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 v2.3.0 更新日志
✅ 本次亮点
- 🧠 主流模型多格式支持完善 本次版本进一步完善了以下模型在不同推理引擎与模型格式下的支持，包括 vLLM、Transformers、量化模型以及 GGUF 模型：
- GLM-5
- Kimi-K2.5
- MiniMax-M2.5
- Qwen3.5 其中 Qwen3.5 重点修复并完善了在多个推理引擎下的兼容性问题，使其在不同运行环境中的部署更加稳定。
🌐 社区版更新
📦 安装方式
- pip 安装：pip install ‘xinference==2.3.0’
- Docker：拉取最新版镜像，或在容器中使用 pip 更新
🆕 模型更新
- 完善以下模型的多引擎与多格式支持：
- GLM-5
- Kimi-K2.5
- MiniMax-M2.5
- Qwen3.5
✨ 新特性
- vLLM 引擎支持 Qwen3.5
- 新增 seed 与 repetition_penalty 参数，用于精度测试与推理控制
🛠 功能增强
- Transformers 引擎支持 Qwen3.5
- 持续更新模型 JSON 配置，提升模型兼容性
🐞 Bug 修复
- 修复 WorkerWrapperBase.init() 参数冲突问题 (rpc_rank)
- 修复 qwen3-vl-embedding 在 vLLM 下的检查问题
- 修复多 GPU 聊天推理问题
- 修复 Qwen3.5 在 vLLM 下因缺少 generation_config.json 导致的启动问题
- 修复 UI 表单默认值初始化问题
📚 文档更新
🏢 企业版
🎉 Xinference 企业版 1.0 正式发布
- 企业版 1.0 首次正式发布，标志着 Xinference 企业级能力进入稳定阶段。
参考
- https://xinference.cn/release_notes/v2.3.0.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。
