# Xorbits Inference: Simplificando o deploy de modelos 🤖

Xinference Enterprise · Self-Hosting · Documentação

[![PyPI Latest Release](https://img.shields.io/pypi/v/xinference.svg?style=for-the-badge)](https://pypi.org/project/xinference/) [![License](https://img.shields.io/pypi/l/xinference.svg?style=for-the-badge)](https://github.com/xorbitsai/inference/blob/main/LICENSE) [![Build Status](https://img.shields.io/github/actions/workflow/status/xorbitsai/inference/python.yaml?branch=main&style=for-the-badge&label=GITHUB%20ACTIONS&logo=github)](https://actions-badge.atrox.dev/xorbitsai/inference/goto?ref=main) [![Docker Pulls](https://img.shields.io/docker/pulls/xprobe/xinference?style=for-the-badge&logo=docker)](https://hub.docker.com/r/xprobe/xinference) [![Discord](https://img.shields.io/badge/join_Discord-5462eb.svg?logo=discord&style=for-the-badge&logoColor=%23f5f5f5)](https://discord.gg/Xw9tszSkr5) [![Telegram](https://img.shields.io/badge/join_Telegram-26A5E4.svg?logo=telegram&style=for-the-badge&logoColor=white)](https://t.me/+nCNpwmySwk9iYmI1) [![Twitter](https://img.shields.io/twitter/follow/xorbitsio?logo=x&style=for-the-badge)](https://twitter.com/xorbitsio)

Xorbits Inference (Xinference) é uma biblioteca poderosa e versátil para modelos de linguagem, reconhecimento de voz e modelos multimodais. Com o Xinference você pode implantar seu próprio modelo ou modelos integrados de ponta com um único comando e oferecê-los como um serviço. Pesquisadores, desenvolvedores e cientistas de dados podem explorar totalmente as capacidades dos modelos de IA modernos.

