🔥Xinference v1.4.1 重磅发布！分布式推理全面升级，AI 模型效率大幅提升

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 v1.4.1 发布！ 🎉

💡 vLLM 分布式推理来了！现在你可以在多台机器上运行 vLLM 进行高效推理。 👀 SGLang 引擎新增视觉模型支持，Transformer 引擎的 GPTQ 量化推理速度大幅提升！

🌟 开源社区动态

🎉 恭喜 @阿豪和 @minamiyama 晋升 maintainer！让我们一起祝贺他们！👏👏

🆓 社区版更新指南

pip：pip install 'xinference==1.4.1'
Docker：拉取最新版本即可，或者在镜像内使用 pip 更新。

🚀 更新日志

🔥 新增模型

LLM：
- 🦄 Qwen2.5-VL 32B
- 💰 Fin-R1（金融领域）
- 🧐 Deepseek-VL2
✨ 新功能
- 新增 n_worker 校验机制，若超出可用 worker 数量，则拦截避免错误 🚧
- Fin-R1 模型支持 GPTQ（int4, int8）和 FP8
- SGLang 引擎新增视觉模型支持 👀
- SGLang 现支持 GPTQ int8 量化
- 优化 GPTQ 处理：用 gptqmodel 取代 auto-gptq，提升推理效率 🚀
- vLLM 现支持分布式推理，可跨机器部署⚡
- Deepseek-V3 现支持 Function Calling 🛠️
- Qwen2.5-VL-32B 正式支持！
🎯 🐞 Bug 修复
- 📝 修正 7B-AWQ 下载中心拼写错误
- 🔧 兼容新版 LangChain OpenAI max_completion_tokens 参数
- 🛠 修复 Docker 镜像内 spacy > 3.0.6 限制导致的失败问题
- ⚙ 修复 vLLM 引擎量化参数无法生效的 bug
- 🏗 修复 _ModelWrapper 未继承 nn.Module 导致的 PyTorch 类型错误
- ⚡ 修复 LLM 流式输出问题，提升交互体验！