Apex-Testing 基准更新：真实仓库 Agent 编码评测
Apex-Testing基准（基于65-70个真实私有仓库）完成95%模型更新，包含成本、时间、ELO等多维度评分。Qwen3.7-Max 和 DeepSeek V4 等仍在测试中。网站：https://www.apex-testing.org/[4]
大黑AI速报
本期焦点是Claude Code大规模误报安全策略引发社区强烈不满；多个实用工具和评测值得关注，包括Apex-Testing基准更新、小模型Needle在工具调用领域表现亮眼、以及利用路由层将编码成本降至$16的实操经验。
模型动态
26M 参数模型 Needle 在工具调用上击败 Qwen3-0.6B
实测对比显示，26M参数的Needle在函数调用准确率（72% vs 56%）和速度（10.9s vs 47.9s）上均优于Qwen3-0.6B，且对隐式意图处理更稳健。Needle 仅13MB，适合本地工具路由。[5]
产品工具
Claude Code 遭遇大规模误报，用户呼吁慎用
大量用户反馈Claude Code频繁误触发使用策略封禁，涉及代码分析、科研、TTRPG等正常场景。GitHub上已积累数百条类似报告，可复现性强。相关issue地址：https://github.com/anthropics/claude-code/issues/61688[1]
GBrain v0.40.0 发布，接入 Gemini Live 实现语音 Agent
Garry Tan 宣布GBrainv0.40.0 更新，基于Gemini Live为 Agent 增加了语音交互能力，支持大上下文和工具调用。Demis Hassabis 转发并称赞其效果。项目链接：https://github.com/garrytan/GBrain[2]
开源桌面播放器 Axion：一站式播放下载影视动漫
开发者分享基于Electron的桌面端工具，可从VidSrc等源拉取视频，元数据走TMDB，动漫部分走AniList，支持播放和下载。项目地址：https://t.co/33uCS10OgH[3]
技巧教程
低成本编码实战：95% 步骤路由到开源 MoE，仅花费 $16
用户分享通过 vLLM 搭建路由层，将400步重构任务中95%分配给开源 MoE 模型Hunyuan Hy3（约$0.02/步），仅20步调用 Opus，最终总成本$15.60，成功率达93.4%。[6]
硬件动态
自制小米12 Pro 24/7 AI 服务器：Llama.cpp vs LiteRT 实测
Reddit 用户将小米12 Pro改装为全天候 LLM 服务器，重新设计散热和供电，并对比了Llama.cpp和 GoogleLiteRT在 Gemma-4 推理上的性能和功耗。虽然是DIY项目，但对手机推理有参考价值。[7]