机器人公司1X与瑞典EQT达成战略合作，计划在2026-2030年间向EQT旗下300多家公司提供最多1万台人形机器人Neo。这标志着1X从家庭消费市场转向工业应用，如制造、仓储和物流。Neo原定位为家用机器人，售价2万美元，具备家庭任务执行能力。
1X公司宣布与EQT合作，计划在2026至2030年间向300多家企业批量投放至多1万台Neo人形机器人，重点应用于制造、仓储与物流领域。这标志着Neo从家用转向工业场景，公司将与每家企业单独商定价格和条款，具体售价未公开。
AI专家Ilya Sutskever指出，单纯扩大模型规模的时代已结束，未来突破将依赖更智能的架构设计。这标志着AI发展从“唯规模论”转向新路径。在此背景下，中国团队推出了开源原生多模态架构NEO，为领域创新提供新方向。
诺顿推出全球首款免费“安全AI原生浏览器”Norton Neo，旨在应对AI技术快速发展带来的在线安全挑战，为用户提供更智能、可信的浏览体验。
Luminar Neo是一款先进的图像处理程序，借助AI轻松完善创意摄影作品。
NeoAgent提供24/7 AI客户服务，支持WhatsApp、网页和电话，智能自动化业务。
NeonLights AI是先进AI创意平台，可从文本或内容创建图、视频和动画。
Neocal是一款AI智能日历应用，帮助您有效管理时间和计划日程。
DavidAU
Qwen3-4B-Hivemind-Instruct-NEO-MAX-Imatrix-GGUF 是一款基于 Qwen3 架构的 4B 参数指令微调大语言模型，采用 NEO Imatrix 与 MAX 量化技术，具备 256k 的超长上下文处理能力。该模型在多个基准测试中表现出色，是一款性能强劲的通用型模型。
基于Qwen 3微调的12B参数大语言模型，具备256k超长上下文处理能力，专门针对长文本生成任务进行优化。该模型结合了VLTO 8B模型基础、Brainstorm 20x调优和NEO Imatrix数据集量化技术，能够生成高质量的长文本内容。
这是一个增强版的多模态视觉语言模型，基于Qwen3-VL-8B-Thinking模型，通过Brainstorm 20x技术扩展至12B参数，采用NEO Imatrix增强的GGUF量化。模型具备强大的图像理解、文本生成和多模态推理能力，在视觉感知、文本质量和创意场景方面都有显著提升。
基于OpenAI的gpt-oss-120b模型优化的大型语言模型，使用NEO数据集进行性能提升，支持多场景应用，可在CPU、GPU或部分卸载模式下运行，具有128k上下文长度和最多128个专家的混合专家架构。
mradermacher
这是chandar-lab/NeoBERT模型的静态量化版本，旨在减少模型存储空间和计算资源需求。
基于Mistral的推理模型，通过NEO Imatrix量化和MAX输出张量优化推理和输出生成能力
基于Qwen3-30B-A3B混合专家模型的GGUF量化版本，上下文扩展至128k，采用NEO Imatrix量化技术优化，支持多语言和多任务处理。
这是Qwen3-32B模型的NEO Imatrix量化版本，采用BF16格式最大化输出张量以提升推理/生成能力，支持128k上下文长度。
基于Qwen3-8B模型的NEO Imatrix量化版本，支持32K长上下文和增强推理能力
这是基于Qwen3-4B模型的NEO Imatrix量化版本，采用BF16格式的MAX输出张量以提升推理和输出生成能力，支持32k上下文长度。
基于谷歌Gemma-3-4b-it模型，通过Neo Horror Imatrix技术和极致量化方案增强的恐怖题材专用大语言模型
neo4j
Gemma 3 27B Instruct 是由 Google 开发的大型语言模型，基于 neo4j/text2cypher-2025v1 数据集微调，专注于将自然语言转换为 Cypher 查询语言。
Gemma 3.4B IT 是一个基于文本到文本生成的大语言模型，专门用于将自然语言转换为Cypher查询语言。
基于Google Gemma-3模型，通过9种Neo和恐怖Imatrix方法微调，专注于恐怖和虚构内容生成
Spestly
基于transformers库的模型，可能使用了unsloth和trl进行优化，适用于监督式微调(SFT)任务
NEOAI
