The Stack v3 升级为 114TB、5 万亿 tokens 的最大开源代码集
JJitsev · x · 2026-07-24
The Stack v3 已发布，被称为迄今最大的开放代码数据集。
- 数据规模达到 114 TB
- 覆盖 770 种语言
- 收录 2.24 亿 个仓库
- 经去重和过滤后，约有 5 万亿 tokens 的源代码
- 数据集完全开放，并排除了限制性许可证代码
帖子还对比了 v2：
- v2（2024）：68 TB 原始数据，过滤后约 2 TB / 5500 亿 tokens，618 种语言
- v3（2026）：规模和语言覆盖都显著扩大
所属事件:Hugging Face 发布 The Stack v3：114TB 数据、5T tokens(11 条相关)→
「编程与Agent」频道最新
- Tavily 成为 Grok Build 官方搜索插件 — SpaceXAI · 2026-07-24
- 个人 agent 栈落地 Convex：Eve、Composio、OpenRouter — Rasmic · 2026-07-24
- Yutori 把 n1.5 云浏览器直接放进官网首页 — DhruvBatra_ · 2026-07-24
- Cursor 的 SQLite 复现通过 64% 测试，但速度慢 5 倍 — parth007_96 · 2026-07-24
- Uncle Bob 说他靠测试和约束信任编程 agent — bennash · 2026-07-24
- 开发者在上线前如何拼出 day-zero 评测集 — RottenAversion · 2026-07-24