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
- 拆解两款真实「公司大脑」：Slite 与 Gorgias 同台对比构建之道 — femke_plantinga · 2026-09-11
- 浏览器主线程很贵:动画卡顿的真正成本与前端优化实践 — jh3yy · 2026-09-11
- 开源工具 Claude Unlimited：多账号轮换让 Claude Code 会话不断线 — Similar_Injury_6739 · 2026-09-11
- 受 OpenAI 万机群启发，开发者开源 agent 众包解题平台 — Benjaminsen · 2026-09-11
- 开源 Mac 应用 Lucid：只在跑 AI 时阻止笔记本休眠 — Pitiful_Hedgehog_600 · 2026-09-11
- 20kb 函数匹配达成,banteg 召集 AI 逆向 Snail Mail 剩余 20 个挑战 — banteg · 2026-09-11