Según la documentación del conjunto de datos proporcionada por BigCode, The Stack v2 está compuesto por 67,5 TB de código fuente sin procesar. Este extenso repositorio entrega con éxito más de 900 mil millones de tokens de entrenamiento que abarcan 619 lenguajes de programación diferentes. Aunque estas cifras son, sin duda, impresionantes, gestionar datos de esta magnitud es en realidad una ocurrencia rutinaria para la red Filecoin, dado que el sistema opera con comodidad a escala de exabytes.