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 v1.13.0 更新日志

✅ 本次亮点

• 🏪 Xinference Model Hub 正式上线 现在可以通过 model.xinference.io 获取最新模型，无需等待 Xinference 发版即可更新模型。 👉 参考文档： https://inference.readthedocs.io/en/latest/models/model_update.html

• ⚡ Embedding 自动 Batch（auto-batch）支持 多个并发 embedding 请求会被自动合批处理，大幅提升吞吐量：

• 并行请求自动聚合为高效 batch

• 对业务透明，无需修改调用代码

• 平均响应时间可降低 10 倍

🌐 社区版更新

📦 安装方式

• pip 安装：pip install 'xinference==1.13.0'
• Docker：拉取最新镜像或在容器内使用 pip 更新

🆕 新模型支持

• Qwen3-VL-MLX（MLX 框架多模态支持）

✨ 新特性

• 自动 batch embedding
• 从 Xinference Model Hub 更新模型
• 支持更新模型 JSON 元数据

🛠 功能增强

• IndexTTS2 支持 流式输出
• IndexTTS2 支持 离线部署
• 增加 embedding benchmark
• 修复 peft 版本导致的 CI 构建问题

🐞 Bug 修复

• 修复 DeepSeek-OCR 在 Docker 中运行异常
• 工具调用（tool call）ID 使用 UUID，避免重复
• 修复音频 / 视频 / 图像模型缓存列表显示问题

📚 文档更新

• 新模型文档更新
• 1.12.0 版本在 uv 下的安装说明
• 模型在线更新机制文档更新

🏢 企业版更新

• 新增 MinerU 2.5 支持：更强大的 PDF / 文档解析能力
• 新增 paddleocr-vl 支持：OCR + 视觉理解一体化模型，适配更多业务场景
• 系统稳定性增强：持续修复多项问题，提升大规模集群运行可靠性

参考

中文：https://xinference.cn/release_notes/v1.13.0.html

英文：https://xinference.io/release_notes/v1.13.0.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。