法拉利HP车队与IBM达成深度战略合作，利用其AI技术升级车迷应用，将赛道海量复杂数据转化为沉浸式内容。此举旨在应对F1粉丝群体多元化增长，通过生成式AI重塑粉丝经济，并设立“车迷发展主管”强化互动体验。
未来不远公司推出F1机器人，具备22个关节和轮式底盘，能自动执行起床任务，如推床、拉窗帘、热牛奶等，全程无需遥控。它还能扫地、哄娃，续航8小时，通过RVLA模型离线训练动作，遇障碍自动重试，提升家务效率。
纽约初创公司Eight Sleep获1亿美元融资，用AI技术打造智能床垫，通过监测用户睡眠数据提供个性化健康管理。投资方包括HSG、Valor等知名机构，法拉利F1车手也参与投资。该产品旨在解决全球失眠问题，将普通床升级为"私人医生"。
工业AI初创公司CVector获150万美元种子前轮融资，专注为制造业和公用事业提供智能化解决方案。面对客户对初创公司存续性的普遍担忧，CVector通过引入专业投资者和强调创始团队长期承诺来建立信任。两位创始人凭借在能源和物理领域的专业背景，整合金融科技、F1赛车开源软件等资源，开发出能兼容老旧工业系统的AI代理。目前已在化工、汽车和能源行业成功部署，帮助客户实现设备精准管理和运营优化。
WHEE 推出的 Miracle F1 大模型，生成图像真实到忘记这是 AI
复杂推理的复合AI模型
卡通抽象扁平插画模型，用于生成可爱卡通风格插画。
Baidu
-
输入tokens/百万
输出tokens/百万
上下文长度
magiccodingman
这是一个基于Qwen3-4B-Thinking-2507的密集模型实验性量化版本。它采用了创新的MXFP4混合量化技术，旨在探索通过组合不同精度的权重（如MXFP4与Q8_0、Q6_K等），在显著减小模型文件大小、提升推理速度（TPS）的同时，尽可能保持接近原始F16模型的精度。该项目展示了混合量化方法的潜力，但已被作者更新的版本所取代。
rodrigomt
本项目是基于Qwen3-30B-A3B-Thinking-2507-Deepseek-v3.1-Distill-V2-FP32模型的量化版本，提供了多种GGUF格式文件，包括F16全精度和多种量化版本（Q5_K_XL、Q4_K_XL、Q3_K_XL），满足不同硬件环境和使用需求。
mradermacher
UZI1-GGUF是基于gemma-3-270m架构的量化版本模型，专门针对文本生成和对话任务进行了优化。该模型提供了多种量化版本，从Q2_K到f16不同精度，满足不同硬件环境和使用需求。
CIRCL
这是一个基于RoBERTa-base微调的漏洞分类模型，专门用于CWE（通用弱点枚举）父漏洞分类任务。在评估集上取得了87.5%的准确率和0.6248的F1宏值，能为软件安全漏洞分析提供有效支持。
yashpwr
一款先进的命名实体识别模型，专门用于从简历中提取结构化信息。该模型在22,542份简历样本上训练，F1分数达到90.87%，可识别25种实体类型，包括个人信息、联系方式、工作经历、教育背景和技能等。
OpenMed
OpenMed-NER-ChemicalDetect-MultiMed-568M是一款专门用于化学实体识别的生物医学NLP模型，能够在生物医学文献中精准识别化学化合物和物质。该模型基于bge-m3架构，在BC4CHEMD数据集上训练，达到0.9459的F1分数，为生物医学研究和临床应用提供有力支持。
preszzz
这是一个基于AST架构的音频检测模型，专门针对无人机音频识别任务进行微调。在评估集上取得了99.6%的准确率和99.74%的F1值，表现出色。
luisgasco
基于ModernBERT-base微调的模型，在评估集上F1分数为0.3833
ZeroWw
该模型经过自行量化处理，输出和嵌入张量量化为f16格式，其余张量量化为q5_k或q6_k格式，体积更小且性能与纯f16相当。
ZeroWw是一个经过量化的文本生成模型，输出和嵌入张量使用f16格式，其余张量使用q5_k或q6_k格式，体积更小且性能与纯f16相当。
一个经过量化的文本生成模型，输出和嵌入张量采用f16格式，其余张量采用q5_k或q6_k量化，体积更小且性能与纯f16版本持平。
jiyometrik
基于distilbert-base-uncased微调的文本分类模型，F1分数为0.6147
这是moka-ai/m3e-base模型的静态量化版本，专门用于文本嵌入任务，支持中文和英文。提供了多种量化级别，从Q2_K到f16，满足不同场景下的性能和精度需求。
这是ltg/flan-t5-definition-en-xl基础模型的静态量化版本，专门用于文本到文本生成和定义建模任务。该模型提供了多种量化级别，从极小的Q2_K到高质量的Q8_0和f16版本，用户可以根据硬件资源和精度需求选择合适的版本。
mahdin70
基于Microsoft的UniXcoder微调的C/C++代码漏洞检测模型，准确率68.34%，F1分数62.14%
ai4privacy
基于ModernBERT-base的多语言PII脱敏与分类模型，支持8种语言，F1分数达0.915。
专为英语文本的个人身份信息（PII）脱敏设计的模型，基于50万条英语PII数据集微调，综合F1分数达98.82%。
laurafcamargos
基于distilbert-base-uncased-distilled-squad微调的问答模型，在评估集上F1分数达81.33
SunitOutreach
基于BERT-base的微调模型，用于文本分类任务，在评估集上F1分数达到0.9313
mrm8488
基于ModernBERT-base微调的金融新闻情感分析模型，在评估集上F1分数达0.9765
一个基于TypeScript的F1赛车数据MCP服务器，提供实时和历史F1赛事数据访问。
一个基于TypeScript的F1赛车数据MCP服务器，提供实时和历史F1赛事数据，包括车手信息、赛道数据、天气情况等，支持通过标准化URI访问。
一个提供全面F1赛车数据和分析的MCP服务器，包含36+工具，支持比赛结果、遥测分析、计时数据、策略统计、实时信息等多种功能，可与Claude Desktop集成。
基于FastF1的F1赛车数据MCP服务器，提供赛程、成绩、圈速等实时数据查询服务
一个提供F1赛车数据的MCP服务器，包含赛事日程、车手信息、遥测数据和比赛结果等功能。
基于FastF1的F1数据查询服务
一个基于TypeScript的F1赛车数据MCP服务器，提供实时和历史F1赛事数据，包括计时数据、车手信息、赛道信息等。
Safetensors支持多种语言%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)
