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 v1.9.0 更新日志
✅ 本次亮点
- 🐍 gpt-oss 模型支持
- 🖼️ Qwen-Image 模型支持
- ⚙️ Rerank 模型支持自由切换后端（含 vLLM 引擎）
- 🔧 Deepseek-R1-0528 支持 Function Calling
- 🔄 sglang 支持流式 Function Call
🌐 社区版更新
📦 安装方式
- pip 安装：pip install 'xinference==1.9.0'
- Docker 使用：拉取最新版镜像，或在容器中使用 pip 更新
🆕 新模型支持
- Qwen-Image
- gpt-oss
- GLM-4.5 quantized 模型
- GLM-4.5v
✨ 新特性
- rerank 模型支持自由切换引擎，支持 vLLM 引擎推理
- Deepseek-R1-0528 支持 Function Calling
- sglang 支持流式 FunctionCall
- gpt-oss 支持 Harmony 格式解析
- UI：运行中的模型页新增 Replica 显示列
🛠 功能增强
- Qwen3 新模型加入工具调用模型列表
- 更新 Qwen3-Coder chat_template
- 支持 qwen-image gguf 格式
- 新增 flash_attention 控制参数 attn_implementation
- 使用 vLLM 引擎时清理 embedding 缓存
- 降级 flash-attn 为 2.7.4 保证兼容
- 新增 OpenFst 源以便构建 ASR 模型
🐞 Bug 修复
- 限定 datasets 版本避免冲突
- 修复 Qwen3 Reranker GPU 异常问题
- 修复旧版 vLLM 与 0.10.0 兼容性问题
- 修复 enable_thinking 导致 reasoning_content 错误
- 修复 async_client 删除错误
- 其他诸多稳定性修复
📚 文档更新
- 增加 CUDA 12.8 Docker 文档
- 更新 xllamacpp 使用说明
🏢 企业版更新（v0.2.1 发布）
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。
