中文互联网基础语料 4.0 发布，120GB 数据支持大模型训练

在济南召开的 2026 年国家网络安全宣传周人工智能安全治理分论坛上，中文互联网基础语料 4.0 正式发布，数据量达 120GB，并上线“中文互联网语料资源平台”。用户可通过中国网络空间安全协会官网注册认证后获取数据。

该语料由中国网络空间安全协会联合国家互联网应急中心，会同百度、科大讯飞、知乎等单位共同建设，在 1.0 至 3.0 版本基础上汇聚高质量可信数据，经严格加工处理而成。

网安协会负责人表示，4.0 版本是社会各界协同共建高质量中文语料的重要阶段性成果，进一步丰富了高质量中文语料供给体系。下一步将继续深化语料建设，为人工智能产业高质量发展筑牢数据底座。