VOL. 2026-11-08 · 12 STORIES · DAILY INTELLIGENCE
AI HOT RADAR 日报
2026-11-08 · PUBLISHED · 约 9 分钟
OpenAI 完成约 110 亿美元首批融资、估值达 1.25 万亿…
OpenAI 完成约 110 亿美元首批融资、估值达 1.25 万亿美元，是当日最重大的行业变化。产品层面，OpenAI Agents 的 Python 与 JavaScript SDK 同步推进，新增托管工具与流式进度等能力；Open WebUI 则把 Claude Code、Codex 等编码智能体接入模型选择器，并推出可操作本地文件的桌面应用 Tether。开源与端侧方面，llama.cpp 连续发布多个版本，围绕 MoE 缓存 CPU 分担、BF16 累加精度与 Top-K 确定化持续优化，Qwen3.5-2B 的 LiteRT-LM 量化版则面向端侧推理落地。腾讯同日系统展示了覆盖数据、安全与工程的 Agent 布局。
今日看点
5 个章节 · 12 条情报- 01API 与平台更新OpenAI Agents SDK v0.24.0-alpha.7 发布2
- 02产品发布Open WebUI v0.13.1：编码智能体接入与 Tether 桌面应用2
- 03模型发布Qwen3.5-2B 端侧 LiteRT-LM 量化版发布2
- 04开源项目llama.cpp b12191：MoE 缓存支持 CPU 分担未命中专家5
- 05行业与商业OpenAI完成110亿美元首批融资，估值达1.25万亿美元1
API 与平台更新
API UPDATE2 篇OpenAI Agents SDK v0.24.0-alpha.7 发布
OpenAI 发布 Agents SDK v0.24.0-alpha.7，引入通过 agents.classic 导入的 v0 经典运行时，并新增 CustomStorage 持久化会话存储、语音与托管工具（FileSearch、CodeInterpreter、ImageGeneration）支持，以及上下文转换、完成审核和 RunBudget 用量预算等控制能力。该版本还调整了执行器写入策略默认值、gpt-6-astra 等模型的默认推理强度，并重命名 MCP 审批模式，属于面向开发者的 alpha 升级。
OpenAI Agents JS SDK v0.22.0-alpha.2 发布
OpenAI 发布 Agents JavaScript SDK v0.22.0-alpha.2，新增原生 fileSearch、codeInterpreter、imageGeneration 工具并支持流式进度，同时引入精确步进控制、RunBudget 预算限制和基于 SessionStore 的会话恢复。该版本还通过 A2A 1.0 适配器支持跨代理连接，并新增语音工作流组件。升级需同步更新五个捆绑包，并迁移已移除的实验性 SDKRunner 桥接。
产品发布
PRODUCT RELEASE2 篇Open WebUI v0.13.1：编码智能体接入与 Tether 桌面应用
Open WebUI 发布 v0.13.1，新增将 Claude Code、Codex、Pi 等编码智能体作为模型接入模型选择器的能力，并推出桌面伴侣应用 Tether，可将本地电脑接入 Open WebUI，让模型和智能体直接操作真实文件与工具。该版本还通过提示缓存优化大幅降低工具调用对话成本，新增由评审模型自动放行工具调用的 Auto 权限模式，并带来多项性能提升。
腾讯Agent布局全貌：不止WorkBuddy，覆盖数据、安全与工程
腾讯在2025年全球数字生态大会上系统展示了其Agent布局，除已出圈的WorkBuddy外，还发布了跨应用协同体系Buddy One，并围绕数据、安全、工程三大板块推出TDSQL Nexa Lakebase、DataBuddy语义层、云安全中心Agent审计、AgentHosting品牌（Lighthouse Agent、ClawPro、SkillHub、Octop）及Agent Runtime基础设施等产品。腾讯高级执行副总裁汤道生指出企业落地Agent的最大难题是AI与业务系统、数据之间的“断点太多”，腾讯据此提出打造“全场景、高效能、更放心”的Agent生产力系统。
模型发布
MODEL RELEASE2 篇Qwen3.5-2B 端侧 LiteRT-LM 量化版发布
litert-community 将阿里 Qwen3.5-2B 转换为 LiteRT-LM 格式，发布纯文本与视觉两个 int8 量化版本，用于端侧推理。在 Galaxy S26 上，GPU 解码速度达 17.5 tok/s，CPU 达 19.0 tok/s；在树莓派 5 上，CPU 解码速度为 4.2 tok/s。作者承认此前量化配方存在缺陷，导致 CPU 后端在多步算术上出现循环回复，并已在 2026-10-11 重新量化修复，同时替换了分词器以修正组合字符的分词差异。
