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。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。
- 支持加载模型时指定 worker 和 GPU 索引: #1195
- 支持 SGLang 后端: #1161
- 支持LLM和图像模型的LoRA: #1080
- 支持语音识别模型: #929
- 增加 Metrics 统计信息: #906
- Docker 镜像支持: #855
- 支持多模态模型：#829
- 内置 Qwen1.5 32B: #1249
- 内置 OmniLMM: #1171
- 内置 Gemma: #1024
- 内置 Qwen1.5: #994
- 内置 Yi-VL: #946
- 内置 Whisper: #929
🌟 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。
| 功能特点 | Xinference | FastChat | OpenLLM | RayLLM |
|---|---|---|---|---|
| 兼容 OpenAI 的 RESTful API | ✅ | ✅ | ✅ | ✅ |
| vLLM 集成 | ✅ | ✅ | ✅ | ✅ |
| 更多推理引擎（GGML、TensorRT） | ✅ | ❌ | ✅ | ✅ |
| 更多平台支持（CPU、Metal） | ✅ | ✅ | ❌ | ❌ |
| 分布式集群部署 | ✅ | ❌ | ❌ | ✅ |
| 图像模型（文生图） | ✅ | ✅ | ❌ | ❌ |
| 文本嵌入模型 | ✅ | ❌ | ❌ | ❌ |
| 多模态模型 | ✅ | ❌ | ❌ | ❌ |
| 语音识别模型 | ✅ | ❌ | ❌ | ❌ |
| 更多 OpenAI 功能 (函数调用) | ✅ | ❌ | ❌ | ❌ |
在开始之前，请给我们一个星标，这样你就可以在 GitHub 上及时收到每个新版本的通知！
体验 Xinference 最轻量级的方式是使用我们 Google Colab 上的 Jupyter Notebook。
Nvidia GPU 用户可以使用Xinference Docker 镜像 启动 Xinference 服务器。在执行安装命令之前，确保你的系统中已经安装了 Docker 和 CUDA。
使用 pip 安装 Xinference，操作如下。（更多选项，请参阅安装页面。）
pip install "xinference[all]"要启动一个本地的 Xinference 实例，请运行以下命令：
$ xinference-local一旦 Xinference 运行起来，你可以通过多种方式尝试它：通过网络界面、通过 cURL、通过命令行或通过 Xinference 的 Python 客户端。更多指南，请查看我们的文档。
| 平台 | 目的 |
|---|---|
| Github 问题 | 报告错误和提交功能请求。 |
| Slack | 与其他 Xorbits 用户合作。 |
| 及时了解新功能。 | |
| 微信社群 | 与其他 Xorbits 用户交流。 |
| 知乎 | 了解团队最新的进展。 |