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，并在“中文互联网语料资源平台”全面上线。本次发布的数据总量达到120GB，旨在为我国大模型训练和人工智能产业的高质量发展提供坚实且可信的数据支撑。

在中央网信办的指导下，中国网络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、知乎等多家行业单位共同推进该项目。在此前成功发布中文互联网基础语料1.0、2.0和3.0的基础上，各方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，汇聚了一批全新的高质量可信数据。经过一系列严格且细致的数据加工处理措施，最终形成了面向社会的4.0版本。

网安协会相关负责人指出，中文互联网基础语料4.0的正式推出，是社会各界协同共建高质量中文语料的重要阶段性成果，进一步丰富了国内的高质量中文语料供给体系。在下一步的工作中，协会将继续联合国家互联网应急中心等单位，联动各行业领域持续深化中文互联网基础语料建设，为整个人工智能产业的高质量发展筑牢数据底座。

对于有数据获取需求的用户，可通过中国网络安全协会官网进入“中文互联网语料资源平台”链接，按照注册、认证等相关程序完成操作后，即可下载或联系获取具体的语料数据。