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 Transformers 引擎的持续批处理: #1724
- 支持针对苹果芯片优化的MLX后端: #1765
- 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
- 内置 Qwen 2.5 Series: #2325
- 内置 Fish Speech V1.4: #2295
- 内置 DeepSeek-V2.5: #2292
- 内置 Qwen2-Audio: #2271
- 内置 Qwen2-vl-instruct: #2205
- 内置 MiniCPM3-4B: #2263
- 内置 CogVideoX: #2049
- 内置 flux.1-schnell & flux.1-dev: #2007
- FastGPT：一个基于 LLM 大模型的开源 AI 知识库构建平台。提供了开箱即用的数据处理、模型调用、RAG 检索、可视化 AI 工作流编排等能力，帮助您轻松实现复杂的问答场景。
- Dify: 一个涵盖了大型语言模型开发、部署、维护和优化的 LLMOps 平台。
- Chatbox: 一个支持前沿大语言模型的桌面客户端，支持 Windows，Mac，以及 Linux。
- RAGFlow: 是一款基于深度文档理解构建的开源 RAG 引擎。
🌟 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) | ✅ | ❌ | ❌ | ❌ |
-
云
我们提供 Xinference 云服务，无需任何设置。 -
自托管 Xinference 社区版
使用 入门指南 快速在你自己的环境中运行 Xinference。 参考 文档 以获得参考和更多说明。 -
面向企业/组织的 Xinference 版本
我们提供额外的面向企业的功能。 通过企业微信联系 或 提交表单 讨论企业需求。
在 GitHub 上给 Xinference Star，并立即收到新版本的通知。
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。
确保你的 Kubernetes 集群开启了 GPU 支持，然后通过 helm 进行如下方式的安装。
# 新增xinference仓库
helm repo add xinference https://xorbitsai.github.io/xinference-helm-charts
# 更新仓库，查询可安装的版本
helm repo update xinference
helm search repo xinference/xinference --devel --versions
# 在K8s中安装xinference
helm install xinference xinference/xinference -n xinference --version 0.0.1-v<xinference_release_version>
更多定制化安装方式，请参考文档。
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。 |
如果您觉得此项目有帮助，请以如下格式引用我们：
@inproceedings{lu2024xinference,
title = "Xinference: Making Large Model Serving Easy",
author = "Lu, Weizheng and Xiong, Lingfeng and Zhang, Feng and Qin, Xuye and Chen, Yueguo",
booktitle = "Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing: System Demonstrations",
month = nov,
year = "2024",
address = "Miami, Florida, USA",
publisher = "Association for Computational Linguistics",
url = "https://aclanthology.org/2024.emnlp-demo.30",
pages = "291--300",
}