★
Menu
Home Come viene costruito Watchlist Lo stack
Hardware ChipConfronta chip Server e sistemiNetworking MemoriaFonderie e packaging Raffreddamento
Strutture Data centerEnergia ProgettiCloud e calcolo GPU
Intelligenza Modelli AISoftware Prodotti AIBenchmark Articoli di ricercaDataset Concetti
Ecosistema AziendeAzioni PersoneTimeline TendenzeFuturo dell'IA
Formazione Notizie Interroga i dati Agenti IA
Info Chi siamo Metodologia Dati & API Avvertenza
Opzioni
DATI & API

Accesso JSON gratuito in sola lettura ai dati in cache del sito.
Modalità scura

Vista guidata
Nuovo al gergo di chip, data center e modelli? Spieghiamo i termini chiave mentre navighi, in modo chiaro e accessibile. Gli stessi dati, con il supporto integrato.

Vista esperto
Conosci già il settore. Solo i dati: chiari, rapidi e compatti, senza spiegazioni aggiuntive. Questa è la visualizzazione predefinita.

Lingua dell'interfaccia
‹ Indietro
Note sul campo

I modelli sono ciò che mangiano, e questo è il menu. Il pattern da notare: il testo libero del web è stato essenzialmente consumato, ed è per questo che le schede più recenti qui riguardano cura e sintesi, non scraping.

Inizia da questi tre

CC Common Crawl Il piccolo archivio web di una nonprofit che ha alimentato per caso la rivoluzione dell'AI. F& FineWeb & FineWeb-Edu Lo stato dell'arte del mondo open — 15 trilioni di token, ricetta inclusa. L5 LAION-5B Il dataset alla base della generazione di immagini open — e la sua storia ammonitrice.

Training datasets & corpora

7
CC Common Crawl The nonprofit web archive nearly every LLM ate first. C4 C4 Google's cleaned Common Crawl — the reproducible baseline. F& FineWeb & FineWeb-Edu Hugging Face's 15-trillion-token state of the art in open pre-training data. IM ImageNet The 14-million-image labeled dataset that started the deep-learning era. L5 LAION-5B 5.85 billion image-text pairs — the fuel of open image generation, and its scandal. RE RedPajama The open reproduction of Llama's training mix. TP The Pile EleutherAI's 825 GB of curated diversity — open-source pre-training's foundation.