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：
Xinference v1.4.0 发布 🚀！
✨ Gemma-3 模型重磅来袭，DeepSeek-v3 现已支持 Function Calling！ 🎉 社区贡献者突破 100+！感谢大家的支持，期待更多伙伴加入贡献代码 💪💖。
🌍 社区版
📌 更新指南 * Pip：pip install 'xinference==1.4.0’ * Docker：拉取最新版本即可，或在镜像内使用 pip 更新。
📝 更新日志
🔥 新模型 * LLM： * Gemma-3-it ✨ * 注意：需要安装特定版本的 transformers 👉 pip install git+https://github.com/huggingface/transformers@v4.49.0-Gemma-3 * 🚀 新功能 * 优化 xllamacpp 后端异常处理 ⚡ * 新增 HTTP 请求身份验证指南 🔐 * 新增 xllamacpp 相关文档 📖 * 新增 DeepSeek v3 函数调用 🛠 * 支持 DeepSeek 流式 API 🌊 🐞 BUG 修复 * 修复 MLX VL 模型的 max_tokens 🎯 * 修复 Internvl2.5-mpo awq，修正型号卡信息拼写错误 ✍ * 修复 vLLM 参数 "enable_prefix_caching" ⚙ * 修复 QWEN2.5-32B-GPTQ-int4 解析 token 错误 🔄 🎨 UI 相关 * 移除 llama.cpp 对 n_gpu 的 model_format 限制 🖥 * 调整 “GPU 数量” 文字描述为 “每个副本的 GPU 数量” 🎛
🏢 企业版
* K8s 现支持使用 Helm Charts 部署企业版集群 ⛵ * 更多 UI & 性能优化，体验更丝滑 🚀
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。
评论删除后，数据将无法恢复
🚀 Xinference v1.4.0｜探索 Gemma-3与 DeepSeek-v3 强大功能！
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：
Xinference v1.4.0 发布 🚀！
✨ Gemma-3 模型重磅来袭，DeepSeek-v3 现已支持 Function Calling！
🎉 社区贡献者突破 100+！感谢大家的支持，期待更多伙伴加入贡献代码 💪💖。
🌍 社区版
📌 更新指南
* Pip：pip install 'xinference==1.4.0’
* Docker：拉取最新版本即可，或在镜像内使用 pip 更新。
📝 更新日志
🔥 新模型
* LLM：
* Gemma-3-it ✨
* 注意：需要安装特定版本的 transformers 👉 pip install git+https://github.com/huggingface/transformers@v4.49.0-Gemma-3
*
🚀 新功能
* 优化 xllamacpp 后端异常处理 ⚡
* 新增 HTTP 请求身份验证指南 🔐
* 新增 xllamacpp 相关文档 📖
* 新增 DeepSeek v3 函数调用 🛠
* 支持 DeepSeek 流式 API 🌊
🐞 BUG 修复
* 修复 MLX VL 模型的 max_tokens 🎯
* 修复 Internvl2.5-mpo awq，修正型号卡信息拼写错误 ✍
* 修复 vLLM 参数 "enable_prefix_caching" ⚙
* 修复 QWEN2.5-32B-GPTQ-int4 解析 token 错误 🔄
🎨 UI 相关
* 移除 llama.cpp 对 n_gpu 的 model_format 限制 🖥
* 调整 “GPU 数量” 文字描述为 “每个副本的 GPU 数量” 🎛
🏢 企业版
* K8s 现支持使用 Helm Charts 部署企业版集群 ⛵
* 更多 UI & 性能优化，体验更丝滑 🚀
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。