ナレッジカットオフとは何か

モデルはある日付で読むのをやめた。しかも自分ではその日付を知らない

言語モデルは、学習開始前に用意された固定のテキスト群から学習します。LLMとは何かでは2段階の学習プロセスを説明していますが、ここで重要なのは、どちらの段階も終了日を持つデータを使うという点です。その日付より後に公開されたものは、モデルには一切含まれません。選挙結果も、価格改定も、そのモデル自身についてのニュースさえも例外ではありません。

ベンダーはその日付をモデルカードに公開しており、最近では2つの日付を公開することも増えています。Anthropicは「トレーニングデータのカットオフ」、つまりデータが含まれた最後の日付と、「信頼できるナレッジカットオフ」、つまりカバレッジが十分に厚くなる、より早い日付の両方を掲載しています。この差が生まれるのは、ウェブがある出来事について書くのに数か月かかるからです。3月のリリースについて4月時点ではわずかなページしかなくても、9月には数千ページに膨らみます。7月に学習されたモデルは、3月のことはよく知っていても7月のことはほとんど知りません。

モデル自身はどちらの日付も答えられません。カレンダーも自分の学習記録も持っていないからです。「あなたのナレッジカットオフはいつですか」と聞かれると、その質問に対して学習データの中で最も確率の高い答えを生成するだけで、たいていは以前のモデルについて読んだ日付を答えます。Anthropicが公開しているシステムプロンプトは、Claudeに自身のカットオフ日をそのまま文章で伝えていますが、これはモデルがそれなしでは知り得ないことを認めているようなものです。日付はモデルカードから取ること。チャットの回答から取ってはいけません。

リリース初日にどれだけ情報が古いか、実測してみる

学習には数か月かかり、評価と安全性の検証にはさらに時間がかかるため、モデルは登場した時点ですでに遅れています。このチャートは8つのモデルカードを読み解いたもので、信頼できる、または公表されているナレッジカットオフを、一般公開日と月単位で比較しています。

ここには2つの傾向があります。OpenAIの主力モデルは最も遅れが大きく、GPT-4.1もGPT-5も10か月遅れているのに対し、AnthropicとGoogleは2〜4か月に抑えられています。そして運用中に差はさらに広がります。GPT-4oはリリースから1年後もChatGPTの既定モデルであり続け、その時点で情報は19か月前のもので止まっていました。日常的に使われているモデルは、たいてい1年以上遅れた状態で質問に答えていることになります。

上記の日付はすべてベンダー自身が公表したもので、このページ末尾にリンクされたモデルカードから読み取っています。AIモデルの年表には、このサイトが追跡する全モデルのリリース日がまとめられています。

境界線を越えた質問をすると、モデルは何をするのか

答えます。それこそが問題です。モデルには「該当なし」を返す検索処理がなく、最も確率の高い続きを生成するだけなので、先月についての質問なら、学習データにある似た質問のパターンから続きを組み立てます。カットオフ後に発売された製品について尋ねれば、そのような製品ならこうだろうという説明が返ってきます。現在の価格を聞けば、カットオフ時点の価格を、現在形で答えます。

AIハルシネーションとは何かでは、モデルが不確実さではなく自信を見せる理由を説明していますが、カットオフ由来の誤りには使える見分け方があります。答えが筋は通っているのに、どこか古いという点です。モデル名は1世代前、価格は昨年のもの、「最新」機能は学習期間当時のものです。古い答えは間違って見えるのではなく、過去に見えます。

解決策は検索であり、検索機能を持たないモデルでも機能する

カットオフ自体を動かすことはできないので、答えは回答生成の時点で最新のテキストをモデルに渡すことです。それを実現する仕組みは2つあります。文書のアップロードは、あなたのテキストをプロンプトに載せ、モデルはそこから答えます。ウェブ検索はページを取得し、公開ウェブに対して同じことをします。どちらもグラウンディングであり、RAGとは何かが説明している仕組みそのものです。モデルは依然として予測をしていますが、学習後の時点の素材をもとに予測しています。

Whiziでは、ウェブ検索が標準でオンになっており、入力欄の添付ボタンの隣にあって、選んだどのモデルにも適用されます。ここが特に役立つ点です。Claudeでも、Llamaベースのモデルでも、トグルをオンにすれば、それぞれ最新のソースから今週についての質問に答えます。このトグルは指示ではなく許可を与えるものなので、詩を頼んでも検索は走らず、日付の入った質問には検索が走ります。検索自体にクレジットはかからず、メッセージのコストは検索なしのときと同じ、その回答したモデルのクレジット段階です。

一つだけ正直に言っておくべき限界があります。検索は情報の古さは解決しますが、信頼性までは解決しません。古くなったブログ記事もベンダーの公式ページと同じくらい簡単に取得されてしまうので、価格や仕様については引用元リンクを開いてから行動に移すこと。重要なことについては、検索をオンにした別のモデルにも聞いて比較すること。

半年遅れと仮定し、そのうえで質問を仕分ける

どのモデルも最低6か月は遅れていると仮定し、しばらく使い続けているモデルなら1年以上遅れていると考えましょう。そのうえで質問を仕分けます。答えがその境界線より後の世の中の事実に左右されるなら、検索をオンにするか出典をアップロードすること。答えがすでに会話に含まれている内容についての推論に左右されるなら、カットオフは関係なく検索はオフでかまいません。

日付はモデルではなくモデルカードで確認すること。そして、モデルが「私の最新の情報では」と自発的に言い出したときは、それをモデル自身についての事実の報告ではなく、学習データを引用しているだけだと捉え、そのフレーズ以降のすべてを同じ疑いの目で見ましょう。