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 v1.7.0 更新日志
✅ 本次亮点
- 🧠 Qwen3 模型新增 Embedding 与 Reranker 支持
- 🔍 Embedding 支持多引擎切换机制新增 vLLM 后端支持，统一调用方式，灵活适配不同部署需求。
- 🎞️ 首尾帧生成视频能力上线图生视频模块支持传入首帧与尾帧，自动补全过程动画。
🌐 社区版更新
📦 安装方式
- pip 安装：pip install 'xinference==1.7.0'
- Docker 使用：拉取最新版镜像，或在容器中使用 pip 更新
🆕 新模型支持
- CogView4（图像生成模型）
- Deepseek-R1-0528 混合量化版
- Qwen3 Embedding
- Qwen3-Reranker
- MiniCPM4 系列
- SeACoParaformer（语音识别）
✨ 新特性
- 图像生成：新增 CogView4 模型支持
- Embedding 模型支持指定运行引擎（如 vLLM）
- Qwen3 Embedding 模型支持
- Qwen3 Reranker 模型支持
- 图生视频新增 首帧-尾帧生成 能力
- FunASR 系列语音模型支持 verbose_json 输出格式
- Embedding 模型新增 model_engine 参数（UI 支持）
- transcripts API 支持透传 kwargs
- Web UI 支持日语与韩语界面语言
- 运行中模型页面加载时自动切换至活动标签页
- UI 支持 image / video 模型筛选（基于 model_ability）
🛠 功能增强
- 支持 PCM 音频响应格式（response_format=pcm）
🐞 Bug 修复
- 修复 Qwen 与 Spring AI function call 配合使用时报错问题
- 修复 sglang 潜在卡死问题
- 修复移动端语言切换异常问题（UI）
- 修复命令行参数 bug
- 修复依赖安装问题
📚 文档更新
- CosyVoice 文档更新
- 模型列表文档更新
- 链接整理与修复
🏢 企业版更新
-
🧠 支持 vLLM v1 引擎自动选择与分布式部署默认启用 v1 引擎，自动适配多机多卡，显著提升模型推理吞吐与稳定性。
-
🖥️ UI 显示优化：异构集群信息更清晰可见
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。