中文互联网基础语料 4.0 发布：数据量 120GB，为大模型训练和 AI 发展提供可信数据支撑

9月15日下午，2026年国家网络安全宣传周人工智能安全治理分论坛在济南召开，中文互联网基础语料4.0正式面向社会发布，同步在“中文互联网语料资源平台”完成上线。

120GB高质量语料完成迭代升级

自中文互联网基础语料系列发布以来，各版本均稳定保持120GB的高质量数据规模，持续为AI行业提供可信数据供给。本次推出的4.0版本在中国网络空间安全协会的主导下，于中央网信办指导下，联合国家互联网应急中心，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，联动多家行业单位共同完成数据共建，参与共建的单位包括：

• 百度
• 中科闻歌
• 开普云
• 拓尔思
• 科大讯飞
• 知乎
  新版本在前期1.0、2.0、3.0版本的积累上，进一步扩大了优质中文网站信源覆盖范围，同时加强了违法不良信息过滤力度，所有语料均经过信源筛选、内容过滤、数据去重等一系列严格加工处理，数据规范性与可信度进一步提升，可为大模型训练、人工智能技术研发提供高质量中文数据支撑。

官方平台开放获取降低使用门槛

本次发布的语料面向社会公众、科研机构、AI企业等主体开放获取渠道：用户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、认证等程序后，即可下载相关语料，也可联系官方获取定制化数据服务，大幅降低了高质量中文语料的获取成本。

多方协同持续扩充语料供给体系

中国网络空间安全协会负责人表示，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。下一步，协会将继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，为AI技术创新和产业落地提供持续稳定的数据支撑。