LLM代码合成数据
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
Da1a（域名da1a.com，发音/ˈdeɪ.tə/）是目前处于私有beta测试阶段的合成训练数据服务，主打为大语言模型微调团队提供可测量性能提升的高质量训练数据，定位是「模型性能合作伙伴」而非普通数据交易平台，核心聚焦编码领域的训练数据生成，解决了公开数据集过时、通用合成数据质量不可靠、训练数据合规性不足等行业痛点。
Da1a的核心是一套标准化的合成数据生成验证流程，用户可以通过控制台或REST API提交任务，自定义任务领域、输出格式、支持语言、难度配比和数据量，如果上传自有种子数据，平台会自动使用Presidio去除种子中的个人可识别信息（PII）。
提交任务后，平台会通过多Worker并行完成数据生成：先生成初始数据，再将每一条代码示例放入网络隔离、带超时终止机制的沙箱Docker容器中实际运行——只有能正常执行的代码才会保留，无法运行的直接淘汰；之后经过去重、毒性过滤等步骤，最终输出整理好的数据集，附带完整的质量报告，包含合格率、语言难度分布、去重统计、差分隐私参数等信息，还会生成带签名的不可变数据集清单，满足审计溯源需求。
额外功能还包括对标主流基准测试（HumanEval、MBPP、BIG-Bench子集）做缺口分析，针对性生成数据弥补模型的缺陷能力；所有输出都自带差分隐私认证，原生符合欧盟AI法案合规要求。从已有用户反馈来看，使用Da1a的数据可让内部编码评估分数提升6.1分，还能替代多套内部数据 pipeline。
Da1a采用订阅制，付费逻辑是「为模型提升付费，而非为token付费」，新用户可以获得100000免费token，不需要绑定信用卡即可开始试用。目前公开的定价方案为：最低档Starter方案199美元/月，包含500K tokens，约合25000条数据；此外还有799美元/月、2500美元/月两档更高配额的方案。所有方案都包含执行验证、签名溯源、种子数据PII清洗等全部功能，没有隐藏超额费用，达到使用软限额会提前72小时通知。
优点方面，Da1a的执行验证机制从根本上保证了数据质量，解决了合成数据不通、重复多的痛点，同时原生支持合规审计，对受监管行业非常友好，还能简化团队的内部数据工作流；缺点则是目前仅开放私有beta申请，未全面上线，且核心仅支持编码领域，最低199美元/月的订阅价格对个人爱好者门槛较高。
该服务适合正在做LLM编码微调的创业团队、需要合规审计的受监管AI团队，以及想要简化内部数据 pipeline的开发团队，solo工程师和小团队可以从最低配方案开始尝试。目前抓取内容中未得到中国大陆访问状态的有效信息，访问状态为未知。
本测评基于公开资料整理,不构成购买建议,请以 da1a.com 官网实际信息为准。
为微调模型生成可执行验证代码数据。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。