中文互联网基础语料 4.0 正式发布，120GB 高质量可信数据重磅上线
9月15日下午，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正式向社会发布，数据量120GB，同步在“中文互联网语料资源平台”上线。
2026国家网安周分论坛正式发布中文互联网基础语料4.0
本次语料发布在中央网信办指导下开展，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、中科闻歌、开普云、拓尔思、科大讯飞、知乎等单位共同完成。依托网安协会人工智能安全治理专委会建立的语料共建共享机制，项目方在前期已发布的中文互联网基础语料1.0、2.0、3.0基础上，汇聚了一批新的高质量可信数据，经过信源筛选、内容过滤、数据去重等一系列严格细致的数据加工处理措施，最终形成此次发布的数据集。
用户可通过以下流程获取相关数据：
- 登录中国网络空间安全协会官网
- 点击“中文互联网语料资源平台”链接
- 完成注册、认证程序后，即可下载或联系获取对应数据集
多单位协同共建筑牢可信中文语料供给底座
网安协会负责人表示，中文互联网基础语料4.0是社会各界协同共建高质量中文语料的重要阶段性成果，进一步丰富了国内高质量中文语料供给体系。针对后续建设方向，协会将持续联合国家互联网应急中心等单位，联动各行业领域深化中文互联网基础语料建设，持续为人工智能产业高质量发展筑牢数据底座。
120GB高质量可信数据为大模型训练注入核心动能
当前大模型技术迭代与应用落地对高质量中文语料的需求持续攀升，中文互联网基础语料4.0的发布，有效填补了行业合规优质语料的供给缺口，为大模型训练、人工智能技术研发及相关应用落地提供了可信、高质量的数据支撑，将有力推动国内AI产业健康有序发展。
