中文互联网基础语料4.0发布，规模达120GB：有哪些关键信息？

9月15日在济南网络安全宣传周分论坛上正式发布。

数据总量为120GB，已上线中文互联网语料资源平台。

由网信办指导，协会联合百度、科大讯飞等六家单位共建。

用户需经注册认证程序后，方可下载或获取相关数据。

物界前沿 · 资讯情报卡（IT之家 · 2026/9/15）

中文互联网基础语料4.0发布，规模达120GB

核心事实

关键数据

120GB数据量

物界观察

官方主导的高质量中文语料库迭代至4.0，标志着国内大模型训练正从“野蛮生长”转向“合规可信”阶段。头部企业深度参与共建，既解决了数据版权与质量痛点，也构建了行业壁垒。对于中小开发者而言，获取门槛虽存在但路径清晰，有望降低对海外数据的依赖，推动国产AI生态的自主可控进程。