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 v1.10.0 更新日志
✅ 本次亮点
- 🤖 Anthropic API 格式支持 * 现在可以直接用 Claude Code 等 Anthropic 客户端连接 Xinference，生态兼容性更强。
- 🔐 新增 IP 白名单限制通过环境变量 * XINFERENCE_ALLOWED_IPS 配置，限制可访问的来源 IP，安全性大幅提升。
- 📑 OpenAI API 接口增强 * vLLM 引擎现已支持 json_object 和 json_schema 输出格式，后续版本会覆盖更多引擎。
🌐 社区版更新
📦 安装方式
- pip 安装：pip install 'xinference==1.10.0'
- 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
✨ 新特性
- Anthropic API 格式支持
- OpenAI API：vLLM 支持 json_schema 输出
- 新增 IP 白名单环境变量 XINFERENCE_ALLOWED_IPS
🛠 功能增强
- 更新 GOT-OCR2 的依赖
- MLX 引擎 LLM 模型运行时清理内存
- funasr 升级至 1.2.7
- 修复 CUDA 12.8 Dockerfile 构建问题
🐞 Bug 修复
- 修复 Kokoro-82M 无法在 GPU 上运行的问题
- 修复 vLLM 引擎 hf_overrides 解析问题
- 修复 jina-embedding-v4 响应缺失 usage 字段
- 修复分布式注册时的异常
📚 文档更新
- 新增 CUDA 12.8 Docker 文档说明
- 更新 xllamacpp 文档
🏢 企业版更新（v0.2.3 发布）
- Langfuse 升级至 v3 版本，监控与可观测能力更强
- 企业私有模型库新增若干 OCR 模型，增强文档与图像识别场景支持
- 大量可用性优化，进一步提升整体稳定性与用户体验
参考：https://xinference.cn/release_notes/v1.10.0.html
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。
