Xinference v0.15.0 版本飞跃：自定义模型能力再升级，重塑 AI 交互体验

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 v0.15.0 🚀 重磅来袭，内部新的重构能让用户能真正自定义 Xinference 非内置模型。qwen2-vl-Instruct 🤖 第一时间支持，使用需要从源码安装 transformers：pip install git+ GitHub - huggingface/transformers: 🤗 Transformers: State-of-the-art Machine Learning for Pytorch, Te 更新指南 📚

pip：pip install 'xinference==0.15.0' 💻
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 📝

新增内置支持模型 🤝
- 多模态 qwen2-vl-instruct 📸
新功能 🎉
- 重构的register逻辑：现在可以完全自助地注册一个不在内置列表中的LLM模型，register接口仅为此场景工作。注册内置的模型系列使用launch接口的model_path参数。 📝
- v0.15.0 xinference内置客户端chat接口已废弃prompt, system_prompt 和 chat_history参数，这三个参数将被messages参数替代，与openai形式保持一致。 💬
- v0.15.0 Qwen系列的react形式的tool call功能已经移除，由OpenAI API形式的tool call代替。移除qwen-chat 1代的tool call能力（不影响qwen1.5-chat和qwen2）。 🚫
- v0.15.0 已移除chatglm3。因其官方已基本不更新同时各规格接口不一致，glm系列模型推荐直接使用glm4-chat 🚫
- MiniCPM-V-2.6 支持transformers引擎的continuous batching 📈
- image2image/inpainting 支持unpad 🎨
- 兼容openai 库版本 >=1.40 📚
BUG修复 🐜
- 修复自定义模型文件导致的无法启动问题 💻
- 修复镜像由于entrypoint无法启动的问题 🚢
- 修复rerank模型 max_length设置的问题 📊
- 修复rerank模型的输出中rerank token的统计问题 📊
- 修复embedding模型中embedding token的统计问题，同时优化显存占用 💻
- 修复日志异常的一些问题 📝
- 修复vllm性能回退的问题 📊
UI 🎨
- 新的注册模型界面和逻辑 📝
即将废弃： 🕰️
- v0.16.0 transformers引擎的continuous batching将代替现有的推理逻辑成为默认推理行为。 🔜