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 v1.9.1 更新日志

✅ 本次亮点

• 🖼️ Qwen-Image 系列重大升级

• Qwen-Image：新增 文生图 / 图生图 / 局部重绘（inpainting）

• Qwen-Image-Edit：增强图片编辑体验

• Lightning LoRA 加速支持（https://inference.readthedocs.io/zh-cn/latest/models/model_abilities/image.html#lightning-lora-support）

• 支持 4 步或 8 步生图

• 在 H20 上 生图速度从 35 秒降到 3 秒

• 模型性能基本保持不变

• 🧠 新增前沿模型支持

• Wan 2.2

• Seed-OSS-36B

• DeepSeek-V3.1 量化与工具调用

🌐 社区版更新

📦 安装方式

• pip 安装：pip install 'xinference==1.9.1'
• 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-Edit
• Wan 2.2
• Qwen-Image-Lightning
• Seed-OSS-36B
• DeepSeek-V3.1 Quantized

✨ 新特性

• Qwen-Image：支持文生图 / 图生图 / inpainting
• Qwen-Image 与 Qwen-Image-Edit：支持 Lightning LoRA 加速
• UI：图像模型支持 gpu_count 配置

🛠 功能增强

• 音频模型新增零样本 & 声音克隆能力
• Qwen3 Reranker 支持 vLLM 模板
• llama.cpp 支持 chat_template_kwargs
• cosyvoice2 依赖升级
• 兼容 xllamacpp 0.2.0
• 清理 Docker 构建遗留缓存

🐞 Bug 修复

• 当 GPU 计算能力 < 8.0 时禁用 flash_attention
• 修复 rerank 模型创建问题

📚 文档更新

• 更新自定义模型说明
• 新增多模态文档中图片数量限制说明
• 更新模型列表与 README

🏢 企业版更新

• 本次版本企业版日常 稳定性与 Bug 修复优化。

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。