基于深度学习的投资预测系统，采用Transformer架构，融合DeepSeep-V3和LLama3设计结构，用于股价走势预测和技术分析。
Mistralai推出的24B参数指令微调模型，支持128k上下文长度和多语言处理，采用Neo Imatrix技术和MAX量化方案提升性能
基于Llama 3.2架构的3B参数推理增强模型，采用Neo Imatrix技术和极致量化方案，支持128k长文本处理，具备卓越的指令跟随和输出生成能力。
基于谷歌Gemma-3模型的恐怖风格指令微调版本，采用Neo Imatrix技术和极致量化方案，支持128k上下文长度
基于谷歌Gemma-3模型的极致量化版本，采用NEO Imatrix技术增强性能，支持128k上下文长度，适用于全场景任务
Neon MCP Server是一个开源工具，允许用户通过自然语言与Neon Postgres数据库交互，简化数据库管理任务。
ATLAS是一个基于TypeScript和Neo4j构建的智能任务与知识管理系统，专为LLM代理设计，提供项目、任务和知识的三层管理架构。
Neovim与Claude集成的MCP服务器，实现AI辅助文本编辑
MCP Neo4j服务器是一个连接Neo4j图数据库与Claude桌面的中间件，支持通过自然语言进行图数据库操作，包括查询、创建节点和关系等功能。
一个基于Neo4J数据库的知识服务MCP服务器原型，可从Neo4J中提取知识回答问题，支持通过Cursor等客户端使用。
这是一个基于Cloudflare Workers的轻量级Model Control Protocol (MCP)服务器，用于连接代理（如Cursor）与Neon REST API，支持开发者通过工具扩展功能。
一个基于模型上下文协议（MCP）的服务器，通过构建代码知识图谱为大型语言模型提供TypeScript代码库的深度上下文理解。它使用AST分析解析代码，在Neo4j中构建全面的图表示，并通过语义搜索和图遍历提供智能查询能力。
一个用于威胁信息收集的MCP服务器项目，支持通过命令行工具收集指定时间范围内的威胁情报，并可集成Neo4j知识图谱。
一个轻量级的模型控制协议(MCP)服务器，用于通过Cursor等代理工具与Neon REST API交互，部署在Cloudflare Workers上。
一个基于Neo4j的知识图谱服务器，集成AI模型与MCP协议，支持动态知识管理和语义搜索。
该项目实现了Typecast API的MCP服务器，为MCP客户端提供标准化的语音合成服务交互方式。
NeoDB MCP服务器实现，提供与社交书籍编目服务NeoDB交互的工具
NeoCoder是一个基于Neo4j知识图谱的AI编程辅助系统，通过MCP服务器实现AI助手与知识图谱的交互，提供标准化编码工作流程、动态指令手册和项目记忆功能。系统支持多种操作模式（incarnations），包括基础编程、科学研究、决策分析、复杂系统建模、知识图谱管理和代码分析等，通过Neo4j存储工作流模板和执行记录，确保编码过程的可追溯性和标准化。
MCP Neo4j知识图谱记忆服务器是基于Neo4j图数据库的增强版记忆存储系统，为AI助手提供高性能的知识图谱存储和检索能力。
Neo4j MCP服务器实现，通过Model Context Protocol管理图数据库操作，兼容Cursor和Claude Desktop，支持Cypher查询执行。
一个基于Neo4j的知识图谱存储与检索服务，作为MCP协议的服务器实现，支持通过环境变量配置数据库连接，提供项目专属知识图谱管理功能。
一个完整的Todo管理系统MCP服务器，集成了Kinde身份验证、Neon数据库和计费系统，支持通过Cursor AI进行交互，包含免费用户5条待办事项限制和付费升级功能。
Neo4j MCP服务器是一个支持环境变量配置的知识图谱存储服务，兼容模型上下文协议。
GraphRAG MCP是一个结合Neo4j图数据库和Qdrant向量数据库的混合检索系统，为大型语言模型提供语义和图关系结合的文档检索服务。
Adaptive Graph of Thoughts是一个基于Neo4j图数据库的智能科学推理框架，通过图结构实现复杂的科学推理任务，支持与Claude Desktop等AI应用集成。
%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)
