模型追踪页面增多，发布日期与训练截止日期差距拉大

页面 stale.jock.pl 为每个模型记录两个日期：发布日期，即实验室发布模型的日子；训练截止日期，即模型停止阅读的日子。两个计数器都在实时递增。作者的说法很直白：模型可能在9月发布，但仍在4月停止阅读，这意味着发布当天就落后了五个月。

列表非常具体。Llama 4 于2025年4月5日发布，截止日期为2024年8月。Claude Haiku 4.5 于2025年10月15日发布，截止于2025年7月。Gemini 3.1 Pro 于2026年2月19日发布，截止日期为2025年1月，落后十三个月。GPT-6 Astra 于2026年9月3日发布，截止于2026年4月30日。GPT-6 Sol 于2026年9月22日发布，截止于2026年4月20日；同日发布的 GPT-6 Luna 截止于2026年5月18日。Claude Opus 5.5 也在9月22日发布，截止于2026年6月。

一半的模型没有公布截止日期

十个模型的数据是空白的。在八家实验室中，Anthropic、Google DeepMind、Meta、OpenAI 和 xAI 这五家至少有一个模型在页面上公布了截止日期。空白项包括页面上列出的整个 Mistral 系列（Large 3、Small 4、Medium 3.5）、阿里巴巴的 Qwen3.8-Max 和 Qwen3.8-Flash、Meta 的 Muse Glimmer 和 Muse Spark 1.3、DeepSeek V4-Pro 和 V4.1-Flash，以及 Gemini 3.8 Flash。页面对于“空白”的含义很谨慎：已核查的厂商来源未能确定截止日期，这并不证明实验室从未公布过。

作者还进行了一次搜索测试：16个模型，超过2000次调用，每次调用都配备网络搜索工具。页面指出，前沿模型几乎每次都能正确判断。而较弱的模型在不核查的情况下陈述已经改变的事实，甚至去搜索水的沸点。在同一次测试中，有五个模型将一位已故者称为挪威国王。

搜索必须由模型自行触发，使用的是包含过时事实的同一组权重，因此失误恰好发生在模型最自信的地方。

这就是导出文件的理由。页面提供 models.json，包含每个模型的发布日期、公布的截止日期和一个来源链接，并建议将几行内容粘贴到智能体已读取的 AGENTS.md 或 CLAUDE.md 中。指令是：在将任何模型、版本或日期称为“当前”之前，先获取该文件；任何带有日期的内容，在核查之前都视为未经验证。文件随页面一起重新生成。

基准在变，日期不变

这不是唯一一个试图规范模型事实的项目。另一个 Show HN 项目 Cactus Needle 3 于9月18日发布，面向微型设备推出8到29 MB的自动化模型，并声称一个4层子网络经过一个 epoch 调优后可以匹敌 DeepSeek V4 Flash。9月19日发布的 CUA-S1 是面向计算机使用的小型决策模型的早期仅源码研究版本，权重单独托管在 Hugging Face 上，源码采用 MIT 许可。

这些项目都没有解决基准问题。追踪器告诉你模型何时停止阅读，但不告诉你模型好不好。这个区别很重要，因为发布公告和基准声明遵循不同的时间节奏，而截止日期是实验室无需争论方法论就能公布的一项元数据。

页面自己的建议是循环的，它也承认这一点：直接问模型它的训练截止日期。行为良好的模型会回答，或者表示不确定。一个编造出自信日期的模型，已经透露了关于它自己的有用信息。然后去核查答案，因为模型在描述模型方面是个糟糕的信息源。