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 v1.7.1 更新日志
✅ 本次亮点
🌐 社区版更新
📦 安装方式
- pip 安装：pip install 'xinference==1.7.1'
- Docker 使用：拉取最新版镜像，或在容器中使用 pip 更新
✨ 新特性
- UI 增强：模型注册页支持音频 & reranker 参数提示
- reranker 支持展示 max_tokens 参数（UI）
- 支持 LLM 模型注册时选择 model_ability（UI）
- 模型注册支持自定义依赖包上传（UI）
- 支持异步客户端（async client）
- 新增模型支持：QwenLong-L1
- 支持寒武纪 MLU 设备
- 支持 vLLM v1 引擎自动启用
- 支持 MLX 模型分布式推理（Mac）
- Helm 支持基于 HAMi 部署 vGPU 环境
🛠 功能增强
- reranker 与 embedding 模型支持 enable_flash_attn 参数
- 模型家族 API 增加更多能力描述字段
- 本地集群启动时引入子进程就绪信号机制，提升稳定性
- FishSpeech 支持 PCM 格式音频
- Qwen3 Reranker 模型支持 4 样本 micro-batching，降低显存占用
- llama.cpp 后端默认限制 n_parallel，防止资源争抢
- 固定 flash-attn、flashinfer-python、sgl-kernel 等依赖版本
- Dockerfile 优化
🐞 Bug 修复
- 修复 TTS 模型找不到文件的错误
- 修复 Qwen3 reranker max_tokens 参数不生效问题
- 修复自定义 embedding 模型加载问题
- 修复 jina-clip-v2 在仅文本或仅图像输入时的错误
- 修复 internvl 使用 vllm 推理时的报错
- 修复流式 tool call 的解析逻辑
- 修复 UI 中 --download-hub 参数命名错误为 --download_hub
- 修复关闭 enable_thinking 时仍错误添加 <think> 标签的问题
📚 文档更新
🏢 企业版更新
- 发布 0.1.1 版本，支持更多监控和指标接口、大量 MindIE 和 Tool Call 优化
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。
