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 v1.3.1 发布！ 🎉

🚀 Qwen 新推理模型 QwQ 支持，全新官方维护的 Xllamacpp 现已推出，支持 continuous batching 并发推理！

🔧 重要变更提醒：
当前默认依然使用 llama-cpp-python，要启用 Xllamacpp，请设置环境变量：USE_XLLAMACPP=1。
未来版本计划：
✅ v1.5.0：默认切换到 Xllamacpp
❌ v1.6.0：移除 llama-cpp-python

🚀 社区版

🔧 更新指南

📦 pip: pip install 'xinference==1.3.1'
🐳 Docker: 直接拉取最新版本，或在镜像内运行 pip 更新。

📜 更新日志

✨ 新增模型
🧠 LLM:
* 🌟 QwQ-32B
* 🌙 Moonlight-16B-A3B
* 🔬 InternVL2.5-MPO

🔥 新功能
* 🏗️ 全新 llama.cpp Python binding：Xllamacpp —— 由 Xinference 官方维护，支持 continuous batching 并发推理！
* 🏆 Qwen2.5-VL 现支持 AWQ 量化格式，提升推理效率！
* 🧠 新增模型能力选择项：reasoning_content 参数，可在 UI 上选择解析推理内容。

🛠️ BUG 修复
* 🖼️ 修复 jina-clip-v2 仅传入图像文本时报 无属性错误 的问题。
* ⚙️ 兼容 mlx-lm v0.21.5，提高稳定性。
* 📦 修复 Dockerfile 中 ffmpeg 和 ffprobe 依赖问题。
* 🚀 解决 Langchain-Chatchat 传递 max_tokens=None 时报错的问题。
* 🏗️ 修复 Qwen2.5-VL 在 modelscope 中的模型 ID。
* 📝 解决 create_embedding 传入多余参数导致的错误。
* 💬 修复 qwen2.5-vl-7b 无法聊天的问题。

🎨 UI 相关
* 🔊 为 音频模型 添加模型能力选项，增强可用性！
* 📋 模型列表新增复制按钮，一键复制 模型 UID 等属性，提升使用体验！

🏢 企业版

🔗 全面分布式推理支持，包括优化的 vLLM/sglang 引擎，支持 全国产化推理！
📩 欢迎联系 @首席客服 了解更多详情！

🔥 立即体验 v1.3.1，探索更强大的 AI 推理能力！ 🚀

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。