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 v2.4.0 更新日志


✅ 本次亮点

* 🔭 引入 OpenTelemetry（OTEL）可观测能力
支持接入 OpenTelemetry，可对推理请求、系统运行状态等进行统一观测与追踪，提升生产环境下的可观测性与调试能力。

* 🖥 支持 aarch64 镜像（ARM 架构）
新增 aarch64 架构镜像支持，可运行在 ARM CPU 环境（如 NVIDIA DGX Spark 等），进一步拓展部署场景。



🌐 社区版更新

📦 安装方式
* pip 安装：pip install ‘xinference==2.4.0’
* Docker：拉取最新版镜像，或在容器中使用 pip 更新

✨ 新特性
* 引入 OpenTelemetry（OTEL）支持
* 支持 vLLM v0.18.0
* 新增 GPU 使用率指标（gpu load metrics）
* 支持 aarch64 架构镜像构建与运行

🛠 功能增强
* 持续更新模型配置（Qwen3.5 等）
* 优化 vLLM embedding 参数兼容（适配 vLLM > 0.16）
* Supervisor 模型注册与列表查询并行化

🐞 Bug 修复
* 修复 async client FormData 与响应生命周期问题
* 修复 MLX 后端输出累积问题
* 修复虚拟环境依赖注入问题（site-packages）
* 修复 Qwen3.5 多 GPU 启动问题
* 完善 Qwen3.5 tool call 支持（含 XML-like 格式与 reasoning 解析）
* 修复 GPU utilization 为空导致的 WebUI 崩溃问题

📚 文档更新
* 新增 v2.3.0 发布说明
* README 增加 Xagent 相关内容

🏢 企业版更新

* 🔧 1.0 版本持续优化
围绕企业版 1.0，进行多项性能优化与使用体验提升。


🎉 其他

* 👏 恭喜 @leslie2046 晋升为 Xinference Maintainer 🎉

参考

* https://xinference.cn/release_notes/v2.4.0.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。