👉 Junte-se à nossa comunidade no Discord! · Participe do nosso grupo no Telegram

## 🔥 Destaques ### Melhorias no framework - O Xinference 4.0.0 está disponível com Xavier multi-engine, separação P/D heterogênea e reconfiguração de modelos em tempo de execução: [Notas da versão](https://github.com/xorbitsai/inference/releases/tag/v4.0.0) - Deploy nativo para agentes: o Xinference integra-se ao [Xagent](https://github.com/xorbitsai/xagent), permitindo planejamento dinâmico, uso de ferramentas e inferências multi-step autônomas, ultrapassando os limites de pipelines estáticos. - Batching automático: múltiplas requisições simultâneas são agrupadas automaticamente para aumentar significativamente o throughput. : [#4197](https://github.com/xorbitsai/inference/pull/4197) - [Xllamacpp](https://github.com/xorbitsai/xllamacpp): novos bindings Python para llama.cpp mantidos pela equipe Xinference, suportam batching contínuo e são mais adequados para produção. : [#2997](https://github.com/xorbitsai/inference/pull/2997) - Inferência distribuída: modelos podem ser executados entre vários workers: [#2877](https://github.com/xorbitsai/inference/pull/2877) - Melhorias no vLLM: compartilhamento do KV-cache entre réplicas: [#2732](https://github.com/xorbitsai/inference/pull/2732) ### Novos modelos - Suporte integrado para [FLUX 3 Image Klein](https://huggingface.co/black-forest-labs/flux-3-image-klein) : [#5792](https://github.com/xorbitsai/inference/pull/5792) - Suporte integrado para a série FIBO 2.0 ([Dev](https://huggingface.co/briaai/Fibo-2.0-dev), [Edit Turbo](https://huggingface.co/briaai/Fibo-2.0-edit-turbo)) : [#5790](https://github.com/xorbitsai/inference/pull/5790) - Suporte integrado para a série Ming-3.0 TTS ([Tiny](https://huggingface.co/inclusionAI/Ming-3.0-tts-tiny), [0.5B](https://huggingface.co/inclusionAI/Ming-3.0-tts-0.5B)) : [#5788](https://github.com/xorbitsai/inference/pull/5788) - Suporte integrado para [Xiaomi-OCR-0](https://huggingface.co/SeerRay-Lab/Xiaomi-OCR-0) : [#5764](https://github.com/xorbitsai/inference/pull/5764) - Suporte integrado para [MOSS-Image-SFT](https://huggingface.co/OpenMOSS-Team/MOSS-Image-SFT) : [#5755](https://github.com/xorbitsai/inference/pull/5755) - Suporte integrado para [DeepSeek-V4.1-Flash-1017](https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017) : [#5753](https://github.com/xorbitsai/inference/pull/5753) - Suporte integrado para a série Iris-3B ([Base](https://huggingface.co/speridlabs/iris-3b), [Turbo](https://huggingface.co/speridlabs/iris-3b/tree/main/turbo)) : [#5686](https://github.com/xorbitsai/inference/pull/5686) - Suporte integrado para a série MiniCPM-V-4.7 ([1B](https://huggingface.co/openbmb/MiniCPM-V-4.7-1B), [35B-A3B](https://huggingface.co/openbmb/MiniCPM-V-4.7-35B-A3B)) : [#5676](https://github.com/xorbitsai/inference/pull/5676) - Suporte integrado para a série Qwen3.8-Flash-Next ([Base](https://huggingface.co/Qwen/Qwen3.8-Flash-Next), [FP8](https://huggingface.co/Qwen/Qwen3.8-Flash-Next-FP8)) : [#5673](https://github.com/xorbitsai/inference/pull/5673) - Suporte integrado para a série GLM-5.3 ([BF16](https://huggingface.co/zai-org/GLM-5.3-BF16), [FP8](https://huggingface.co/zai-org/GLM-5.3)) : [#5666](https://github.com/xorbitsai/inference/pull/5666) - Suporte integrado para [Qwen-Image-2.1-Turbo](https://huggingface.co/Qwen/Qwen-Image-2.1-Turbo) : [#5665](https://github.com/xorbitsai/inference/pull/5665) - Suporte integrado para [DeepSeek-V4.1-Flash](https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash) : [#5661](https://github.com/xorbitsai/inference/pull/5661) - Suporte integrado para [EmbeddingGemma 2](https://huggingface.co/google/embeddinggemma-2) : [#5644](https://github.com/xorbitsai/inference/pull/5644) - Suporte integrado para [Confucius4-TTS](https://huggingface.co/netease-youdao/Confucius4-TTS) : [#5591](https://github.com/xorbitsai/inference/pull/5591) - Suporte integrado para [jina-ocr-v1](https://huggingface.co/jinaai/jina-ocr-v1) : [#5588](https://github.com/xorbitsai/inference/pull/5588) ### Integrações - [Xagent](https://github.com/xorbitsai/xagent): plataforma de agentes enterprise com planejamento, memória e integração de ferramentas. - [Dify](https://marketplace.dify.ai/plugin/langgenius/xinference): plataforma LLMOps para construir aplicações rapidamente com visualização e controle. - [FastGPT](https://github.com/labring/FastGPT): plataforma de conhecimento baseada em LLM para processamento de dados e chamadas de modelo. - [RAGFlow](https://github.com/infiniflow/ragflow): motor RAG open-source para compreensão profunda de documentos. - [MaxKB](https://github.com/1Panel-dev/MaxKB): assistente open-source de base de conhecimento com integração RAG. ## Principais funcionalidades 🌟 Deploy de modelos simplificado: simplifica a disponibilização de LLMs, modelos de reconhecimento de voz e modelos multimodais. Modelos experimentais e de produção podem ser configurados e implantados com um único comando. ⚡️ Modelos de ponta acessíveis: experimente modelos integrados com um único comando. O Xinference fornece acesso a modelos open source de última geração. 