Knowledge Cutoff

La fecha de corte del conocimiento es la fecha que marca el límite declarado de la información incluida en los datos de entrenamiento de un modelo de IA. Indica hasta qué punto está actualizado el conocimiento que ha aprendido el modelo. En un modelo de lenguaje grande (LLM), los hechos aprendidos durante el entrenamiento quedan codificados en sus parámetros; la información más reciente puede llegar a una respuesta a través de documentos, búsquedas u otras herramientas proporcionadas durante su uso.

Cómo funciona la fecha de corte del conocimiento#

Durante el preentrenamiento, un modelo aprende patrones a partir de los datos de entrenamiento, incluidas las relaciones entre palabras, conceptos y afirmaciones factuales. Esta información se distribuye entre los pesos del modelo, los parámetros numéricos que se ajustan durante el aprendizaje. Una vez terminado el entrenamiento, la inferencia habitual utiliza esos parámetros para generar respuestas. El acceso a la información publicada posteriormente se obtiene mediante entradas adicionales o entrenamiento posterior.

La fecha de corte indicada resume un conjunto de entrenamiento que contiene fuentes de distintas épocas. Una página web recopilada recientemente puede contener información de hace años, y distintos temas pueden tener diferentes niveles de cobertura. La fecha de corte efectiva describe el límite temporal demostrado para un tema o una fuente concretos. Jeffrey Cheng y sus colegas formalizaron esta distinción en 2024: las fechas de corte efectivas varían según los recursos, en parte porque las recopilaciones web contienen material antiguo y la deduplicación determina qué versiones se conservan.

Por qué es importante que el conocimiento esté actualizado#

La fecha de corte es más importante en la respuesta a preguntas sobre hechos que cambian. Un modelo que responde basándose en el conocimiento aprendido puede repetir un dato obsoleto después de que haya cambiado la información subyacente. En un chatbot, una redacción fluida y una confianza aparentemente elevada pueden hacer que esa respuesta desactualizada parezca autorizada. Una alucinación es una respuesta falsa o sin fundamento; el conocimiento desactualizado es una de las causas de los errores factuales.

Varios conceptos relacionados describen distintos aspectos de la actualidad de la información:

• Ventana de contexto: La cantidad de información que puede procesar un modelo en una solicitud. Los documentos incluidos en ella pueden contener información publicada después del entrenamiento.
• Ajuste fino: Entrenamiento adicional que actualiza los pesos del modelo mediante ejemplos seleccionados.
• Procedencia de los datos: El origen y el historial de la información, incluida su fuente y las fechas de recopilación. La procedencia ayuda a distinguir cuándo se recopiló el material de cuándo se redactó su contenido.

La cobertura del entrenamiento también influye en la visión artificial. Ultralytics YOLO permite ajustar YOLO26 con conjuntos de datos personalizados y actualizar un detector preentrenado para que reconozca las clases representadas en las nuevas imágenes.

Cómo utilizan los modelos la información posterior a su fecha de corte#

La generación aumentada por recuperación (RAG) proporciona información externa pertinente en el momento de la consulta. Un recuperador selecciona fragmentos de una colección de conocimiento y el generador los utiliza junto con la pregunta. Esto permite la fundamentación: vincular una respuesta con pruebas identificables. La respuesta se basa tanto en los parámetros aprendidos como en el contexto proporcionado, mientras que el modelo subyacente mantiene su fecha de corte de entrenamiento.

La búsqueda web cumple una función similar para mantener actualizada la información pública. La búsqueda de ChatGPT recupera resultados de la web y los utiliza para generar respuestas con enlaces a las fuentes. La recuperación de archivos permite acceder a material subido o conectado, poniendo documentos internos actuales a disposición de la generación de texto. Estos mecanismos actualizan las pruebas disponibles durante una solicitud.

Esta distinción es importante en la asistencia basada en documentos: la actualidad de una respuesta depende tanto del contenido y la fecha de revisión del documento recuperado como del historial de entrenamiento del modelo. Una colección de conocimiento actualizada recientemente da acceso al sistema a datos más recientes; para generar respuestas precisas también es necesario seleccionar e interpretar los fragmentos pertinentes.

Fechas de corte del conocimiento de ChatGPT y Gemini#

ChatGPT y Gemini utilizan modelos con fechas de corte del conocimiento documentadas. La fecha aplicable corresponde al modelo o a la instantánea subyacente concreta, por lo que identificar el modelo es parte de determinar su fecha de corte. Una tarjeta del modelo o una especificación oficial del modelo proporciona los metadatos pertinentes. OpenAI publica información sobre las fechas de corte de cada modelo y Google las incluye junto con las propiedades de los modelos Gemini.

Por ejemplo, Gemini 2.5 Pro tiene una fecha de corte del conocimiento de enero de 2025, mientras que su especificación indica que la última actualización fue en junio de 2025. Estas fechas describen propiedades distintas: el límite de la información aprendida y el historial de actualizaciones del modelo.

Del mismo modo, un identificador de instantánea identifica una versión del modelo por separado de su límite de conocimiento. La especificación del modelo GPT-5 indica que la instantánea gpt-5-2025-08-07 tiene una fecha de corte del conocimiento del 30 de septiembre de 2024.