知識截止日（Knowledge Cutoff）是什麼：模型知道到哪一天，又為什麼不準

知識截止日（knowledge cutoff）是供應商用來說明模型訓練資料時間範圍的標示，意思是這個日期之後發生的事，模型多半沒有學到。它是粗略的參考線，不是保證：日期之前的事，模型不一定知道，知道的也不一定正確；日期之後的事，則要靠你或工具把資料交給它。

本文依 Anthropic、OpenAI、Google 的官方文件與三篇研究（其中一篇是預印本），說明各家怎麼標示、為什麼越靠近截止日越不牢靠，用虛構案例示範三種回答型態，再談附上資料、檢索與搜尋能補到哪裡、在哪裡失敗。訓練資料從哪裡來，見預訓練（Pretraining）；文中不列模型的截止日期，那會過期，請看供應商當天的頁面。

供應商怎麼標示截止日

各家標示截止日的名稱與定義並不一致。Anthropic 的文件區分「可靠知識截止日」（reliable knowledge cutoff）與「訓練資料截止日」（training data cutoff），兩者不一定是同一天；它的透明度頁面在部分模型條目裡，把前者解釋為模型知識「最廣泛也最可靠」所及的日期，也有條目寫明訓練資料截止日比可靠知識截止日晚。也就是說，訓練資料到了某天，不代表之前最後幾個月都學得牢。

OpenAI 與 Google 的開發者文件多半只寫一個「knowledge cutoff」加日期，這些頁面沒有說明它指訓練資料還是可靠知識；Google 在說明截止日時，也建議需要更新的資訊改用搜尋接地工具。放的位置也不固定：可能在模型頁的欄位、比較表、常見問題或透明度頁面，有些模型頁則完全不列，找不到就翻官方文件的其他頁面。三家沒有共用的定義，同樣寫「截止日」，意思未必相同；比較兩個模型前，先確認標的是哪一種。

為什麼越接近截止日，越不牢靠

把截止日想成一條銳利的邊界，是常見的誤解。Cheng 等人在 COLM 2024 發表的論文提出「有效截止日」（effective cutoff）：同一個模型對不同資料來源，表現出的截止時間可以不同，也可能和供應商報的不同。他們主要分析訓練資料公開的模型，用 Wikipedia 每月的版本量困惑度（perplexity），發現有些模型的有效截止日比標示早得多，其中一個的差距甚至以年計。論文歸因於兩點：新的網頁爬取資料混著大量舊內容，去重複的流程擋不住字面略有差異的重複文件。也有模型和標示吻合，所以結論是「常常不一致」，不是「都不準」。

Dai 等人（ICML 2025）的 Daily Oracle 每天從新聞自動出預測題（真假題與選擇題），問某件事在某天前會不會發生、結果如何；答案在截止日之前就揭曉的題目，等於考模型記不記得已發生的事。在不提供資料的設定下，幾個模型在截止日之前的幾個月答對率就開始緩慢下降，作者推測是訓練資料裡近期新聞的比重不足；截止日之後題目才真正要靠預測，有幾個模型在選擇題上下滑得更快。兩篇研究合起來看，標示的日期比較像「大約到這附近」，不是「到這天為止樣樣都知道」。

模型自己說的截止日準不準，有一篇預印本做了直接比對，尚未經同儕審查：Pęzik 等人 2025 年的 LLMLagBench 用 1,713 題新聞問答，交給另一個模型評分，替許多模型估計訓練邊界。在其中某些模型上，直接問模型得到的截止日比量到的邊界早了一年以上；作者也指出，模型可能自述偏保守的日期，同時卻對遠超出實際訓練範圍的事件編造答案。這是單一預印本的結果，還待其他研究驗證。

示範：問一件截止日之後才發生的事

以下是虛構示例，未對任何模型實測。假設虛構的「濱海光影節」在某模型的訓練資料截止後，才公布今年的場次與票價。你問：「今年光影節哪天開始，票價多少？」常見的回答型態有三種。

• 型態一，承認可能不知道：「我的資料可能沒涵蓋今年的公告，請以主辦單位網站為準。」這是最安全的訊號，但只是沒有答案，下一步要自己查或開搜尋。
• 型態二，拿舊資料當現在：「光影節通常在夏天舉行，票價大約是……」內容可能曾經正確，只是已過期。線索是沒有年份、用「通常」帶過；可以追問「這是哪一年的資訊」，但模型回答的年份本身也要核對。
• 型態三，流暢的新細節：「今年改在三個港區舉行，票價調漲。」具體又有細節，卻沒有來源支持，這才是幻覺。把場次與票價拆成可查的主張，逐項對主辦單位的頁面。

最容易被忽略的是型態二：它讀起來既不像拒答，也不像編造。

它和過期資訊、幻覺差在哪

三個詞常被混用，問題卻不同。截止日描述模型「學到哪裡」；過期資訊是內容曾經正確、現在不再正確，成因可能是截止日後世界改變，也可能是舊版本在訓練資料裡佔多數；幻覺是產生缺乏事實支持的內容，不一定和時間有關。過期資訊要問日期並換新來源，幻覺要拆成主張核對，拆法見AI 幻覺（Hallucination）是什麼；三者可能同時出現在一個回答裡。

補救：附上資料、檢索與搜尋工具

不更動模型本身（例如重新訓練或微調）的話，要補上截止日之後的資訊只有一條路：讓內容進到上下文視窗，模型才讀得到。差別在誰找資料，失敗處也不同。

搜尋工具的失敗點可以更具體。Anthropic、Google 與 OpenAI（Responses API）的文件，都寫明由模型依提示詞判斷搜不搜，所以看似常識的問題可能沒觸發搜尋，答案只來自記憶。Anthropic 說搜尋成功卻沒有結果時回傳空列表，不是錯誤；OpenAI 有只用快取結果的模式，也另有完整來源清單，數量常多於引用。連結存在不等於頁面支持那句話，要點開看日期和內容。原理見檢索增強生成（RAG）與接地（Grounding）。

Daily Oracle 的受限檢索實驗（BM25 取前 5 篇新聞、每篇最多 512 個英文單字）也看得到：資料庫停在某天，成績就在那天之後掉下來；有個模型在檢索資料只到它標示的知識截止日之前時，表現可能不如不給資料。就算直接給含答案的原文，多數模型的成績仍隨時間下滑。

使用時怎麼檢查

1. 先看是哪一種日期：訓練資料截止日、可靠知識截止日，還是沒有定義的欄位。
2. 判斷問題有沒有時效：價格、規定、版本、活動日期屬於時效問題；穩定的概念通常不是。
3. 把今天的日期告訴模型。Anthropic 的文件說，它的網頁版與手機應用程式會在對話開頭提供目前日期，並註明這些系統提示詞更新不適用於 API；用 API 時，自己放日期比較保險。
4. 時效性問題開搜尋或附上資料，要求答案標出資料日期，再打開來源核對。

想看更多概念，可回到AI 名詞總索引。

• AI 工具
• 教學
• AI 名詞解釋