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。
🎉 Xinference v0.13.1 正式发布！
- 新增内置支持模型 📦
- glm4-chat gguf格式 📝
- 新功能 🚀
- 注册自定义模型接口可支持指定worker_ip。现在配合launch模型接口的worker_ip参数，可以在分布式场景下仅在一个worker上传模型文件，然后部署使用 🌐
- Launch模型接口支持download_hub参数，以最高优先级控制从哪里下载模型 📥
- 全新 Flexible 模型，支持部署任意模型（文本分类，情感识别等等），下个版本将发布相关使用文档 📚
- 移除对chatglm-cpp的支持，移除chatglm chatglm2 chatglm3的ggmlv3老模型格式的支持。glm系列推荐使用glm4。后续将持续移除一些ggmlv3的老模型 🗑️
- 移除对LLM模型create_embedding的支持 ❌
- BUG修复 🐛
- 修复chatTTS的若干问题。现在直接使用chatTTS自身的依赖，更加可靠 🔧
- 修复GPU docker镜像中无法安装最新版llama-cpp-python的问题。目前仅CPU docker镜像中因其自身问题仍保持旧版llama-cpp-python 🐍
- UI相关 💻
- 修复记忆上一次launch参数功能的一些问题 📝
- 修复一些模型页面上无法显示是否已cache的问题 📊
- Launch页面可选配置中可以选择模型下载来源 🔄
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。
