機器人公司1X發佈“1X世界模型”AI模型，旨在讓Neo人形機器人通過理解物理動態實現自主學習，超越預設程序。該模型結合視頻數據與提示詞，使機器人具備學習未訓練任務的能力，推動商業化進程。
在CES2026展會上，由OpenAI投資的1X Technologies公司發佈新一代家務人形機器人Neo。它融合大模型與具身智能技術，計劃2026年在美國上市，2027年推向全球，成爲繼特斯拉Optimus等之後又一重要家用機器人產品。
機器人公司1X與瑞典EQT達成戰略合作，計劃在2026-2030年間向EQT旗下300多家公司提供最多1萬臺人形機器人Neo。這標誌着1X從家庭消費市場轉向工業應用，如製造、倉儲和物流。Neo原定位爲家用機器人，售價2萬美元，具備家庭任務執行能力。
1X公司宣佈與EQT合作，計劃在2026至2030年間向300多家企業批量投放至多1萬臺Neo人形機器人，重點應用於製造、倉儲與物流領域。這標誌着Neo從家用轉向工業場景，公司將與每家企業單獨商定價格和條款，具體售價未公開。
專業AI卡通生成器，可瞬間創建一致卡通角色，超20000創作者信賴。
Luminar Neo是一款先進的圖像處理程序，藉助AI輕鬆完善創意攝影作品。
NeoAgent提供24/7 AI客戶服務，支持WhatsApp、網頁和電話，智能自動化業務。
NeonLights AI是先進AI創意平臺，可從文本或內容創建圖、視頻和動畫。
DavidAU
基於Qwen 3微調的12B參數大語言模型，具備256k超長上下文處理能力，專門針對長文本生成任務進行優化。該模型結合了VLTO 8B模型基礎、Brainstorm 20x調優和NEO Imatrix數據集量化技術，能夠生成高質量的長文本內容。
這是一個增強版的多模態視覺語言模型，基於Qwen3-VL-8B-Thinking模型，通過Brainstorm 20x技術擴展至12B參數，採用NEO Imatrix增強的GGUF量化。模型具備強大的圖像理解、文本生成和多模態推理能力，在視覺感知、文本質量和創意場景方面都有顯著提升。
基於OpenAI的gpt-oss-120b模型優化的大型語言模型，使用NEO數據集進行性能提升，支持多場景應用，可在CPU、GPU或部分卸載模式下運行，具有128k上下文長度和最多128個專家的混合專家架構。
mradermacher
這是chandar-lab/NeoBERT模型的靜態量化版本，旨在減少模型存儲空間和計算資源需求。
基於Mistral的推理模型，通過NEO Imatrix量化和MAX輸出張量優化推理和輸出生成能力
基於Qwen3-30B-A3B混合專家模型的GGUF量化版本，上下文擴展至128k，採用NEO Imatrix量化技術優化，支持多語言和多任務處理。
這是Qwen3-32B模型的NEO Imatrix量化版本，採用BF16格式最大化輸出張量以提升推理/生成能力，支持128k上下文長度。
基於Qwen3-8B模型的NEO Imatrix量化版本，支持32K長上下文和增強推理能力
這是基於Qwen3-4B模型的NEO Imatrix量化版本，採用BF16格式的MAX輸出張量以提升推理和輸出生成能力，支持32k上下文長度。
基於谷歌Gemma-3-4b-it模型，通過Neo Horror Imatrix技術和極致量化方案增強的恐怖題材專用大語言模型
neo4j
Gemma 3 27B Instruct 是由 Google 開發的大型語言模型，基於 neo4j/text2cypher-2025v1 數據集微調，專注於將自然語言轉換為 Cypher 查詢語言。
Gemma 3.4B IT 是一個基於文本到文本生成的大語言模型，專門用於將自然語言轉換為Cypher查詢語言。
基於Google Gemma-3模型，通過9種Neo和恐怖Imatrix方法微調，專注於恐怖和虛構內容生成
Spestly
基於transformers庫的模型，可能使用了unsloth和trl進行優化，適用於監督式微調(SFT)任務
NEOAI
基於深度學習的投資預測系統，採用Transformer架構，融合DeepSeep-V3和LLama3設計結構，用於股價走勢預測和技術分析。
Mistralai推出的24B參數指令微調模型，支持128k上下文長度和多語言處理，採用Neo Imatrix技術和MAX量化方案提升性能
基於Llama 3.2架構的3B參數推理增強模型，採用Neo Imatrix技術和極致量化方案，支持128k長文本處理，具備卓越的指令跟隨和輸出生成能力。
