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 v1.5.0 重磅发布！
🚀 重点亮点
🧩 模型虚拟空间正式上线！
随着模型更新频繁，不同模型对依赖的要求也越来越复杂，老模型需要老版本库，新模型又依赖新版包，常常出现互相冲突的问题。 现在，通过模型虚拟空间，每个模型可以独立拥有一套安装包环境，相互隔离、互不影响，模型运行更稳定！ 📄 配置与使用方式详见文档：https://inference.readthedocs.io/zh-cn/latest/models/virtualenv.html
🖥️ 易用性增强
🔄 模型加载支持展示进度，也可随时取消模型加载 🧠 Gradio 聊天界面支持展示思考过程（🧪 需打开“解析思维过程”）
🧪 社区版
📦 更新指南
- 📥 pip：pip install 'xinference==1.5.0'
- 🐳 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
🆕 新模型支持
- 🤖 LLM * 🌐 GLM-4 0414 * 🧠 Qwen2.5-Omni * ☁️ Skywork-OR1-preview
- 🖼️ 多模态 * 🔍 InternVL3（已支持 AWQ 量化） * 🌊 SeaLLMs-v3 * 🗣️ Paraformer-ZH * 🛰️ Megatts3
🛠️ 功能增强
- 🧠 Gradio 聊天界面支持展示思考过程（需打开“解析思维过程”）
- 📐 Vision 模型支持 min/max_pixels 控制输入分辨率
- 📥 模型下载支持进度显示与取消
- ⚙️ 默认并发数设置为 CPU 核心数
- 🧪 支持 InternVL3 的 AWQ 推理
- 🏎️ 默认使用最新版 xllamacpp 引擎
🐛 BUG 修复
- 🧊 修复 vLLM 引擎停止时卡住的问题
- 🧩 修复 llama.cpp 多分片模型加载失败
- 📂 修复 GGUF 模型路径错误
- 🧮 修复量化参数不生效问题
📚 文档更新
- 📘 kokoro 使用指南
- 📘 模型虚拟空间特性： https://inference.readthedocs.io/zh-cn/latest/models/virtualenv.html
🏢 企业版
🎬 支持文生视频界面 企业版新增文生视频模块界面，AI 视频创作更直观、操作更友好。 🚀 昇腾适配能力增强 适配模型范围进一步扩展，支持更多模型在昇腾上稳定高效运行。
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。