让模型推理变得轻而易举 —— Xinference v 0.13.0 新版本@了你！
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快速迭代，v0.13.0 已正式发布！！！Apple M系列专用后端 MLX 来临，Mac 上加速高达 40% 🚀。目前已支持 qwen2 和 gemma-2。阿里云镜像也如约而至，且容量大幅缩减，解决大家在国内拉取 docker 的痛点。详细更新内容如下：
- 新增内置支持模型 📦
- qwen2 gguf格式 📝
- gemma-2-it 💻
新功能 🚀
- transformers推理后端支持开启continuous batching(连续批处理)，优化LLM同时服务多请求的吞吐。支持generate / chat / vision任务，欢迎试用。详见：https://inference.readthedocs.io/zh-cn/latest/user_guide/continuous_batching.html 📊
- 支持mac arm芯片平台下的高速推理引擎MLX 🍏
- 官方GPU镜像以vllm镜像为基础进行重构。大幅减少镜像体积，要求宿主机cuda版本12.4+和nvidia驱动版本550+。详见：https://inference.readthedocs.io/zh-cn/latest/getting_started/using_docker_image.html 🎥
- 官方镜像支持从阿里云服务中拉取。详见：https://inference.readthedocs.io/zh-cn/latest/getting_started/using_docker_image.html ☁️
- 新增更多日志模块。现在与请求相关的详细的uvicorn日志将被记录在日志文件中，同时transformers和vllm在命令行和文件中也会有更详细的日志 📑
BUG修复 🐛
- 修复glm4 tool call的问题 🔧
- 修复rerank接口curl和python客户端返回documents行为不一致的问题 📜
- 更新glm4v模型的版本号，修复多GPU使用等若干问题。已下载的用户删除后重新下载即可 🔄
- 修复LLM为基础的rerank计算报错的问题 💡
- 修复deepseek-vl-chat模型缺少依赖的问题 🔗
UI相关 💻
- 优化鉴权模式下的使用体验 🔐
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。https://github.com/xorbitsai/inference 给我们一个 星标，遮掩给你就可以在GitHub上及时收到每个新版本的通知。
