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 v1.14.0 更新日志
✅ 本次亮点
* ⚡ 模型多副本并行加载
* 多副本（replicas）支持 并行加载
* UI 显示每个副本的独立加载进度
* 在实例页面可查看所有副本状态
* 🧪 模型虚拟空间（virtualenv）增强
* 现在支持在页面中 管理与删除虚拟空间
* 👉 文档参考：
https://inference.readthedocs.io/en/latest/models/virtualenv.html#manage-virtual-enviroments
* 🚫 引擎不可用时可显示具体原因
* 更容易排查运行环境问题，不再需要猜测为什么某个引擎不可用
* 🔍 Rerank 现在支持 llama.cpp 后端
* 重排模型可以用更轻量的推理方式运行
* 🔄 vLLM 新版（0.11.1+）完全兼容
* 🖼️ 新模型支持：FLUX.2-dev
* 高质量图像生成模型更新，模型能力进一步提升
🌐 社区版更新
📦 安装方式
* pip 安装：pip install 'xinference==1.14.0'
* Docker：拉取最新镜像或在容器内使用 pip 更新
🆕 新模型支持
* HunyuanOCR
* FLUX.2-dev
✨ 新特性
* 模型副本并行加载
* 虚拟空间可管理与删除
* rerank 支持 llama.cpp 后端
* vLLM 0.11.1+ 兼容
🛠 构建与修复
* 修复 gradio 6.x UI 启动模型异常
* 修复 hybrid CPU/GPU 集群下无法选择 GPU 的问题
* 兼容 xllamacpp 0.2.5+
* 修复 DeepSeek-OCR 在 Docker 中的报错
* 修复多模态模型缓存不显示的问题
* tool call ID 改为 UUID，避免冲突
📚 文档更新
* 更新 v1.13.0 发布文档
* 更新模型与文档生成流程
🏢 企业版更新
* 性能提升：多副本加载、推理调度更快
* 稳定性增强：修复若干问题，企业集群运行更可靠
参考
中文：https://xinference.cn/release_notes/v1.14.0.html
英文：https://xinference.io/release_notes/v1.14.0.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。
