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 v2.5.0 更新日志

✅ 本次亮点

• 🧠 新模型支持
• Qwen3-TTS 系列（0.6B / 1.7B，Base / CustomVoice / VoiceDesign）
• Gemma-4
• 🖥 Web UI 配置管理能力增强
• 支持在浏览器本地保存 多个模型部署配置（localStorage）
• 更方便在不同模型 / 参数组合之间切换与复用
• 🔁 模型副本恢复能力增强
• Supervisor 重启后支持 自动重连并恢复模型副本状态，提升系统可靠性与容错能力。

🌐 社区版更新

📦 安装方式

• pip 安装：pip install ‘xinference==2.5.0’
• Docker：拉取最新版镜像，或在容器中使用 pip 更新

🆕 新模型支持

• Qwen3-TTS-12Hz-0.6B / 1.7B（Base / CustomVoice / VoiceDesign）
• Gemma-4 ✨ 新特性
• sglang 支持 Qwen3.5
• 新增 Qwen3-TTS 音频模型支持
• WebUI 支持本地保存模型部署配置
• Supervisor 重启后支持模型副本自动恢复 🛠 功能增强
• 自动检测 PyTorch CUDA 版本，用于虚拟环境配置
• 新增轻量级 worker 心跳机制（liveness detection）
• 优化模型部署进度与 worker 状态展示
• 持续更新模型 JSON 配置 🐞 Bug 修复
• 修复认证凭证比较的安全问题（CWE-208）
• 修复 Qwen3 reranker 在 vLLM 下精度问题
• 修复 Qwen3.5 streaming API tag 错误
• 修复 Jinja 模板中 {% break %} 解析问题（如 Kimi K2.5）
• 修复 qwen3-vl embedding 在 vLLM 下的问题 📚 文档更新
• 新增 v2.4.0 发布说明

🏢 企业版更新

• 🔧 1.0.2 版本发布
• 大量稳定性修复与优化

🎉 其他

• 👏 恭喜 @ZhikaiGuo960110 晋升为 Xinference Maintainer 🎉

参考

• https://xinference.cn/release_notes/v2.5.0.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。