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 史上最大开源代码数据集(13 条相关)→
「编程与Agent」频道最新
- BELL stack 开源：浏览器+Agent 框架+iMessage+支付，一套搭个人智能体 — jeff_weinstein · 2026-10-27
- 法律 AI 公司 Legora 在 Modal 上并行跑 2000 个 agent eval — blelbach · 2026-10-27
- 两名工程师用 AI 3.5 个月重建 FedEx 供应商计费核心,原估 7-8 个月 — alex_verem · 2026-10-27
- AA 实测 GPT-6.1 Terra:编码 Agent 得 48 分,成本仅前代三分之一 — ArtificialAnlys · 2026-10-27
- Shift-1 模型路由器发布：编码 Agent 成本最高降 55% — ypatil125 · 2026-10-27
- 零基础用户用 Claude Code 两周 vibe coding 出一款 Godot JRPG — ADHDavid · 2026-10-27