
🏢 企业版更新
- 🚀 昇腾芯片优化，推理更高效！
- 🖥 界面优化，日志展示更直观！
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。