GitHub repository
opendatalab/WanJuan3.0
WanJuan3.0(“万卷·丝路”)一个作为综合性的纯文本语料库,采集了多个国家地区的网络公开信息、文献、专利等资料,数据总规模超1.2TB,Token总数超过300B,处于国际领先水平,首期开源的语料库主要由泰语、俄语、阿拉伯语、韩语和越南语5个子集构成,每个子集的数据规模均超过150GB
Repository metrics
- Stars · Nov 15, 2026
- 43
- Leaderboard status
- Outside the current top 1,000
Source: GitHubLB snapshots.