Xorbits Inference 1.6.0版本发布:多模态与量化模型能力全面升级
Xorbits Inference是一个开源的AI模型推理框架,它提供了高效、灵活的模型部署方案,支持从文本生成到多模态处理的各类AI任务。本次1.6.0版本的发布带来了多项重要更新,特别是在多模态处理能力、模型量化支持以及推理性能优化方面有显著提升。
多模态处理能力增强
1.6.0版本在多模态处理方面取得了重要进展:
-
图像到视频转换:新增了image_to_video功能,可以将静态图像转换为动态视频,为内容创作提供了新的可能性。这项功能在UI界面中得到了良好支持,用户可以直观地进行操作。
-
音频处理界面:专门为音频模型设计了新的用户界面,使得音频生成和处理变得更加便捷。这一改进大大提升了音频相关任务的用户体验。
-
视觉语言模型支持:新增了Qwen2.5-VL-32B-Instruct等视觉语言模型,增强了系统处理图像与文本联合任务的能力。
模型支持扩展
本次更新引入了多个新模型,显著扩展了框架的能力范围:
-
大语言模型:新增了XiYanSQL-QwenCoder-2504、HuatuoGPT-o1、DianJin-R1等专业领域模型,特别强化了在医疗、金融等垂直领域的处理能力。
-
量化模型支持:针对Qwen3系列模型(包括235B等大参数模型)提供了GPTQ量化支持,包括Int4和Int8两种量化精度。这种量化技术可以在保持模型性能的同时大幅减少内存占用和计算资源需求。
-
Skywork系列支持:新增了对Skywork-OR1模型的支持,包括32B参数的GPTQ量化版本,为用户提供了更多模型选择。
推理性能优化
在推理性能方面,1.6.0版本做出了多项改进:
-
异步处理优化:使用xo.wait_for替代asyncio.wait_for进行actor调用,提高了异步任务的执行效率和稳定性。
-
推理内容解析:改进了推理内容的解析逻辑,特别是对思考标签()的自动补全功能,使得模型输出更加规范可靠。
-
停止词处理:优化了停止词处理逻辑,解决了在vllm模型生成配置中可能出现的停止词处理问题,提高了生成文本的质量。
开发者体验提升
针对开发者体验,本次更新也做出了多项改进:
-
环境隔离:实现了Worker环境隔离,确保不同模型运行环境的独立性,提高了系统的稳定性和安全性。
-
依赖管理:将autoawq和GPTQModel等特定功能分离到单独的安装包中,使得核心框架更加轻量,用户可以根据需要选择安装特定功能。
-
配置加载:支持通过函数加载模型配置,提供了更灵活的模型管理方式。
-
文档与UI改进:在侧边菜单中添加了文档链接和版本信息显示,方便用户快速获取帮助和了解系统状态。
总结
Xorbits Inference 1.6.0版本在多模态处理、模型支持和推理性能等方面都取得了显著进步。特别是新增的图像到视频转换功能和专业领域模型支持,使得框架能够应对更加多样化的AI应用场景。量化技术的广泛应用也为资源受限环境下的模型部署提供了更多可能性。这些改进共同推动了Xorbits Inference作为一个全面、高效的AI推理解决方案的成熟度。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00