待验证50% 置信事实精确时间

Common Crawl是非营利组织运营的大规模网络爬取项目，每月抓取数十亿网页，数据集被用于训练包括GPT系列在内的大型语言模型

1

来源数

50%

置信度

长期有效

时效性

2026/8/12

首次发现

来源

开源seo-agent：基于Cloudflare的AEO边缘引擎，让AI爬虫读懂你的网站

相关事实

已验证目前每周有近十亿用户使用ChatGPT进行写作、搜索、研究和创作74% 相似待验证Common Crawl项目存储了超过2500亿网页的完整HTML快照，压缩后数据量达PB级别，是许多AI模型的主要训练数据来源之一71% 相似已验证Common Crawl自2008年起持续运行，其公开数据库已积累超过250亿个网页的原始抓取内容69% 相似待验证ChatGPT的日常推理服务每天消耗数百万美元的GPU算力69% 相似待验证超节点算力通过高速互联网络将数千乃至数万张GPU/NPU组成统一计算池，是训练千亿至万亿参数大模型的必要基础设施67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/736887

API

curl https://kongchang.com/api/v1/knowledge/claims/736887

MCP

get_claim(id=736887)