Lightricks 发布 LTX-2.5 多模态生成模型
Lightricks 发布了 LTX-2.5 模型，支持图像/文本/音频到视频及音频的生成，并强调可自托管部署。该模型采用社区许可协议，提供 API 演示和 GitHub 资源，旨在提供全面的视频、音频和世界模拟能力。
开源项目
OPEN SOURCE5 篇llama.cpp b12191：MoE 缓存支持 CPU 分担未命中专家
llama.cpp 发布 b12191 版本，为 MoE 缓存引入 CPU 分担机制：通过 --moe-cache-cpu-share 参数，将部分未命中专家在 CPU 上计算而非上传至设备，并新增 moe-cache-tune.py 调优脚本自动推荐缓存大小与 CPU 分担比例。该改动还调整了调度器与图构建逻辑，使 CPU 部分可异步执行、不阻塞设备计算，旨在降低 MoE 推理的显存占用与传输开销。
llama.cpp b12202：按参考精度引入 BF16 累加
llama.cpp 发布 b12202 版本，核心改动是让 llama 与 mtmd 遵循 ggml_prec_set_acc 调用的参考精度：GLM4 系列的下投影与输出投影、MiMoVL 视觉矩阵乘、Qwen3-TTS 说话人编码器 conv1d 改为 GGML_PREC_BF16，而 DeepSeek V4/V4.1 路由器和 MiniMax-M3 索引器保持 F32。ggml 后端同步处理 GGML_PREC_BF16，CUDA、Hexagon、OpenCL、WebGPU、Vulkan 对 MUL_MAT_ID 的 src1 同样拒绝该精度，CPU、SpaceMIT、ET 在 flash attention 中以 F32 累加接受 BF16。同时新增 flash attention 测试覆盖，并为 KQ 乘法请求 BF16 精度。
llama.cpp b12208：CUDA/Metal radix Top-K 并列选择确定化
llama.cpp 发布 b12208 版本，主要更新 ggml 的 CUDA/Metal radix Top-K 实现，使阈值处并列候选的选择结果确定化，输出在不同运行间字节一致。Metal 端用 simdgroup 扫描替代原子计数器压缩，在 M5 Ultra 上 top-k 耗时降低约 20-45%，并启用 Metal 与 ROCm 的确定性自检。
opencoti-llamafile：集成多项 KV 与投机解码优化的单文件推理引擎
ManniX-ITA 在 Hugging Face 发布 opencoti-llamafile，这是基于 Mozilla-Ocho llamafile 的单文件推理引擎，并集成了 opencoti 补丁系列。它新增了 PolyKV/KVarN 的 KV 驻留与量化、KV 滚动窗口、弹性多会话服务、DCA 长上下文扩展、MTP 投机解码、稀疏注意力、RYS 层复制，以及 CUDA 和 Vulkan 双 GPU 后端。该引擎主要针对 Gemma-4 系列调优，Qwen 系列作为次要验证目标；其他架构则回退到上游行为。
LiteLLM 发布 v1.110.0-dev.2：镜像签名验证与多项修复
LiteLLM 发布 v1.110.0-dev.2 开发版本，所有 Docker 镜像均使用 cosign 签名，并提供了基于固定 commit hash 和 release tag 的两种验证方式。该版本包含大量修复与功能更新，涉及路由重试记录、按 key/team 关闭 prompt 存储、Azure AI 新增 Cohere 重排模型、Gemini 2.5 Pro 缓存定价、Anthropic 流式工具参数保留、成本表同步 Kimi K3.1 Pro 等模型价格，以及为 OpenAI、Anthropic、Gemini 增加预置凭证检测规则等。
行业与商业
BUSINESS1 篇OpenAI完成110亿美元首批融资，估值达1.25万亿美元
OpenAI已完成新一轮融资首批约110亿美元的交割，公司估值达1.25万亿美元，本轮融资总额最高或达200亿美元，投资方包括Coatue Management、普信集团、软银、红杉资本等。与此同时，竞争对手Anthropic因AI股票下跌，IPO估值预期从1.4万亿至1.5万亿美元下调至1.2万亿至1.3万亿美元，且IPO后可能无法获得投资级信用评级。两家公司的估值变化反映出资本市场对AI基础设施投入和未来回报的关注正在增加。