Qué es knowledge cutoff (la fecha de corte del conocimiento)

El modelo dejó de leer en una fecha, y no sabe cuál es

Un modelo de lenguaje aprende de un conjunto fijo de texto reunido antes de que empiece el entrenamiento. Qué es un LLM explica las dos etapas de entrenamiento; lo importante aquí es que ambas usan datos con una fecha límite. Nada publicado después de esa fecha está en el modelo. Ni la elección, ni el cambio de precio, ni la noticia sobre el propio modelo.

Los proveedores publican esa fecha en la ficha del modelo, y cada vez más publican dos. Anthropic indica una "fecha de corte de los datos de entrenamiento", la última fecha de la que se incluyeron datos, y una "fecha de corte de conocimiento fiable", una fecha anterior antes de la cual la cobertura es lo bastante densa como para confiar en ella. La diferencia entre ambas existe porque la web tarda meses en escribir sobre un evento: un lanzamiento en marzo tiene un puñado de páginas en abril y miles en septiembre. Un modelo entrenado en julio conoce bien marzo y apenas julio.

El propio modelo no puede decirte ninguna de las dos fechas. No tiene calendario ni registro de su propio entrenamiento; cuando se le pregunta "cuál es tu fecha de corte de conocimiento", genera la respuesta más probable para esa pregunta según sus datos de entrenamiento, que suele ser una fecha que leyó sobre un modelo anterior. Los system prompts publicados de Anthropic le indican a Claude su propia fecha de corte en texto claro, lo cual es la admisión de que el modelo no la sabría de otro modo. Toma la fecha de la ficha, nunca del chat.

Cuánto retraso tiene un modelo el día que se lanza, medido

El entrenamiento toma meses, y la evaluación y el trabajo de seguridad toman más, así que un modelo se lanza ya con retraso. El gráfico recoge ocho fichas de modelo: la fecha de corte fiable o declarada frente a la fecha de lanzamiento público, en meses completos.

Dos patrones. Los buques insignia de OpenAI han salido con más retraso, diez meses tanto para GPT-4.1 como para GPT-5, mientras que Anthropic y Google se han movido entre dos y cuatro. Y la brecha solo crece en servicio: GPT-4o seguía siendo el modelo por defecto de ChatGPT un año después de su lanzamiento, momento en el que su conocimiento terminaba 19 meses antes. Un modelo de uso diario suele llevar un año o más de retraso el día que le preguntas algo.

Las fechas anteriores son las de los propios proveedores, tomadas de las fichas de modelo enlazadas al final de esta página. La línea de tiempo de modelos de IA tiene las fechas de lanzamiento de todos los modelos que rastrea el sitio.

Qué hace el modelo cuando le preguntas más allá del límite

Responde. Ese es el problema. Un modelo no tiene un paso de búsqueda que devuelva "no encontrado"; genera la continuación más plausible, y para una pregunta sobre el mes pasado esa continuación se construye a partir de los patrones de preguntas similares en los datos de entrenamiento. Pregunta por un producto lanzado después del corte y el modelo describe lo que ese producto plausiblemente sería. Pide el precio actual y da el precio en el corte, expresado en presente.

Qué es una alucinación de IA explica por qué el modelo se muestra seguro en vez de dudar, pero la versión del corte tiene una pista que puedes usar: la respuesta es coherente y ligeramente antigua. El nombre del modelo es una versión atrás, el precio es del año pasado, la función "más reciente" es la de la ventana de entrenamiento. Una respuesta desactualizada no parece incorrecta; parece del pasado.

La solución es la búsqueda, y funciona en modelos que no tienen ninguna

El corte no se puede mover, así que la solución es entregarle al modelo texto actual en el momento de responder. Dos mecanismos hacen eso. Subir un documento pone tu texto en el prompt, y el modelo responde a partir de él. La búsqueda web recupera páginas y hace lo mismo con la web abierta. Ambos son grounding, y ambos son el mecanismo que describe qué es RAG: el modelo sigue prediciendo, pero a partir de material posterior a su entrenamiento.

En Whizi, la búsqueda web está activada por defecto, se encuentra en el compositor junto al botón de adjuntar, y se aplica al modelo que elijas. Esa última parte es lo útil. Claude o un modelo Llama: con el interruptor activado, cada uno responde una pregunta sobre esta semana a partir de fuentes en vivo. El interruptor concede permiso en lugar de dar una orden, así que una petición de un poema no activa una búsqueda y una pregunta con una fecha sí. Una búsqueda no cuesta créditos; el mensaje cuesta el nivel de crédito del modelo que respondió, igual que sin búsqueda.

Hay un límite que conviene decir con honestidad. La búsqueda corrige la desactualización; no corrige la credibilidad. Una entrada de blog obsoleta se recupera con la misma facilidad que la página de un proveedor, así que para un precio o una especificación abre el enlace citado antes de actuar sobre él, y para algo importante pregúntale a un segundo modelo con la búsqueda activada y compara.

Asume seis meses de retraso, y luego clasifica la pregunta

Asume que todo modelo lleva al menos seis meses de retraso, y que un modelo que llevas tiempo usando lleva un año o más. Luego clasifica la pregunta. Si la respuesta depende de hechos sobre el mundo posteriores a esa línea, activa la búsqueda o sube la fuente. Si la respuesta depende de razonar sobre algo que ya está en la conversación, el corte no importa y la búsqueda puede quedarse apagada.

Consulta la ficha del modelo, no al modelo, para la fecha. Y cuando un modelo diga por su cuenta "hasta mi última actualización", léelo como el modelo citando sus datos de entrenamiento y no informando de un hecho sobre sí mismo, y trata todo lo que venga después de esa frase con la misma sospecha.