★
Menú
Inicio Cómo se construye Lista de seguimiento El stack
Hardware ChipsComparar chips Servidores y sistemasRedes MemoriaFundiciones y empaquetado Refrigeración
Instalaciones Centros de datosEnergía ProyectosCloud y cómputo GPU
Inteligencia Modelos de IASoftware Productos de IABenchmarks Artículos de investigaciónConjuntos de datos Conceptos
Ecosistema EmpresasAcciones PersonasCronología TendenciasEl futuro de la IA
Aprender Noticias Consulta los datos Agentes IA
Acerca de Sobre nosotros Metodología Datos y API Aviso legal
Opciones
DATOS Y API

Acceso JSON gratuito de solo lectura a los datos en caché del sitio.
Modo oscuro

Vista guiada
¿Nuevo en el mundo de los chips, los centros de datos y la jerga de modelos? Explicamos los términos clave mientras navegas, en lenguaje claro. Los mismos datos, con la ayuda integrada.

Vista experta
Ya conoces el stack. Solo los datos: limpios, rápidos y compactos, sin explicaciones adicionales. Esta es la vista predeterminada.

Idioma de la interfaz
‹ Atrás
Inicio › Conjuntos de datos › FineWeb & FineWeb-Edu

FineWeb & FineWeb-Edu

Conjunto de datos Corpus web

Hugging Face's 15-trillion-token state of the art in open pre-training data.

Estás viendo un registro de dataset: una colección de datos de entrenamiento, qué contiene y qué modelos aprendieron de ella.

FineWeb (2024) processed 96 Common Crawl snapshots into 15T tokens with fully published filtering code; FineWeb-Edu used model-based educational scoring to distill the best 1.3T. Together they are the open world's answer to proprietary data pipelines.

Cómo se conecta con el resto del stack

Related · 2 FineWeb & FineWeb-Edu

Los enlaces de esta ficha de un vistazo: haz clic en un grupo para ir directamente a él.

Fuentes

FineWeb ↗

Registro revisado a fecha de 2026-01-15 — ver Metodología.