基於谷歌Gemma-3模型的恐怖風格指令微調版本，採用Neo Imatrix技術和極致量化方案，支持128k上下文長度
基於谷歌Gemma-3模型的極致量化版本，採用NEO Imatrix技術增強性能，支持128k上下文長度，適用於全場景任務
基於Google Gemma-3模型的優化版本，採用MAXED和NEO IMATRIX量化技術，提升整體性能和質量。支持32k上下文長度，適用於創意寫作、內容生成等多種場景。
Neon MCP Server是一個開源工具，允許用戶通過自然語言與Neon Postgres數據庫交互，簡化數據庫管理任務。
ATLAS是一個基於TypeScript和Neo4j構建的智能任務與知識管理系統，專為LLM代理設計，提供項目、任務和知識的三層管理架構。
Neovim與Claude集成的MCP服務器，實現AI輔助文本編輯
Neo4j MCP服務器實現，通過Model Context Protocol管理圖數據庫操作，兼容Cursor和Claude Desktop，支持Cypher查詢執行。
一個用於威脅信息收集的MCP服務器項目，支持通過命令行工具收集指定時間範圍內的威脅情報，並可集成Neo4j知識圖譜。
該項目實現了Typecast API的MCP服務器，為MCP客戶端提供標準化的語音合成服務交互方式。
Neo N3 Model Context Protocol (MCP) 是一個標準化的接口協議，用於AI代理和應用程序與Neo N3區塊鏈的交互。它提供了簡單易用的服務器實現，支持通過npx直接運行，無需手動配置環境。協議包含區塊鏈信息查詢、錢包管理、資產轉移、智能合約交互等功能，並額外提供了HTTP服務器以RESTful API形式暴露功能。
NeoCoder是一個基於Neo4j知識圖譜的AI編程輔助系統，通過MCP服務器實現AI助手與知識圖譜的交互，提供標準化編碼工作流程、動態指令手冊和項目記憶功能。系統支持多種操作模式（incarnations），包括基礎編程、科學研究、決策分析、複雜系統建模、知識圖譜管理和代碼分析等，通過Neo4j存儲工作流模板和執行記錄，確保編碼過程的可追溯性和標準化。
NeoDB MCP服務器實現，提供與社交書籍編目服務NeoDB交互的工具
一個為AI助手提供最新Minecraft模組開發文檔的MCP服務器，支持Fabric和NeoForge，包含自動更新的文檔索引和智能搜索功能。
一個基於Neo4j的知識圖譜存儲與檢索服務，作為MCP協議的服務器實現，支持通過環境變量配置數據庫連接，提供項目專屬知識圖譜管理功能。
MCP Neo4j知識圖譜記憶服務器是基於Neo4j圖數據庫的增強版記憶存儲系統，為AI助手提供高性能的知識圖譜存儲和檢索能力。
一個輕量級的模型控制協議(MCP)服務器，用於通過Cursor等代理工具與Neon REST API交互，部署在Cloudflare Workers上。
一個完整的Todo管理系統MCP服務器，集成了Kinde身份驗證、Neon數據庫和計費系統，支持通過Cursor AI進行交互，包含免費用戶5條待辦事項限制和付費升級功能。
Unified MCP Tool Graph 是一個研究驅動的項目，通過將來自不同MCP服務器的工具API聚合並結構化到一個集中的Neo4j圖數據庫中，為大型語言模型（LLMs）和代理AI系統提供動態檢索最相關工具的智能基礎設施層。
GraphRAG MCP是一個結合Neo4j圖數據庫和Qdrant向量數據庫的混合檢索系統，為大型語言模型提供語義和圖關係結合的文檔檢索服務。
MCP Neo4j服務器是一個連接Neo4j圖數據庫與Claude桌面的中間件，支持通過自然語言進行圖數據庫操作，包括查詢、創建節點和關係等功能。
Adaptive Graph of Thoughts是一個基於Neo4j圖數據庫的智能科學推理框架，通過圖結構實現複雜的科學推理任務，支持與Claude Desktop等AI應用集成。
這是一個基於Cloudflare Workers的輕量級Model Control Protocol (MCP)服務器，用於連接代理（如Cursor）與Neon REST API，支持開發者通過工具擴展功能。
基於Neo4j的知識圖譜記憶服務器，為AI交互提供高效存儲和檢索能力
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
