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 v1.5.1 发布！
🆕 重点亮点
- 🧠 支持 Qwen3 / Qwen3-MOE 大模型家族 支持 Qwen3 正式版，以及 Qwen3-MOE 多专家模型！
- 🎬 支持 Wan 2.1 文生视频模型 更强的文生视频能力，为 AI 视频生成打开新可能！
- ⚙️ vLLM 支持 GGUFv2 格式 兼容范围更广，模型加载更灵活！
🧪 社区版
📦 更新指南
- 📥 pip：pip install 'xinference==1.5.1'
- 🐳 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
- 🧠 Qwen3 / Qwen3-MOE
- 🎬 Wan 2.1（文生视频）
- 🖼️ Ovis2（多模态视觉模型）
⚙️ 功能增强
- 🧠 UI 支持高亮输入框内容，优化用户体验
- 📊 UI 显示 model_ability，更直观了解模型能力
- 🧩 vLLM 引擎支持 GGUFv2 模型格式
- ⚙️ GLM4-0414 模型支持 MLX 和 GGUF 格式
- 🔧 支持为 SSE 设置 Ping 的时间，防止意外的 :ping: chunk 导致客户端错误
- 🧠 PyTorch 格式模型不再内置 4-bit / 8-bit 量化选项，改为支持更灵活的 bitsandbytes 动态量化，未来将扩展支持更多格式
- 🧩 所有引擎支持 chat_template_kwargs 参数
- 🔊 音频模型能力统一展示
🧹 模型清理
- 🗑️ 清理了一批已过时的模型，保持模型库高质量、常用可用
🐛 问题修复
- 💬 修复 sgLang 聊天失败的问题
- 🛠️ 修复 UI 在未安装引擎时不展示可选项的问题
- 🧹 修复模型加载失败时未能清理资源的问题
📚 文档更新
- 🧾 troubleshooting.rst 中新增关于 numpy 导致启动报错的排查说明
🏢 企业版
- 🔐 部署支持限制端口范围 / 使用单端口，可部署于更严格的防火墙与隔离网络中
- 🔀 PD 分离支持不同个数的 P 和 D 节点，资源利用更灵活
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。