Knowledge cutoff: cos'è

Il modello ha smesso di leggere a una certa data, e non sa quale

Un modello linguistico apprende da un corpo fisso di testi raccolti prima dell'addestramento. Cos'è un LLM descrive le due fasi di addestramento; il punto qui è che entrambe usano dati con una data di fine. Nulla di pubblicato dopo quella data è nel modello. Non le elezioni, non il cambio di prezzo, non le notizie sul modello stesso.

I fornitori pubblicano quella data sulla model card, e sempre più spesso ne pubblicano due. Anthropic indica un "training data cutoff", l'ultima data in cui è stato incluso qualche dato, e un "reliable knowledge cutoff", una data precedente prima della quale la copertura è abbastanza densa da essere affidabile. Il divario tra le due esiste perché il web impiega mesi a scrivere di un evento: un rilascio di marzo ha poche pagine ad aprile e migliaia a settembre. Un modello addestrato a luglio conosce bene marzo e a malapena luglio.

Il modello stesso non sa dirti nessuna delle due date. Non ha un calendario né un registro del proprio addestramento; quando gli si chiede "qual è il tuo knowledge cutoff", produce la risposta più probabile per quella domanda secondo i suoi dati di addestramento, che di solito è una data letta a proposito di un modello precedente. I system prompt pubblicati da Anthropic dicono a Claude la sua stessa data di cutoff in chiaro, il che è l'ammissione che il modello altrimenti non lo saprebbe. Prendi la data dalla model card, mai dalla chat.

Quanto è datato un modello il giorno del lancio, misurato

L'addestramento richiede mesi, e valutazione e sicurezza ne richiedono altri, quindi un modello viene lanciato già indietro. Il grafico riporta otto model card: il knowledge cutoff dichiarato o affidabile confrontato con la data di rilascio pubblico, in mesi interi.

Due schemi. I modelli di punta di OpenAI sono usciti più indietro di tutti, dieci mesi sia per GPT-4.1 sia per GPT-5, mentre Anthropic e Google si sono mantenute tra due e quattro. E il divario cresce solo restando in servizio: GPT-4o era ancora il modello predefinito di ChatGPT un anno dopo il lancio, momento in cui la sua conoscenza terminava 19 mesi prima. Un modello in uso quotidiano è tipicamente un anno o più indietro rispetto al giorno in cui gli chiedi qualcosa.

Le date sopra sono quelle dichiarate dai fornitori, lette dalle model card collegate in fondo a questa pagina. La timeline dei modelli IA riporta le date di rilascio di ogni modello tracciato dal sito.

Cosa fa il modello quando gli chiedi qualcosa oltre il limite

Risponde. È questo il problema. Un modello non ha un passaggio di ricerca che restituisce "non trovato"; genera la continuazione più plausibile, e per una domanda sul mese scorso quella continuazione è costruita sugli schemi di domande simili nei dati di addestramento. Chiedi di un prodotto uscito dopo il cutoff e il modello descrive cosa sarebbe plausibilmente tale prodotto. Chiedi il prezzo attuale e ti dà il prezzo al momento del cutoff, espresso al presente.

Cos'è un'allucinazione dell'IA spiega perché il modello è sicuro di sé invece che incerto, ma la versione legata al cutoff ha un indizio riconoscibile: la risposta è coerente e leggermente vecchia. Il nome del modello è di una versione indietro, il prezzo è dell'anno scorso, la funzione "più recente" è quella della finestra di addestramento. Una risposta datata non sembra sbagliata; sembra il passato.

Il rimedio è la ricerca, e funziona anche su modelli che non ne hanno una propria

Il cutoff non può essere spostato, quindi la soluzione è fornire al modello testo aggiornato al momento della risposta. Due meccanismi lo fanno. Caricare un documento mette il tuo testo nel prompt, e il modello risponde da lì. La ricerca web recupera pagine e fa lo stesso con il web aperto. Entrambi sono grounding, ed entrambi sono il meccanismo descritto da cos'è il RAG: il modello continua a predire, ma da materiale successivo al suo addestramento.

In Whizi, la ricerca web è attiva di default, si trova nella barra di composizione accanto al pulsante per allegare file, e si applica a qualsiasi modello tu scelga. Questo è il punto utile. Claude o un modello Llama: con l'interruttore attivo, ciascuno risponde a una domanda su questa settimana da fonti live. L'interruttore concede un permesso invece di dare un comando, quindi una richiesta di una poesia non attiva una ricerca mentre una domanda con una data lo fa. Una ricerca non costa crediti; il messaggio costa lo scalino di credito del modello che ha risposto, come senza ricerca.

Un limite va detto onestamente. La ricerca risolve l'obsolescenza, non risolve l'attendibilità. Un post di blog datato viene recuperato con la stessa facilità di una pagina ufficiale del fornitore, quindi per un prezzo o una specifica apri il link citato prima di agire, e per ciò che conta chiedi a un secondo modello con la ricerca attiva e confronta.

Considera sei mesi di ritardo, poi valuta la domanda

Considera che ogni modello sia indietro di almeno sei mesi, e un modello che usi da tempo sia indietro di un anno o più. Poi valuta la domanda. Se la risposta dipende da fatti sul mondo successivi a quella linea, attiva la ricerca o carica la fonte. Se la risposta dipende da un ragionamento su qualcosa già nella conversazione, il cutoff non conta e la ricerca può restare spenta.

Controlla la model card, non il modello, per la data. E quando un modello dice spontaneamente "al mio ultimo aggiornamento", leggilo come il modello che cita i propri dati di addestramento piuttosto che riporta un fatto su se stesso, e tratta tutto ciò che segue quella frase con la stessa diffidenza.