Wat is een knowledge cutoff?

Het model stopte met lezen op een datum, en het weet zelf niet welke

Een taalmodel leert van een vaste hoeveelheid tekst die is samengesteld voordat de training begint. Wat is een LLM behandelt de twee trainingsfasen; het punt hier is dat beide gebruikmaken van data met een einddatum. Niets dat na die datum is gepubliceerd zit in het model. Niet de verkiezing, niet de prijswijziging, niet het nieuws over het model zelf.

Leveranciers publiceren die datum op de model card, en steeds vaker publiceren ze er twee. Anthropic noemt een "training data cutoff", de laatste datum waarop data is meegenomen, en een "reliable knowledge cutoff", een eerdere datum waarvoor de dekking dicht genoeg is om te vertrouwen. Het verschil daartussen bestaat omdat het internet maanden nodig heeft om over een gebeurtenis te schrijven: een release in maart heeft in april een handvol pagina's en in september duizenden. Een model dat in juli is getraind, kent maart goed en juli nauwelijks.

Het model zelf kan geen van beide data noemen. Het heeft geen kalender en geen vastlegging van zijn eigen training; gevraagd "wat is je knowledge cutoff", produceert het het meest waarschijnlijke antwoord voor die vraag in zijn trainingsdata, meestal een datum die het heeft gelezen over een eerder model. De gepubliceerde system prompts van Anthropic vertellen Claude zijn eigen cutoffdatum in platte tekst, wat een erkenning is dat het model dit anders niet zou weten. Neem de datum van de model card, nooit van de chat.

Hoe verouderd een model is op de dag van release, gemeten

Training duurt maanden, en evaluatie en veiligheidswerk kosten nog meer tijd, dus een model komt al achterop uit. De grafiek leest acht model cards: de betrouwbare of vermelde knowledge cutoff tegenover de publieke releasedatum, in hele maanden.

Twee patronen. De vlaggenschepen van OpenAI kwamen het verst achterop, tien maanden voor zowel GPT-4.1 als GPT-5, terwijl Anthropic en Google op twee tot vier maanden bleven. En het gat groeit alleen maar tijdens gebruik: GPT-4o was een jaar na de release nog steeds het standaardmodel van ChatGPT, en op dat moment lag zijn kennisgrens al 19 maanden terug. Een model dat dagelijks wordt gebruikt, loopt doorgaans een jaar of meer achter op het moment dat je iets vraagt.

De data hierboven zijn van de leveranciers zelf, gelezen van de model cards die aan het einde van deze pagina staan gelinkt. De AI model tijdlijn bevat releasedata voor elk model dat deze site bijhoudt.

Wat het model doet als je voorbij de grens vraagt

Het antwoordt. Dat is het probleem. Een model heeft geen opzoekstap die "niet gevonden" teruggeeft; het genereert de meest plausibele voortzetting, en voor een vraag over vorige maand wordt die voortzetting opgebouwd uit patronen van vergelijkbare vragen in de trainingsdata. Vraag naar een product dat na de cutoff is uitgebracht, en het model beschrijft hoe zo'n product er plausibel uit zou zien. Vraag naar de huidige prijs en het geeft de prijs op het moment van de cutoff, gesteld in de tegenwoordige tijd.

Wat is een AI-hallucinatie legt uit waarom het model zelfverzekerd is in plaats van onzeker, maar de cutoff-variant heeft een verklikker die je kunt gebruiken: het antwoord is coherent en enigszins gedateerd. De modelnaam is een versie ouder, de prijs is van vorig jaar, de "nieuwste" functie is die uit het trainingsvenster. Een verouderd antwoord ziet er niet fout uit; het ziet eruit als het verleden.

De oplossing is search, en die werkt ook op modellen die er zelf geen hebben

De cutoff kan niet worden verplaatst, dus de oplossing is om het model op het moment van antwoorden actuele tekst te geven. Twee mechanismen doen dat. Een document uploaden zet jouw tekst in de prompt, en het model antwoordt daaruit. Web search haalt pagina's op en doet hetzelfde met het open internet. Beide zijn grounding, en beide zijn het mechanisme dat wat is RAG beschrijft: het model voorspelt nog steeds, maar dan op basis van materiaal dat later is dan zijn training.

In Whizi staat web search standaard aan, zit het in de composer naast de bijlageknop, en geldt het voor welk model je ook kiest. Dat laatste is het nuttige deel. Claude of een Llama-model: met de toggle aan beantwoordt elk een vraag over deze week vanuit live bronnen. De toggle geeft toestemming in plaats van een opdracht te geven, dus een verzoek om een gedicht triggert geen zoekopdracht en een vraag met een datum erin wel. Een zoekopdracht kost geen credits; het bericht kost de credit-schaal van het model dat heeft geantwoord, hetzelfde als zonder search.

Eén beperking is eerlijk om te benoemen. Search lost veroudering op; het lost geloofwaardigheid niet op. Een verouderd blogbericht wordt net zo makkelijk opgehaald als een leverancierspagina, dus open voor een prijs of specificatie de geciteerde link voordat je erop handelt, en vraag voor alles wat ertoe doet een tweede model met search aan en vergelijk.

Ga uit van zes maanden achterstand, en sorteer dan de vraag

Ga ervan uit dat elk model minstens zes maanden achterloopt, en dat een model dat je al een tijdje gebruikt een jaar of meer achterloopt. Sorteer dan de vraag. Als het antwoord afhangt van feiten over de wereld na die grens, zet dan search aan of upload de bron. Als het antwoord afhangt van redeneren over iets dat al in het gesprek staat, maakt de cutoff niet uit en kan search uit blijven.

Controleer de model card, niet het model, voor de datum. En als een model vrijwillig zegt "voor zover ik weet", lees dat dan als het model dat zijn trainingsdata citeert in plaats van een feit over zichzelf rapporteert, en behandel alles na die zin met dezelfde argwaan.