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 v1.0.1 发布！ 新增 Qwen O1 系列模型 和 GLM4-edge 系列，企业版引入副本伸缩容支持，还有更多惊喜功能和优化等你体验🚀。
🌐 社区版
📋 更新指南
* 🏷️ pip：pip install ‘xinference==1.0.1’
* 🐳 Docker：拉取最新版本即可，也可以直接在镜像内用 pip 更新
🆕 更新日志
* 新模型
* 🤖 大语言模型：QwQ-32B-Preview
* 🖼️ 多模态模型：glm-edge-chat
* 新功能
* 🔧 vllm 引擎支持 guided decoding 功能
* 🎙️ 语音模型 Fish Speech 增加 reference audio 支持，并支持流式处理
* 📊 bge-m3 模型新增稀疏向量生成功能
* 🍎 语音模型 Whisper 支持 Mac MLX 引擎
* 🐞 BUG修复
* 修复 GTE-qwen2 的 Embedding Dimension 错误问题
* 修复流式接口 request_limits 参数不生效的问题
* 修复 Codestral v0.1 的下载链接问题
* 修复 embedding 输入与 langchain_openai 的兼容性问题
🏢 企业版
* 企业版将在下周中发布，更新亮点包括：
* 📈 支持副本的自动伸缩，根据负载无损增删副本
* 🔄 初步支持不停机升级
☁️ 云上版本
* 新增支持模型：Qwen 2.5 coder 32B 🚀
* 🎨 BrillAI 集成 SD WebUI，现已上线体验🎉🎉
* 💡 BrillAI 免费用户的并发度从 1 提升到 3 👍
* 🖼️ 多模态图片预览体验优化，让使用更流畅～
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。