Hugging Face 發布最大開源程式碼資料集 The Stack v3

Hugging Face 與 BigCode 推動 The Stack 系列，目標是讓程式碼大型語言模型的訓練更開放、可重現且透明。新版直接收錄檔案內容與完整儲存庫脈絡，可支援下一代開源程式碼模型及網路防禦研究；資料授權與模型蒸餾界線也再度成為社群焦點。

Hugging Face 於2026年7月23日發布 The Stack v3。完整語料含2.24億個 GitHub 儲存庫、113.7 TB 程式碼與770種語言；訓練版經去重與篩選後為15.9 TB、約4.9兆個 Token，涵蓋1.73億個儲存庫及713種語言，資料截點為2025年8月7日。