🖥 Suporte para hardware heterogêneo: aproveite GPUs e CPUs eficientemente (ex.: via [ggml](https://github.com/ggerganov/ggml)) para acelerar a inferência. ⚙️ APIs e interfaces flexíveis: API RESTful compatível com OpenAI (incluindo Function Calling), RPC, CLI, Web UI e mais. 🌐 Deploy distribuído: facilita a distribuição de inferência através de múltiplos dispositivos e máquinas. 🔌 Integrações de terceiros: integração com [LangChain](https://reference.langchain.com/python/langchain-community/llms/xinference/Xinference), [LlamaIndex], [Dify], [Chatbox], etc. ## Por que Xinference | Função | Xinference | FastChat | OpenLLM | RayLLM | |---------------------------------------------|------------|----------|---------|--------| | API RESTful compatível com OpenAI | ✅ | ✅ | ✅ | ✅ | | Integração vLLM | ✅ | ✅ | ✅ | ✅ | | Diversos motores de inferência (GGML, TensorRT)| ✅ | ❌ | ✅ | ✅ | | Diversas plataformas (CPU, Metal) | ✅ | ✅ | ❌ | ❌ | | Deploy em cluster multi-nó | ✅ | ❌ | ❌ | ✅ | | Modelos de imagem (Texto→Imagem) | ✅ | ✅ | ❌ | ❌ | | Modelos de embeddings de texto | ✅ | ❌ | ❌ | ❌ | | Modelos multimodais | ✅ | ❌ | ❌ | ❌ | | Modelos de voz | ✅ | ❌ | ❌ | ❌ | | Function Calling (OpenAI-like) | ✅ | ❌ | ❌ | ❌ | ## Como usar o Xinference - **Self-Hosting Xinference Community Edition** Siga o [guia de início](#começando) para executar o Xinference localmente. Detalhes na documentação: https://inference.readthedocs.io/. - **Xinference para empresas** **Xinference Enterprise** é a edição comercial para equipes que executam modelos em produção. Implante-a na sua própria nuvem ou no seu data center, ou escolha uma implantação dedicada gerenciada com **Xinference Cloud**. A **Model API** hospedada permite acessar os modelos compatíveis por meio de uma API compatível com OpenAI sem gerenciar a infraestrutura de inferência. Saiba mais em [xinference.co](https://xinference.co). Para consultas empresariais, [entre em contato por e-mail](mailto:info@xinference.co?subject=[GitHub]Business%20License%20Inquiry). ## Fique atualizado Dê uma estrela no Xinference no GitHub para receber atualizações de release. ![star-us](../assets/stay_ahead.gif) ## Começando * [Documentação](https://inference.readthedocs.io/en/latest/index.html) * [Modelos integrados](https://inference.readthedocs.io/en/latest/models/builtin/index.html) * [Modelos customizados](https://inference.readthedocs.io/en/latest/models/custom.html) * [Documentação de deploy](https://inference.readthedocs.io/en/latest/getting_started/using_xinference.html) ### Quickstart **pip** ```bash pip install xinference xinference-local ``` **Instalação com um comando** Linux/macOS: ```bash curl -fsSL https://raw.githubusercontent.com/xorbitsai/inference/main/scripts/install.sh | sh ``` Windows PowerShell: ```powershell irm https://raw.githubusercontent.com/xorbitsai/inference/main/scripts/install.ps1 | iex ``` [Guia de instalação](https://inference.readthedocs.io/en/latest/getting_started/installation.html#one-line-install) · [Guia de uso](https://inference.readthedocs.io/en/latest/getting_started/using_xinference.html#run-xinference-locally) ### Docker Usuários com GPU NVIDIA podem usar a [imagem Docker do Xinference](https://inference.readthedocs.io/en/latest/getting_started/using_docker_image.html). Certifique-se de ter Docker e CUDA antes de instalar. ```bash docker run --name xinference -d -p 9997:9997 -e XINFERENCE_HOME=/data -v :/data --gpus all xprobe/xinference:latest xinference-local -H 0.0.0.0 ``` ### K8s (Helm) Após habilitar GPUs no cluster Kubernetes, instale com: ``` # Adicionar repositório helm repo add xinference https://xorbitsai.github.io/xinference-helm-charts # Atualizar índice e verificar versões helm repo update xinference helm search repo xinference/xinference --devel --versions # Instalar Xinference helm install xinference xinference/xinference -n xinference --version 0.0.1-v ``` Mais opções de K8s na documentação. ![web UI](../assets/screenshot.png) ## Contribuir | Plataforma | Propósito | |---------------------------------------------------------------------------|------------------------------------------| | [Github Issues](https://github.com/xorbitsai/inference/issues) | Reportar bugs e solicitar features | | [Discord](https://discord.gg/Xw9tszSkr5) | Colaboração com outros usuários | | [Telegram](https://t.me/+nCNpwmySwk9iYmI1) | Discussões com a comunidade | | [Twitter](https://twitter.com/xorbitsio) | Notícias e anúncios | ## Citação Se este projeto foi útil, cite-o assim: ```bibtex @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", } ``` ## Colaboradores

## Histórico de estrelas [![Star History Chart](https://star-history.dera.page/svg?repos=xorbitsai/inference&type=Date)](https://star-history.dera.page/#xorbitsai/inference&Date)