待验证50% 置信事实精确时间

FineWeb公开数据集的文本数据约44TB，相当于约15万亿个Token

1

来源数

50%

置信度

长期有效

时效性

2026/9/25

首次发现

来源

斯坦福CS146S拆解：大模型从数据到智能体的完整训练流水线

涉及实体

相关事实

待验证整个互联网可抓取的公开网页数据（Common Crawl）约400TB73% 相似待验证Epoch AI估算互联网上可公开获取的高质量文本数据总量约在4.6万亿到17万亿token之间73% 相似待验证编码智能体的上下文窗口通常包含数万乃至数十万 token 的信息66% 相似待验证每天全球产生的数字内容超过2.5亿TB66% 相似待验证暗网上流通的凭证数据库已包含数百亿条记录65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/949773

API

curl https://kongchang.com/api/v1/knowledge/claims/949773

MCP

get_claim(id=949773)