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 v2.1.0 更新日志
✅ 本次亮点
* 🧠 GLM-4.7 / GLM-4.7-Flash 支持
* 新增对 GLM-4.7 及 GLM-4.7-Flash 的完整支持，进一步扩展 GLM 系列模型生态。
* 🎤 Qwen3-ASR 系列上线
新增：
* Qwen3-ASR-0.6B
* Qwen3-ASR-1.7B
完整支持 Qwen3-ASR 语音识别模型，覆盖轻量与高性能两类场景。
* 🖼️ FLUX.2-Klein 系列支持
新增：
* FLUX.2-Klein-4B
* FLUX.2-Klein-9B
强化图像生成与编辑能力，持续完善 FLUX 生态支持。
* 🔁 MinerU2.5-2509-1.2B 调整
对 MinerU2.5-2509-1.2B 模型进行更新与调整，优化模型配置与适配流程。
🌐 社区版更新
📦 安装方式
* pip 安装：pip install ‘xinference==2.1.0’
* Docker：拉取最新版镜像，或在容器中使用 pip 更新
🆕 新模型支持
* GLM-4.7
* GLM-4.7-Flash
* Qwen3-ASR-0.6B / 1.7B
* FLUX.2-Klein-4B / 9B
🛠 功能增强
* 更新 DeepSeek-V3.2 / DeepSeek-V3.2-Exp 模型配置
* 优化镜像构建依赖（约束 setuptools < 82）
* 重构 API 层结构：
* 提取 Pydantic 请求 Schema
* 路由注册模块化拆分，代码结构更清晰
🐞 Bug 修复
* 修复 vLLM embedding 模型报错问题
* 修复 vLLM reranker 评分异常
* 修复 vLLM reranker GPU 释放异常
* 兼容 vLLM async tokenizer 处理逻辑
* 修复 CI 中 setuptools 相关问题
🏢 企业版更新
* 🔧 稳定性增强
包含多项底层优化与问题修复，提升整体运行稳定性与企业级部署可靠性。
参考
* 中文：https://xinference.cn/release_notes/v2.1.0.html
* 英文：https://xinference.io/release_notes/v2.1.0.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。
